Centre dedocumentation
scientifique

Lithological mapping based on fully convolutional network and multi-source geological data / Ziye Wang in Remote sensing, vol 13 n° 23 (December-1 2021)  

Public [article]  inRemote sensing > vol 13 n° 23 (December-1 2021) . - n° 4860 Titre : Lithological mapping based on fully convolutional network and multi-source geological data Type de document : Article/Communication Auteurs : Ziye Wang, Auteur ; Renguang Zuo, Auteur ; Hao Liu, Auteur Année de publication : 2021 Article en page(s) : n° 4860 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image mixte [Termes IGN] apprentissage profond [Termes IGN] carte géologique [Termes IGN] classification par réseau neuronal convolutif [Termes IGN] données géologiques [Termes IGN] fusion de données multisource [Termes IGN] Himalaya [Termes IGN] lithologie [Termes IGN] segmentation sémantique Résumé : (auteur) Deep learning algorithms have found numerous applications in the field of geological mapping to assist in mineral exploration and benefit from capabilities such as high-dimensional feature learning and processing through multi-layer networks. However, there are two challenges associated with identifying geological features using deep learning methods. On the one hand, a single type of data resource cannot diagnose the characteristics of all geological units; on the other hand, deep learning models are commonly designed to output a certain class for the whole input rather than segmenting it into several parts, which is necessary for geological mapping tasks. To address such concerns, a framework that comprises a multi-source data fusion technology and a fully convolutional network (FCN) model is proposed in this study, aiming to improve the classification accuracy for geological mapping. Furthermore, multi-source data fusion technology is first applied to integrate geochemical, geophysical, and remote sensing data for comprehensive analysis. A semantic segmentation-based FCN model is then constructed to determine the lithological units per pixel by exploring the relationships among multi-source data. The FCN is trained end-to-end and performs dense pixel-wise prediction with an arbitrary input size, which is ideal for targeting geological features such as lithological units. The framework is finally proven by a comparative study in discriminating seven lithological units in the Cuonadong dome, Tibet, China. A total classification accuracy of 0.96 and a high mean intersection over union value of 0.9 were achieved, indicating that the proposed model would be an innovative alternative to traditional machine learning algorithms for geological feature mapping. Numéro de notice : A2021-878 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.3390/rs13234860 Date de publication en ligne : 30/11/2021 En ligne : https://doi.org/10.3390/rs13234860 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=99146 [article]

Disaster Image Classification by Fusing Multimodal Social Media Data / Zhiqiang Zou in ISPRS International journal of geo-information, vol 10 n° 10 (October 2021)  

Public [article]  inISPRS International journal of geo-information > vol 10 n° 10 (October 2021) . - n° 636 Titre : Disaster Image Classification by Fusing Multimodal Social Media Data Type de document : Article/Communication Auteurs : Zhiqiang Zou, Auteur ; Hongyu Gan, Auteur ; Qunying Huang, Auteur ; et al., Auteur Année de publication : 2021 Article en page(s) : n° 636 Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Géomatique web [Termes IGN] analyse visuelle [Termes IGN] apprentissage profond [Termes IGN] catastrophe [Termes IGN] classification par réseau neuronal convolutif [Termes IGN] données issues des réseaux sociaux [Termes IGN] données localisées des bénévoles [Termes IGN] données massives [Termes IGN] données textuelles [Termes IGN] extraction de traits caractéristiques [Termes IGN] fusion de données multisource [Termes IGN] qualité des données [Termes IGN] traitement de données Numéro de notice : A2021-803 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE/IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.3390/ijgi10100636 Date de publication en ligne : 24/09/2021 En ligne : https://doi.org/10.3390/ijgi10100636 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=98856 [article]

Utilisation de l'apprentissage profond dans la modélisation 3D urbaine [Partie 1] / Hamza Ben Addou in Géomatique expert, n° 135 (septembre 2021)

Public [article]  inGéomatique expert > n° 135 (septembre 2021) . - pp 11 - 20 Titre : Utilisation de l'apprentissage profond dans la modélisation 3D urbaine [Partie 1] Type de document : Article/Communication Auteurs : Hamza Ben Addou, Auteur Année de publication : 2021 Article en page(s) : pp 11 - 20 Langues : Français (fre) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes IGN] apprentissage profond [Termes IGN] classification par réseau neuronal convolutif [Termes IGN] détection du bâti [Termes IGN] données lidar [Termes IGN] données localisées 3D [Termes IGN] emprise au sol [Termes IGN] fusion de données multisource [Termes IGN] image aérienne [Termes IGN] information sémantique [Termes IGN] modèle 3D de l'espace urbain [Termes IGN] segmentation d'image [Termes IGN] semis de points Résumé : (Auteur) Partie 1 : Mise en place d’un processus de détection automatique des emprises de bâtiments par apprentissage profond Numéro de notice : A2021-660 Affiliation des auteurs : non IGN Thématique : IMAGERIE/INFORMATIQUE/URBANISME Nature : Article nature-HAL : ArtSansCL DOI : sans Date de publication en ligne : 01/09/2021 Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=98414 [article]

