Descripteur
Documents disponibles dans cette catégorie (64)
Ajouter le résultat dans votre panier
Visionner les documents numériques
Affiner la recherche Interroger des sources externes
Etendre la recherche sur niveau(x) vers le bas
Stable target detection and coherence estimation in interferometric SAR stacks / P. Guccione in IEEE Transactions on geoscience and remote sensing, vol 50 n° 8 (August 2012)
[article]
Titre : Stable target detection and coherence estimation in interferometric SAR stacks Type de document : Article/Communication Auteurs : P. Guccione, Auteur ; A. Monti-Guarnieri, Auteur Année de publication : 2012 Article en page(s) : pp 3171 - 3178 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image radar et applications
[Termes IGN] artefact
[Termes IGN] coin réflecteur
[Termes IGN] détection de cible
[Termes IGN] image radar moirée
[Termes IGN] interféromètrie par radar à antenne synthétique
[Termes IGN] polarisation
[Termes IGN] qualité des donnéesRésumé : (Auteur) We propose a novel method to select long-term coherent targets from a set of repeated-pass interferometric acquisitions. The major assumption is that targets are so close together to share the same optical path. This leads to an efficient singular-value-decomposition-based estimator of the targets' phase and, then, to PS detection. The estimated phase can be used to define the PS coherence for each image. Being sensitive to acquisition and processing artifacts, the PS coherence is a valuable tool for quality assessment of the interferometric stack. Results are shown with real data sets in both single and full polarizations. Numéro de notice : A2012-386 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1109/TGRS.2011.2178246 Date de publication en ligne : 18/01/2012 En ligne : https://doi.org/10.1109/TGRS.2011.2178246 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=31832
in IEEE Transactions on geoscience and remote sensing > vol 50 n° 8 (August 2012) . - pp 3171 - 3178[article]Réservation
Réserver ce documentExemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité 065-2012081 RAB Revue Centre de documentation En réserve L003 Disponible Tracking-Learning-Detection / Zdenek Kalal in IEEE Transactions on Pattern Analysis and Machine Intelligence, PAMI, vol 34 n° 7 (July 2012)
[article]
Titre : Tracking-Learning-Detection Type de document : Article/Communication Auteurs : Zdenek Kalal, Auteur ; Krystian Mikolajczyk, Auteur ; Jiri Matas, Auteur Année de publication : 2012 Article en page(s) : pp 1409 - 1422 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Photogrammétrie numérique
[Termes IGN] apprentissage automatique
[Termes IGN] détection de cible
[Termes IGN] poursuite de cible
[Termes IGN] séquence d'imagesRésumé : (auteur) This paper investigates long-term tracking of unknown objects in a video stream. The object is defined by its location and extent in a single frame. In every frame that follows, the task is to determine the object's location and extent or indicate that the object is not present. We propose a novel tracking framework (TLD) that explicitly decomposes the long-term tracking task into tracking, learning, and detection. The tracker follows the object from frame to frame. The detector localizes all appearances that have been observed so far and corrects the tracker if necessary. The learning estimates the detector's errors and updates it to avoid these errors in the future. We study how to identify the detector's errors and learn from them. We develop a novel learning method (P-N learning) which estimates the errors by a pair of “experts”: (1) P-expert estimates missed detections, and (2) N-expert estimates false alarms. The learning process is modeled as a discrete dynamical system and the conditions under which the learning guarantees improvement are found. We describe our real-time implementation of the TLD framework and the P-N learning. We carry out an extensive quantitative evaluation which shows a significant improvement over state-of-the-art approaches. Numéro de notice : A2012-720 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1109/TPAMI.2011.239 En ligne : https://doi.org/10.1109/TPAMI.2011.239 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=84845
in IEEE Transactions on Pattern Analysis and Machine Intelligence, PAMI > vol 34 n° 7 (July 2012) . - pp 1409 - 1422[article]Détection de bateaux dans les images satellitaires optiques panchromatiques / N. Proia in Revue Française de Photogrammétrie et de Télédétection, n° 194 (Mai 2011)
[article]
Titre : Détection de bateaux dans les images satellitaires optiques panchromatiques Type de document : Article/Communication Auteurs : N. Proia, Auteur ; V. Pagé, Auteur Année de publication : 2011 Article en page(s) : pp 66 - 78 Note générale : Bibliographie Langues : Français (fre) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] arbre de décision
