Centre dedocumentation
scientifique

Sentinel-2 sharpening using a reduced-rank method / Magnus Orn Ulfarsson in IEEE Transactions on geoscience and remote sensing, vol 57 n° 9 (September 2019)  

Public [article]  inIEEE Transactions on geoscience and remote sensing > vol 57 n° 9 (September 2019) . - pp 6408 - 6420 Titre : Sentinel-2 sharpening using a reduced-rank method Type de document : Article/Communication Auteurs : Magnus Orn Ulfarsson, Auteur ; Frosti Palsson, Auteur ; Mauro Dalla Mura, Auteur ; Johannes R. Sveinsson, Auteur Année de publication : 2019 Article en page(s) : pp 6408 - 6420 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes descripteurs IGN] affinage d'image [Termes descripteurs IGN] ajustement de paramètres [Termes descripteurs IGN] estimation bayesienne [Termes descripteurs IGN] fusion de données [Termes descripteurs IGN] image à haute résolution [Termes descripteurs IGN] image multibande [Termes descripteurs IGN] image Sentinel-MSI [Termes descripteurs IGN] largeur de bande Résumé : (auteur) Recently, the Sentinel-2 (S2) satellite constellation was deployed for mapping and monitoring the Earth environment. Images acquired by the sensors mounted on the S2 platforms have three levels of spatial resolution: 10, 20, and 60 m. In many remote sensing applications, the availability of images at the highest spatial resolution (i.e., 10 m for S2) is often desirable. This can be achieved by generating a synthetic high-resolution image through data fusion. To this end, researchers have proposed techniques exploiting the spectral/spatial correlation inherent in multispectral data to sharpen the lower resolution S2 bands to 10 m. In this paper, we propose a novel method that formulates the sharpening process as a solution to an inverse problem. We develop a cyclic descent algorithm called S2Sharp and an associated tuning parameter selection algorithm based on generalized cross validation and Bayesian optimization. The tuning parameter selection method is evaluated on a simulated data set. The effectiveness of S2Sharp is assessed experimentally by comparisons to state-of-the-art methods using both simulated and real data sets. Numéro de notice : A2019-340 Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1109/TGRS.2019.2906048 date de publication en ligne : 22/04/2019 En ligne : http://doi.org/10.1109/TGRS.2019.2906048 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=93377 [article]

Bayesian calibration of a carbon balance model PREBAS using data from permanent growth experiments and national forest inventory / Francesco Minunno in Forest ecology and management, vol 440 (15 May 2019)  

Public [article]  inForest ecology and management > vol 440 (15 May 2019) . - pp 208-257 Titre : Bayesian calibration of a carbon balance model PREBAS using data from permanent growth experiments and national forest inventory Type de document : Article/Communication Auteurs : Francesco Minunno, Auteur ; Mikko Peltoniemi, Auteur ; Sanna Härkönen, Auteur ; et al., Auteur Année de publication : 2019 Article en page(s) : pp 208-257 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Termes descripteurs IGN] assimilation des données [Termes descripteurs IGN] Betula pendula [Termes descripteurs IGN] bois sur pied [Termes descripteurs IGN] carbone [Termes descripteurs IGN] changement climatique [Termes descripteurs IGN] diamètre à hauteur de poitrine [Termes descripteurs IGN] estimation bayesienne [Termes descripteurs IGN] étalonnage de modèle [Termes descripteurs IGN] Finlande [Termes descripteurs IGN] gestion forestière [Termes descripteurs IGN] hauteur à la base du houppier [Termes descripteurs IGN] hauteur des arbres [Termes descripteurs IGN] inventaire forestier étranger (données) [Termes descripteurs IGN] modèle de croissance [Termes descripteurs IGN] modèle de simulation [Termes descripteurs IGN] modélisation de la forêt [Termes descripteurs IGN] Pinus sylvestris Résumé : (auteur) Policy-relevant forest models must be environment and management sensitive and provide unbiased estimates of predicted variables over their intended areas of application. While empirical models derive their structure and parameters from representative data sets, process-based model (PBM) parameters should be evaluated in ranges that have a biological meaning independently of output data. At the same time PBMs should be calibrated against observations in order to obtain unbiased estimates and an understanding of their predictive capability. By means of model data assimilation, we Bayesian calibrated a forest model (PREBAS) using an extensive dataset that covered a wide range of climatic conditions, species composition and management practices. PREBAS was calibrated for three species in Finland: Scots pine (Pinus sylvestris L.), Norway spruce (Picea abies [L.] H. Karst.) and Silver birch (Betula pendula L.). Data assimilation was strongly effective in reducing the uncertainty of PREBAS parameters and predictions. A country-generic calibration showed robust performances in predicting forest variables and the results were consistent with yield tables and national forest statistics. The posterior predictive uncertainty of the model was mainly influenced by the uncertainty of the structural and measurement error. Numéro de notice : A2019-486 Thématique : FORET/MATHEMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1016/j.foreco.2019.02.041 date de publication en ligne : 20/03/2019 En ligne : https://doi.org/10.1016/j.foreco.2019.02.041 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=93666 [article]