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
IFN-001-P002273	PER	Revue	Nogent-sur-Vernisson	Salle périodiques	Exclu du prêt

An improved computerized ionospheric tomography model fusing 3-D multisource ionospheric data enabled quantifying the evolution of magnetic storm / Jian Kong in IEEE Transactions on geoscience and remote sensing, vol 59 n° 5 (May 2021)  

Public [article]  inIEEE Transactions on geoscience and remote sensing > vol 59 n° 5 (May 2021) . - pp 3725 - 3736 Titre : An improved computerized ionospheric tomography model fusing 3-D multisource ionospheric data enabled quantifying the evolution of magnetic storm Type de document : Article/Communication Auteurs : Jian Kong, Auteur ; Lulu Shan, Auteur ; Chen Zhou, Auteur ; et al., Auteur Année de publication : 2021 Article en page(s) : pp 3725 - 3736 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications de géodésie spatiale [Termes IGN] données GNSS [Termes IGN] erreur absolue [Termes IGN] filtre de Kalman [Termes IGN] fusion de données multisource [Termes IGN] modèle ionosphérique [Termes IGN] modèle stochastique [Termes IGN] perturbation ionosphérique [Termes IGN] tempête magnétique [Termes IGN] teneur totale en électrons [Termes IGN] tomographie Résumé : (auteur) Global Navigation Satellite System (GNSS) ionospheric tomography is a typical ill-posed problem. Joint inversion with external observation data is one of the effective ways to mitigate the problem. In this article, by fusing 3-D multisource ionospheric data, and improving the stochastic model, an improved GNSS tomographic algorithm MFCIT [computerized ionospheric tomography (CIT) using mapping function] is presented. The accuracy of the algorithm is validated by selected data under different geomagnetic and solar conditions acquired in Europe. The results show that the estimated, statistically significant uncertainty for each of the layers is about 0.50–3.0TECU, with the largest absolute error within 6.0TECU. The advantage of the MFCIT is that it is based on the Kalman filter, which enables efficient near real-time 3-D monitoring of ionosphere. The temporal resolution can reach ~1 min level. Here, we apply the ionospheric tomography inversion to the magnetic storm on January 7, 2015, in the European region, and quantified the evolution of the storm. The results show that the difference of the core region between the MFCIT and CODE GIM is less than 1TECU. More importantly, during the initial phase of the storm, when the ionospheric disturbance is not evident in the single layer CODE GIM model, the MFCIT shows obvious positive disturbances in the upper ionosphere, although there is no disturbance in the F2 layer. The MFCIT further tracks the evolution of the magnetic storm that the ionospheric disturbance expands from the upper to the lower ionosphere layers, and at UT12:00, the disturbance continues to spread to the F2 layer. Numéro de notice : A2021-396 Affiliation des auteurs : non IGN Thématique : POSITIONNEMENT Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1109/TGRS.2020.3022949 Date de publication en ligne : 24/09/2020 En ligne : https://doi.org/10.1109/TGRS.2020.3022949 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=97686 [article]

Reconnaissance spécifique et cartographie des arbres de la canopée en forêt tropicale en Guyane française par fusion de données lidar et hyperspectrales appliquées aux besoins de la gestion forestière / Anthony Laybros (2021)  