[Termes IGN] classification bayesienne
[Termes IGN] classification dirigée
[Termes IGN] détection d'objet
[Termes IGN] détection de cible
[Termes IGN] image optique
[Termes IGN] image panchromatique
[Termes IGN] image SPOT 5
[Termes IGN] navireRésumé : (Auteur) Dans cet article, nous présentons les résultats expérimentaux obtenus pour la détection automatique de bateaux dans des images satellitaires optiques de type SPOT 5 panchromatiques de résolution 5m. La méthode utilisée s'insère dans un projet industriel de surveillance maritime. Elle s'appuie sur les techniques bayésiennes classiques de détection, et ne comporte aucun pré-traitement. La détection est décomposée en trois étapes. La première consiste en une détection des cibles qui nous fournit des régions d'intérêt. La deuxième étape est une segmentation précise de chaque région d'intérêt qui nous fournit un ensemble de contours. La troisième phase est une classification de ces contours en trois classes : petit bateau réel, grand bateau réel ou fausse alarme. Les deux premières phases sont basées sur la théorie bayésienne, elles utilisent un modèle d'image très simple et aboutissent à des algorithmes très rapides. Pour le moment, la classification est basée sur l'utilisation d'arbre de décision multivarié. La méthode est enfin testée sur un jeu d'images réelles proche des conditions opérationnelles, ce qui permet de montrer les performances de la méthode proposée (détection de presque tous les bateaux, des fausses alarmes dues aux crêtes de vagues et un temps de traitement acceptable). Numéro de notice : A2011-223 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article DOI : sans Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=31001
in Revue Française de Photogrammétrie et de Télédétection > n° 194 (Mai 2011) . - pp 66 - 78[article]Réservation
Réserver ce documentExemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité 018-2011021 RAB Revue Centre de documentation En réserve L003 Disponible Semisupervised one-class support vector machine for classification of remote sensing data / Jordi Munoz-Mari in IEEE Transactions on geoscience and remote sensing, vol 48 n° 8 (August 2010)
[article]
Titre : Semisupervised one-class support vector machine for classification of remote sensing data Type de document : Article/Communication Auteurs : Jordi Munoz-Mari, Auteur ; Francesca Bovolo, Auteur ; et al., Auteur Année de publication : 2010 Article en page(s) : pp 3188 - 3197 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image
[Termes IGN] apprentissage semi-dirigé
[Termes IGN] classification par séparateurs à vaste marge
[Termes IGN] classification semi-dirigée
[Termes IGN] détection de changement
[Termes IGN] détection de cibleRésumé : (Auteur) This paper presents two semisupervised one-class support vector machine (OC-SVM) classifiers for remote sensing applications. In one-class image classification, one tries to detect pixels belonging to one of the classes in the image and reject the others. When few labeled pixels of only one class are available, obtaining a reliable classifier is a difficult task. In the particular case of SVM-based classifiers, this task is even harder because the free parameters of the model need to be finely adjusted, but no clear criterion can be adopted. In order to improve the OC-SVM classifier accuracy and alleviate the problem of free-parameter selection, the information provided by unlabeled samples present in the scene can be used. In this paper, we present two state-of-the-art algorithms for semi-supervised one-class classification for remote sensing classification problems. The first proposed algorithm is based on modifying the OC-SVM kernel by modeling the data marginal distribution with the graph Laplacian built with both labeled and unlabeled samples. The second one is based on a simple modification of the standard SVM cost function which penalizes more the errors made when classifying samples of the target class. The good performance of the proposed methods is illustrated in four challenging remote sensing image classification scenarios where the goal is to detect one of the classes present on the scene. In particular, we present results for multisource urban monitoring, hyperspectral crop detection, multispectral cloud screening, and change-detection problems. Experimental results show the suitability of the proposed techniques, particularly in cases with few or poorly representative labeled samples. Numéro de notice : A2010-307 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1109/TGRS.2010.2045764 En ligne : https://doi.org/10.1109/TGRS.2010.2045764 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=30501
