Centre dedocumentation
scientifique

Precise extraction of citrus fruit trees from a Digital Surface Model using a unified strategy: detection, delineation, and clustering / Ali Ozgun Ok in Photogrammetric Engineering & Remote Sensing, PERS, vol 86 n° 9 (September 2020)  

Public [article]  inPhotogrammetric Engineering & Remote Sensing, PERS > vol 86 n° 9 (September 2020) . - pp 557-569 Titre : Precise extraction of citrus fruit trees from a Digital Surface Model using a unified strategy: detection, delineation, and clustering Type de document : Article/Communication Auteurs : Ali Ozgun Ok, Auteur ; Asli Ozdarici-Ok, Auteur Année de publication : 2020 Article en page(s) : pp 557-569 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes descripteurs IGN] analyse comparative [Termes descripteurs IGN] analyse de groupement [Termes descripteurs IGN] Citrus limon [Termes descripteurs IGN] détection de contours [Termes descripteurs IGN] état de l'art [Termes descripteurs IGN] extraction d'arbres [Termes descripteurs IGN] image captée par drone [Termes descripteurs IGN] modèle numérique de surface [Termes descripteurs IGN] modèle stochastique [Termes descripteurs IGN] Turquie Résumé : (Auteur) In this study, we present an original unified strategy for the precise extraction of individual citrus fruit trees from single digital surface model (DSM) input data. A probabilistic method combining the circular shape information with the knowledge of the local maxima in the DSM has been used for the detection of the candidate trees. An active contour is applied within each detected region to extract the borders of the objects. Thereafter, all extracted objects are seamlessly divided into clusters considering a new feature data set formed by (1) the properties of trees, (2) planting parameters, and (3) neighborhood relations. This original clustering stage has led to two new contributions: (1) particular objects or clustered structures having distinctive characters and relationships other than the citrus objects can be identified and eliminated, and (2) the information revealed by clustering can be used to recover missing citrus objects within and/or nearby each cluster. The main finding of this research is that a successful clustering can provide valuable input for identifying incorrect and missing information in terms of citrus tree extraction. The proposed strategy is validated in eight test sites selected from the northern part of Mersin province of Turkey. The results achieved are also compared with the state-of-the-art methods developed for tree extraction, and the success of the proposed unified strategy is clearly highlighted. Numéro de notice : A2020-491 Affiliation des auteurs : non IGN Thématique : FORET/IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.14358/PERS.86.9.557 date de publication en ligne : 01/09/2020 En ligne : https://doi.org/10.14358/PERS.86.9.557 Format de la ressource électronique : LUR article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=95933 [article]

Réservation

Réserver ce document

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
105-2020091	SL	Revue	Centre de documentation	Revues en salle	Disponible

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 Affiliation des auteurs : non IGN 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 Affiliation des auteurs : non IGN 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]

Prototype de viewer web 3D intégrant le BIM au SIG / Axel Chassard (2020) 

Public Titre : Prototype de viewer web 3D intégrant le BIM au SIG Type de document : Mémoire Auteurs : Axel Chassard, Auteur Editeur : Champs-sur-Marne : Ecole nationale des sciences géographiques ENSG Année de publication : 2020 Importance : 57 p. Format : 21 x 30 cm Note générale : Bibliographie Rapport de projet pluridisciplinaire, cycle ING2 Langues : Français (fre) Descripteur : [Vedettes matières IGN] Géomatique web [Termes descripteurs IGN] analyse des besoins [Termes descripteurs IGN] état de l'art [Termes descripteurs IGN] intégration de données [Termes descripteurs IGN] interface web [Termes descripteurs IGN] lutte contre l'incendie [Termes descripteurs IGN] modélisation 3D du bâti BIM [Termes descripteurs IGN] prototype [Termes descripteurs IGN] quartier [Termes descripteurs IGN] SIG 3D Index. décimale : PROJET Rapports de projet - stage des ingénieurs de 2e année Résumé : (Auteur) Ce document présente les travaux que j’ai réalisé lors de mon stage pluridisciplinaire dans l’entreprise Sword. Ce stage s’inscrit dans une thématique de recherche et développement sur l’intégration du BIM dans un SIG 3D. Après avoir identifié des cas d’usage et réalisé un état de l’art technologique, j’ai analysé et réalisé la partie interface graphique d’un prototype de viewer 3D facilitant le contrôle des équipements de défenses incendies à l’échelle d’un quartier. Note de contenu : Introduction 1. Contexte du sujet 1.1 L’entreprise Sword 1.2 Les objectifs du stage 1.3 Réflexion sur les cas d’usages et définition d’un projet d’application 2. Organisation du stage 2.1 Cadre de travail 2.2 Organisation du travail 2.3 Spécificité de mon travail 3. Analyse 3.1 Analyse du besoin 3.2 Étude technique 4. Résultats et perspectives 4.1 Résultats du projet 4.2 Perspectives 4.3 Retour d’expérience sur les technologies utilisées Conclusion Numéro de notice : 26365 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Mémoire de projet pluridisciplinaire Organisme de stage : SWORD SAS Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=95807

Documents numériques

peut être téléchargé Prototype de viewer web 3D intégrant le BIM au SIG - pdf auteur Adobe Acrobat PDF

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 Affiliation des auteurs : non IGN 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	RAB	Revue	Centre de documentation	En réserve 3L	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)  

Permalink

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

Permalink

Cognitive aspects of human-computer interaction for GIS / Dieter Fritsch (2019)  

Permalink

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