Amélioration de la vitesse et de la qualité d'image du rendu basé image / Rodrigo Ortiz Cayón (2017)  

Public Titre : Amélioration de la vitesse et de la qualité d'image du rendu basé image Type de document : Thèse/HDR Auteurs : Rodrigo Ortiz Cayón, Auteur ; George Drettakis, Directeur de thèse Editeur : Nice : Université Côte d'Azur Année de publication : 2017 Importance : 138 p. Format : 21 x 30 cm Note générale : bibliographie Thèse de doctorat en Informatique dans le cadre de l'École doctorale Sciences et technologies de l'information et de la communication (Sophia Antipolis, Alpes-Maritimes) Langues : Français (fre) Descripteur : [Vedettes matières IGN] Traitement d'image [Termes descripteurs IGN] apprentissage profond [Termes descripteurs IGN] classification bayesienne [Termes descripteurs IGN] estimation bayesienne [Termes descripteurs IGN] estimation de pose [Termes descripteurs IGN] image numérique [Termes descripteurs IGN] reconstruction 3D [Termes descripteurs IGN] rendu réaliste Résumé : (auteur) Le rendu photo-réaliste traditionnel exige un effort manuel et des calculs intensifs pour créer des scènes et rendre des images réalistes. C'est principalement pour cette raison que la création de contenus pour l’imagerie numérique de haute qualité a été limitée aux experts et le rendu hautement réaliste nécessite encore des temps de calcul significatifs. Le rendu basé image (IBR) est une alternative qui a le potentiel de rendre les applications de création et de rendu de contenus de haute qualité accessibles aux utilisateurs occasionnels, puisqu'ils peuvent générer des images photo-réalistes de haute qualité sans subir les limitations mentionnées ci-dessus. Nous avons identifié trois limitations importantes des méthodes actuelles de rendu basé image : premièrement, chaque algorithme possède des forces et faiblesses différentes, en fonction de la qualité de la reconstruction 3D et du contenu de la scène, et un seul algorithme ne permet souvent pas d’obtenir la meilleure qualité de rendu partout dans l’image. Deuxièmement, ces algorithmes présentent de forts artefacts lors du rendu d’objets manquants ou partiellement reconstruits. Troisièmement, la plupart des méthodes souffrent encore d'artefacts visuels significatifs dans les régions de l’image où la reconstruction est de faible qualité. Dans l'ensemble, cette thèse propose plusieurs améliorations significatives du rendu basé image aussi bien en termes de vitesse de rendu que de qualité d’image. Ces nouvelles solutions sont basées sur le rendu sélectif, la substitution de modèle basé sur l'apprentissage, et la prédiction et la correction des erreurs de profondeur. Numéro de notice : 21579 Thématique : IMAGERIE Nature : Thèse française Note de thèse : Thèse de doctorat : informatique : Université Côte d'Azur : 2017 Organisme de stage : Institut national de recherche en informatique et en automatique date de publication en ligne : 06/06/2017 En ligne : http://www.theses.fr/2017AZUR4004 Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=90593

Space–time adaptive processing and motion parameter estimation in multistatic passive radar using sparse Bayesian learning / Qisong Wu in IEEE Transactions on geoscience and remote sensing, vol 54 n° 2 (February 2016)  

