Centre dedocumentation
scientifique

Advancements in web‐mapping tools for land use and marine spatial planning / Ainhoa González in Transactions in GIS, Vol 24 n° 2 (April 2020)  

Public [article]  inTransactions in GIS > Vol 24 n° 2 (April 2020) . - pp 253-267 Titre : Advancements in web‐mapping tools for land use and marine spatial planning Type de document : Article/Communication Auteurs : Ainhoa González, Auteur ; Christina Kelly, Auteur ; Anna Rymszewicz, Auteur Année de publication : 2020 Article en page(s) : pp 253-267 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Géomatique web [Termes descripteurs IGN] aménagement du territoire [Termes descripteurs IGN] analyse multicritère [Termes descripteurs IGN] analyse spatiale [Termes descripteurs IGN] état de l'art [Termes descripteurs IGN] interface web [Termes descripteurs IGN] milieu marin [Termes descripteurs IGN] visualisation de données Résumé : (Auteur) Land use and marine spatial planning processes are increasingly supported by systematic assessment techniques, particularly by multi‐criteria spatial analysis methods. This has been facilitated by the growing release and uptake of web‐mapping tools, which contribute to transparent, consistent, and informed planning processes and decisions. This article reviews the usability, functionality, and applicability of contemporary planning web‐mapping tools to identify the state‐of‐the‐art and future prospects. The review reveals that interfaces are increasingly available and intuitively applicable by non‐specialized users. Basic map navigation and data querying functionality is being expanded to incorporate advanced map‐making and online data geoprocessing capabilities that enable deriving new data and insights. However, the majority of published planning web tools are one‐off solutions, and a disconnect between research and practice is rendering many of these inaccessible or obsolete. Despite the significant progress made in advancing their provision in the last decade, there is a need for developing transferable interfaces that are maintained beyond project end dates, for them to effectively and consistently support planning processes. Numéro de notice : A2020-173 Thématique : GEOMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1111/tgis.12603 date de publication en ligne : 01/12/2019 En ligne : https://doi.org/10.1111/tgis.12603 Format de la ressource électronique : URL Article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=94894 [article]

A discriminative tensor representation model for feature extraction and classification of multispectral LiDAR data / Qingwang Wang in IEEE Transactions on geoscience and remote sensing, vol 58 n° 3 (March 2020)  

Public [article]  inIEEE Transactions on geoscience and remote sensing > vol 58 n° 3 (March 2020) . - pp 1568 -1586 Titre : A discriminative tensor representation model for feature extraction and classification of multispectral LiDAR data Type de document : Article/Communication Auteurs : Qingwang Wang, Auteur ; Yanfeng Gu, Auteur Année de publication : 2020 Article en page(s) : pp 1568 -1586 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Lasergrammétrie [Termes descripteurs IGN] Amérique du nord [Termes descripteurs IGN] analyse discriminante [Termes descripteurs IGN] calcul tensoriel [Termes descripteurs IGN] carte d'occupation du sol [Termes descripteurs IGN] classification multibande [Termes descripteurs IGN] classification par séparateurs à vaste marge [Termes descripteurs IGN] données lidar [Termes descripteurs IGN] données localisées 3D [Termes descripteurs IGN] état de l'art [Termes descripteurs IGN] extraction de traits caractéristiques [Termes descripteurs IGN] image multibande [Termes descripteurs IGN] modèle géométrique [Termes descripteurs IGN] semis de points [Termes descripteurs IGN] tenseur [Termes descripteurs IGN] vectorisation [Termes descripteurs IGN] voisinage (topologie) Résumé : (Auteur) Multispectral light detection and ranging (MS-LiDAR) systems open the door to the possibility in the 3-D land cover classification at a finer scale using only point cloud data. This article proposes a model based on the tensor representation for multispectral point cloud classification. The proposed method combines the 3-D local spatial structure of each multispectral point by characterizing the point with a second-order tensor. The first mode of the tensor indicates the spatial location and spectral information of each point (i.e., the row of the second-order tensor) and the second mode denotes the neighborhood geometric and spectral structures (i.e., the column of the second-order tensor). Then we develop a novel tensor manifold discriminant embedding (TMDE) algorithm to extract the geometric–spectral features for multispectral point clouds classification. TMDE solves the mapping matrices of each mode by preserving the intraclass samples’ distribution further making it more compact and maximizing the distance of different classes. Finally, the support vector machine classifier with the extracted features as input is used to implement the classification of multispectral point clouds. Experiments are conducted on two real multispectral point cloud data sets. The experimental results demonstrate that the proposed method can achieve significant improvements in classification accuracies in comparison with several state-of-the-art algorithms. Numéro de notice : A2020-086 Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1109/TGRS.2019.2947081 date de publication en ligne : 30/10/2019 En ligne : https://doi.org/10.1109/TGRS.2019.2947081 Format de la ressource électronique : URL Article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=94660 [article]