in IEEE Transactions on geoscience and remote sensing > vol 48 n° 8 (August 2010) . - pp 3188 - 3197[article]Réservation
Réserver ce documentExemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité 065-2010081 RAB Revue Centre de documentation En réserve L003 Disponible Traitement de l'image et de la vidéo / Rachid Belaroussi (2010)
Titre : Traitement de l'image et de la vidéo : images et vidéo, avec exercices pratiques en Matlab et C++ Type de document : Guide/Manuel Auteurs : Rachid Belaroussi, Auteur Editeur : Paris : Ellipses-Edition Marketing Année de publication : 2010 Collection : Technosup Sous-collection : Niveau C - Compléments (approfondissement, spécialisation) Importance : 228 p. Format : 18 x 26 cm ISBN/ISSN/EAN : 978-2-7298-5424-9 Langues : Français (fre) Descripteur : [Vedettes matières IGN] Traitement d'image
[Termes IGN] C++
[Termes IGN] colorimétrie
[Termes IGN] détection de cible
[Termes IGN] détection de contours
[Termes IGN] image en couleur
[Termes IGN] Matlab
[Termes IGN] modélisation géométrique de prise de vue
[Termes IGN] niveau de gris (image)
[Termes IGN] restauration d'image
[Termes IGN] segmentation d'image
[Termes IGN] transformation de Hough
[Termes IGN] vidéoIndex. décimale : 35.20 Traitement d'image Résumé : (Editeur) Pour les étudiants et les professionnels en vision robotique ou en traitement d'image en temps réel, comme pour les amateurs, l'ouvrage développe une large gamme de techniques de traitement des images et de reconnaissance des formes. Il permet également un apprentissage rapide et ludique de la programmation en Matlab et C++. L'ouvrage est divisé en onze chapitres abordant progressivement la lecture d'une image, les prétraitements de ses données, puis la détection d'objets s'appuyant sur un modèle colorimétrique, géométrique ou global. Chaque chapitre commence par un exposé explicatif des notions à mettre en oeuvre et détaillant les notations, les équations et les algorithmes rencontrés. Le lecteur apprend à programmer des applications lui permettant de régler les différents paramètres introduits et d'en étudier l'effet en temps réel. La connaissance préalable des langages C++ ou Matlab n'est pas indispensable. La progression se fait pas à pas. L'accent est mis sur la pratique du traitement de l'image à travers une cinquantaine d'exercices didactiques qui amènent le lecteur à construire des applications interactives à l'aide d'interfaces graphiques. Note de contenu : - Manipulation des images et vidéos
- Images en niveaux de gris
- Prétraitements et amélioration
- Images en couleur
- Modélisation colorimétrique
- Segmentation basée région
- Champ de gradient et contours
- Modélisation géométrique : transformée de Hough
- Détection de mouvement
- Détection de visagesNuméro de notice : 20974 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Manuel de cours Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=46973 Réservation
Réserver ce documentExemplaires (2)
Code-barres Cote Support Localisation Section Disponibilité 20974-01 35.20 Livre Centre de documentation Télédétection Disponible 20974-02 35.20 Livre Centre de documentation Télédétection Disponible Crack measurement : development, testing and applications of an automatic image-based algorithm / L. Barazetti in ISPRS Journal of photogrammetry and remote sensing, vol 64 n° 3 (May - June 2009)PermalinkRadiometric Calibration of LIDAR Intensity With Commercially Available Reference Targets / S. Kaasalainen in IEEE Transactions on geoscience and remote sensing, vol 47 n° 2 (February 2009)PermalinkAnalysis of ground moving objects using SRTM/X-SAR data / S. Suchandt in ISPRS Journal of photogrammetry and remote sensing, vol 61 n° 3-4 (December 2006)PermalinkA semi-automatic framework for highway extraction and vehicle detection based on a geometric deformable model / X. Niu in ISPRS Journal of photogrammetry and remote sensing, vol 61 n° 3-4 (December 2006)PermalinkPhotogrammétrie et muséologie : les sèvres du musée de Rouen / S. Varea in XYZ, n° 108 (septembre - novembre 2006)PermalinkA support vector method for anomaly detection in hyperspectral imagery / Amit Banerjee in IEEE Transactions on geoscience and remote sensing, vol 44 n° 8 (August 2006)PermalinkDetection of stationary foliage-obscured targets by polarimetric millimeter-wave radar / A.Y. Nashashibi in IEEE Transactions on geoscience and remote sensing, vol 43 n° 1 (January 2005)PermalinkUsing GPS for augmenting deformation monitoring systems in open pit mines: problems and solutions / J. Bond in Geomatica, vol 59 n° 1 (January 2005)PermalinkDetection of buried targets via active selection of labeled data: Application to sensing subsurface UXO / Y. Zhang in IEEE Transactions on geoscience and remote sensing, vol 42 n° 11 (November 2004)PermalinkLeistungskriterien zur Qualitätskontrolle von Robottachymetern / B. Krikel (2004)Permalink