Public [article]  inIEEE Transactions on geoscience and remote sensing > vol 54 n° 2 (February 2016) . - pp 944 - 957 Titre : Space–time adaptive processing and motion parameter estimation in multistatic passive radar using sparse Bayesian learning Type de document : Article/Communication Auteurs : Qisong Wu, Auteur ; Yimin D. Zhang, Auteur ; Moeness G. Amin, Auteur ; Brahim Himed, Auteur Année de publication : 2016 Article en page(s) : pp 944 - 957 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image radar et applications [Termes descripteurs IGN] apprentissage dirigé [Termes descripteurs IGN] capteur passif [Termes descripteurs IGN] estimation bayesienne [Termes descripteurs IGN] estimation des paramètres [Termes descripteurs IGN] filtre adaptatif [Termes descripteurs IGN] image radar [Termes descripteurs IGN] matrice de covariance Mots-clés libres : sparse Bayesian learning Résumé : (Auteur) Conventional space-time adaptive processing suffers from the requirement of a large number of secondary samples. In this paper, a novel method is proposed to accurately estimate the clutter covariance matrix based on a small number of secondary samples, by exploiting the common clutter support across nearby range cells in the angle-Doppler domain. By taking advantage of the intrinsic sparsity of the clutter in the angle-Doppler domain, the recently developed sparse Bayesian learning technique is employed for high-resolution clutter profile estimation. The proposed method does not require the independent and identically distributed secondary sample assumption, and the required number of secondary data samples can be significantly reduced. In addition, we propose a sparse reconstruction-based approach to acquire the 2-D motion parameters of moving targets, by exploiting their group sparsity in the velocity domain in the multistatic passive radar systems. Simulation results verify the effectiveness of the proposed algorithm. Numéro de notice : A2016-118 Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern En ligne : http://dx.doi.org/ 10.1109/TGRS.2015.2470518 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=79998 [article]

Réservation

Réserver ce document

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
065-2016021	SL	Revue	Centre de documentation	Revues en salle	Disponible

Object detection in optical remote sensing images based on weakly supervised learning and high-level feature learning / Junwei Han in IEEE Transactions on geoscience and remote sensing, vol 53 n° 6 (June 2015)

Public [article]  inIEEE Transactions on geoscience and remote sensing > vol 53 n° 6 (June 2015) . - pp 3325 - 3337 Titre : Object detection in optical remote sensing images based on weakly supervised learning and high-level feature learning Type de document : Article/Communication Auteurs : Junwei Han, Auteur ; Dingwen Zhang, Auteur ; Gong Cheng, Auteur Année de publication : 2015 Article en page(s) : pp 3325 - 3337 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes descripteurs IGN] apprentissage semi-dirigé [Termes descripteurs IGN] détection d'objet [Termes descripteurs IGN] estimation bayesienne [Termes descripteurs IGN] état de l'art [Termes descripteurs IGN] moteur d'inférence Résumé : (Auteur) The abundant spatial and contextual information provided by the advanced remote sensing technology has facilitated subsequent automatic interpretation of the optical remote sensing images (RSIs). In this paper, a novel and effective geospatial object detection framework is proposed by combining the weakly supervised learning (WSL) and high-level feature learning. First, deep Boltzmann machine is adopted to infer the spatial and structural information encoded in the low-level and middle-level features to effectively describe objects in optical RSIs. Then, a novel WSL approach is presented to object detection where the training sets require only binary labels indicating whether an image contains the target object or not. Based on the learnt high-level features, it jointly integrates saliency, intraclass compactness, and interclass separability in a Bayesian framework to initialize a set of training examples from weakly labeled images and start iterative learning of the object detector. A novel evaluation criterion is also developed to detect model drift and cease the iterative learning. Comprehensive experiments on three optical RSI data sets have demonstrated the efficacy of the proposed approach in benchmarking with several state-of-the-art supervised-learning-based object detection approaches. Numéro de notice : A2015 - 283 Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=76400 [article]

Réservation

Réserver ce document

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
065-2015061	SL	Revue	Centre de documentation	Revues en salle	Disponible

Bayesian approach to tree detection based on airborne laser scanning data / Timo Lähivaara in IEEE Transactions on geoscience and remote sensing, vol 52 n° 5 tome 1 (May 2014)

Permalink

Probabilités pour les non-probabilistes / Walter Appel (2013)

Permalink

Mining boundary effects in areally referenced spatial data using the Bayesian information criterion / Sudipto Banerjee in Geoinformatica, vol 15 n° 3 (July 2011)  

Permalink

Problèmes inverses en imagerie et en vision, 2. Volume 2 / A. Mohammad-Djafari (2009)

Permalink

Traitement statistique du signal / M. Barret (2009)

Permalink

Optimisation en traitement du signal et de l'image / P. Siarry (2007)

Permalink

A Bayesian approach to classification of multiresolution remote sensing data / G. Storvik in IEEE Transactions on geoscience and remote sensing, vol 43 n° 3 (March 2005)

Permalink

GIS and remote sensing as tools for the simulation of urban land-use change / C.M. Almeida in International Journal of Remote Sensing IJRS, vol 26 n° 4 (February 2005)

Permalink

Généralisation de données routières / S. Gerard (2005)

Permalink

Unifying regularization and Bayesian estimation methods for enhanced imaging with remotely sensed data - part 1: theory / Y.V. Shkvarko in IEEE Transactions on geoscience and remote sensing, vol 42 n° 5 (May 2004)

Permalink