Deep learning for multi-modal classification of cloud, shadow and land cover scenes in PlanetScope and Sentinel-2 imagery / Yuri Shendryk in ISPRS Journal of photogrammetry and remote sensing, vol 157 (November 2019)  

Public [article]  inISPRS Journal of photogrammetry and remote sensing > vol 157 (November 2019) . - pp 124 - 136 Titre : Deep learning for multi-modal classification of cloud, shadow and land cover scenes in PlanetScope and Sentinel-2 imagery Type de document : Article/Communication Auteurs : Yuri Shendryk, Auteur ; Yannik Rist, Auteur ; Catherine Ticehurst, Auteur ; Peter Thorburn, Auteur Année de publication : 2019 Article en page(s) : pp 124 - 136 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes descripteurs IGN] Amazonie [Termes descripteurs IGN] apprentissage profond [Termes descripteurs IGN] Australie [Termes descripteurs IGN] classification par réseau neuronal convolutif [Termes descripteurs IGN] détection d'ombre [Termes descripteurs IGN] état de l'art [Termes descripteurs IGN] image à haute résolution [Termes descripteurs IGN] image PlanetScope [Termes descripteurs IGN] image Sentinel-MSI [Termes descripteurs IGN] Normalized Difference Vegetation Index [Termes descripteurs IGN] nuage [Termes descripteurs IGN] occupation du sol [Termes descripteurs IGN] zone tropicale humide Résumé : (Auteur) With the increasing availability of high-resolution satellite imagery it is important to improve the efficiency and accuracy of satellite image indexing, retrieval and classification. Furthermore, there is a need for utilizing all available satellite imagery in identifying general land cover types and monitoring their changes through time irrespective of their spatial, spectral, temporal and radiometric resolutions. Therefore, in this study, we developed deep learning models able to efficiently and accurately classify cloud, shadow and land cover scenes in different high-resolution ( Numéro de notice : A2019-494 Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1016/j.isprsjprs.2019.08.018 date de publication en ligne : 17/09/2019 En ligne : https://doi.org/10.1016/j.isprsjprs.2019.08.018 Format de la ressource électronique : URL Article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=93727 [article]

Réservation

Réserver ce document

Exemplaires (3)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
081-2019111	SL	Revue	Centre de documentation	Revues en salle	Disponible
081-2019113	DEP-RECP	Revue	MATIS	Dépôt en unité	Exclu du prêt
081-2019112	DEP-RECF	Revue	Nancy	Dépôt en unité	Exclu du prêt

Enhanced 3D mapping with an RGB-D sensor via integration of depth measurements and image sequences / Bo Wu in Photogrammetric Engineering & Remote Sensing, PERS, vol 85 n° 9 (September 2019)  

Public [article]  inPhotogrammetric Engineering & Remote Sensing, PERS > vol 85 n° 9 (September 2019) . - pp 633 - 642 Titre : Enhanced 3D mapping with an RGB-D sensor via integration of depth measurements and image sequences Type de document : Article/Communication Auteurs : Bo Wu, Auteur ; Xuming Ge, Auteur ; Linfu Xie, Auteur ; Wu Chen, Auteur Année de publication : 2019 Article en page(s) : pp 633 - 642 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes descripteurs IGN] carte d'intérieur [Termes descripteurs IGN] carte de profondeur [Termes descripteurs IGN] cartographie 3D [Termes descripteurs IGN] données localisées 3D [Termes descripteurs IGN] état de l'art [Termes descripteurs IGN] image RVB [Termes descripteurs IGN] intégration de données [Termes descripteurs IGN] modélisation 3D [Termes descripteurs IGN] semis de points [Termes descripteurs IGN] séquence d'images [Termes descripteurs IGN] Simultaneous Localisation And Mapping [Termes descripteurs IGN] structure-from-motion Résumé : (Auteur) State-of-the-art visual simultaneous localization and mapping (SLAM) techniques greatly facilitate three-dimensional (3D) mapping and modeling with the use of low-cost red-green-blue-depth (RGB-D) sensors. However, the effective range of such sensors is limited due to the working range of the infra-red (IR) camera, which provides depth information, and thus the practicability of such sensors in 3D mapping and modeling is limited. To address this limitation, we present a novel solution for enhanced 3D mapping using a low-cost RGB-D sensor. We carry out state-of-the-art visual SLAM to obtain 3D point clouds within the mapping range of the RGB-D sensor and implement an improved structure-from-motion (SfM) on the collected RGB image sequences with additional constraints from the depth information to produce image-based 3D point clouds. We then develop a feature-based scale-adaptive registration to merge the gained point clouds to further generate enhanced and extended 3D mapping results. We use two challenging test sites to examine the proposed method. At these two sites, the coverage of both generated 3D models increases by more than 50% with the proposed solution. Moreover, the proposed solution achieves a geometric accuracy of about 1% in a measurement range of about 20 m. These positive experimental results not only demonstrate the feasibility and practicality of the proposed solution but also its potential. Numéro de notice : A2019-415 Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.14358/PERS.85.9.633 date de publication en ligne : 01/09/2019 En ligne : https://doi.org/10.14358/PERS.85.9.633 Format de la ressource électronique : URL Article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=93542 [article]

Réservation

Réserver ce document

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
105-2019091	SL	Revue	Centre de documentation	Revues en salle	Disponible

PPD: Pyramid Patch Descriptor via convolutional neural network / Jie Wan in Photogrammetric Engineering & Remote Sensing, PERS, vol 85 n° 9 (September 2019)  

Public [article]  inPhotogrammetric Engineering & Remote Sensing, PERS > vol 85 n° 9 (September 2019) . - pp 673 - 686 Titre : PPD: Pyramid Patch Descriptor via convolutional neural network Type de document : Article/Communication Auteurs : Jie Wan, Auteur ; Alper Yilmaz, Auteur ; Lei Yan, Auteur Année de publication : 2019 Article en page(s) : pp 673 - 686 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes descripteurs IGN] analyse comparative [Termes descripteurs IGN] appariement d'images [Termes descripteurs IGN] benchmark spatial [Termes descripteurs IGN] classification par réseau neuronal convolutif [Termes descripteurs IGN] données localisées de référence [Termes descripteurs IGN] échantillonnage d'image [Termes descripteurs IGN] état de l'art [Termes descripteurs IGN] extraction de données [Termes descripteurs IGN] image aérienne [Termes descripteurs IGN] image satellite [Termes descripteurs IGN] jeu de données localisées Résumé : (Auteur) Local features play an important role in remote sensing image matching, and handcrafted features have been excessively used in this area for a long time. This article proposes a pyramid convolutional neural triplet network that extracts a 128-dimensional deep descriptor that significantly improves the matching performance. The proposed approach first extracts deep descriptors of the anchor patches and corresponding positive patches in a batch using the proposed pyramid convolutional neural network. Following this step, the approaches chooses the closest negative patch for each anchor patch and corresponding positive patch pair to form the triplet sample based on the descriptor distances among all other image patches in the batch. These triplets are used to optimize the parameters of the network using a new loss function. We evaluated the proposed deep descriptors on two benchmark data sets (Brown and HPatches) as well as real image data sets. The results reveal that the proposed descriptor achieves the state-of-the-art performance on the Brown data set and a comparatively very high performance on the HPatches data set. The proposed approach finds more correct matches than the classical handcrafted feature descriptors on aerial image pairs and is observed to be robust to variations in the viewpoint and illumination. Numéro de notice : A2019-416 Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.14358/PERS.85.9.673 date de publication en ligne : 01/09/2019 En ligne : https://doi.org/10.14358/PERS.85.9.673 Format de la ressource électronique : URL Article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=93543 [article]

Réservation

Réserver ce document

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
105-2019091	SL	Revue	Centre de documentation	Revues en salle	Disponible

Foundations of deep convolutional models through kernel methods / Alberto Bietti (2019)  

Permalink

Rendu réaliste du brouillard / Florent Geniet (2019) 

Permalink

Depth-based hand pose estimation : Methods, data, and challenges / James Steven Supančič in International journal of computer vision, vol 126 n° 11 (November 2018)  

Permalink

International benchmarking of terrestrial laser scanning approaches for forest inventories / Xinlian Liang in ISPRS Journal of photogrammetry and remote sensing, vol 144 (October 2018)  

Permalink

Application of deep learning for object detection / Ajeet Ram Pathak in Procedia Computer Science, vol 132 (2018)  

Permalink

Large-scale supervised learning for 3D Point cloud labeling : Semantic3d.Net / Timo Hackel in Photogrammetric Engineering & Remote Sensing, PERS, vol 84 n° 5 (mai 2018)  

Permalink

A survey on visual-based localization : on the benefit of heterogeneous data / Nathan Piasco in Pattern recognition, vol 74 (February 2018)  

Permalink

Quality based approach for updating geographic authoritative datasets from crowdsourced GPS traces / Stefan Ivanovic (2018) 

Permalink

Restitution 4D du Château du Kagenfels par combinaison de l’existant et d’hypothèses archéologiques pour une visite virtuelle du site. / Théo Benazzi (2018)  

Permalink

Story Maps & Co. Un état de l’art de la cartographie des récits sur Internet / Sébastien Caquard in Mappemonde [en ligne], n° 121 (juillet 2017)  

Permalink