Public Titre : Reconnaissance spécifique et cartographie des arbres de la canopée en forêt tropicale en Guyane française par fusion de données lidar et hyperspectrales appliquées aux besoins de la gestion forestière Type de document : Thèse/HDR Auteurs : Anthony Laybros, Auteur ; Grégoire Vincent, Directeur de thèse Editeur : Montpellier : Université de Montpellier Année de publication : 2021 Format : 21 x 30 cm Note générale : Bibliographie Thèse pour obtenir le doctorat de l'Université de Montpellier, Spécialité Biologie et Biodiversité Langues : Français (fre) Descripteur : [Vedettes matières IGN] Applications de télédétection [Termes IGN] canopée [Termes IGN] détection d'ombre [Termes IGN] données lidar [Termes IGN] données localisées 3D [Termes IGN] forêt tropicale [Termes IGN] fusion d'images [Termes IGN] fusion de données multisource [Termes IGN] gestion forestière [Termes IGN] Guyane (département français) [Termes IGN] image hyperspectrale [Termes IGN] lissage de données Index. décimale : THESE Thèses et HDR Résumé : (Auteur) L'Office National des Forêts (ONF) est chargé de la conservation et de la gestion de 6 millions d'hectares de forêts privé en Guyane française. La possibilité de cartographier les espèces dans la canopée par télédétection est d'un intérêt évident, tant appliquées que scientifique. Les inventaires spatialisés à l'échelle du paysage contribueraient à faire progresser les connaissances fondamentales de ce biome complexe et menacé et aiderait à sa gestion durable. Les cartes de distribution d’espèces peuvent être croisées avec les facteurs environnementaux et fournir ainsi des clés d’interprétation des schémas d’organisation des peuplements forestiers. Du point de vue de la gestion, les cartes de distribution des espèces offrent une rationalisation de l'exploitation forestière. La cartographie des espèces commerciales pourrait favoriser des pratiques forestières minimisant l'impact environnemental de l'exploitation. L'identification des espèces permettrait de prioriser les zones particulièrement riches en espèces commerciales, tout en évitant d'ouvrir des pistes d'exploitation dans les zones à faible niveau de ressources exploitables. La télédétection offre également la possibilité de surveiller l’extension des espèces proliférantes, telles que les lianes. Des capteurs hyperspectraux et LiDAR ont été utilisés à bord d’un avion pour identifier les espèces dans les forêts tropicales guyanaises. Une large gamme spectrale issue des capteurs hyperspectraux (400–2500 nm) est mesurée permettant d'avoir de nombreux descripteurs. Le LiDAR embarqué offre une description fine de la structure du couvert, facilitant la segmentation des houppiers. La fusion de ces deux informations améliore la caractérisation de la ressource. Afin de tirer le meilleur parti des données hyperspectrales, différents prétraitements radiométriques ont été évalués. Le lissage spatial et le filtrage des ombres sont les principaux facteurs qui améliorent la discrimination des espèces. L'utilisation de la gamme spectrale complète est également bénéfique. Ces résultats de classification ont été obtenus sur un groupe 20 espèces abondantes. L’identification de ces mêmes espèces en mélange au sein d’un peuplement hyperdiverse a constitué la deuxième étape de ce travail. Nous avons évalué le niveau d'information nécessaire et le degré de confusion tolérable dans les données d’apprentissage afin de retrouver une espèce cible dans une canopée hyperdiverse. Une méthode de classification spécifique a été mise en œuvre pour être insensible à la contamination entre classes focales/non focales. Même dans le cas où la classe non focale contient jusqu’à 5% de pixels de la classe focale (espèce à identifier), les classifieurs se sont révélés efficaces. La troisième étape aborde le problème de la transposabilité des classifieurs d’une acquisition à une autre. La caractérisation des conditions d’acquisition et la prise en compte de leurs effets sont nécessaires pour convertir les données de radiance en réflectance de surface. Cependant cette opération de standardisation reste une étape extrêmement délicate au vue des nombreuses sources de variabilité : état de l’atmosphère, géométrie soleil-capteur et conditions d'éclairement. Nous évaluons en comparant des vols répétés sur le même site, la contribution des diverses caractéristiques d’acquisition à la divergence spectrale entre dates. Ce travail vise à proposer des pistes pour développer des méthodes de reconnaissance d'espèces qui soient plus robustes aux variations des caractéristiques d'acquisition. Note de contenu : ATTENTE DE DIFFUSION DU TEXTE SUR HAL Numéro de notice : 26528 Affiliation des auteurs : non IGN Autre URL associée : vers diaporama 2018 Thématique : FORET/IMAGERIE Nature : Thèse française Note de thèse : Thèse de Doctorat : Biologie et Biodiversité : Montpellier : 2021 Organisme de stage : UMR AMAP nature-HAL : Thèse DOI : sans Date de publication en ligne : 02/04/2021 En ligne : https://hal.archives-ouvertes.fr/tel-03188125 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=97558

Structure from motion for complex image sets / Mario Michelini in ISPRS Journal of photogrammetry and remote sensing, vol 166 (August 2020)  

Permalink

Cartographie sémantique hybride de scènes urbaines à partir de données image et Lidar / Mohamed Boussaha (2020)  

Permalink

Fusion of 3D point clouds and hyperspectral data for the extraction of geometric and radiometric features of trees / Eduardo Alejandro Tusa Jumbo (2020)  

Permalink

De l’image optique "multi-stéréo" à la topographie très haute résolution et la cartographie automatique des failles par apprentissage profond / Lionel Matteo (2020)  

Permalink

Multi-sensor information fusion / Xue-Bo Jin (2020)  

Permalink

Automated fusion of forest airborne and terrestrial point clouds through canopy density analysis / Wenxia Dai in ISPRS Journal of photogrammetry and remote sensing, vol 156 (October 2019)  

Permalink

A CNN-based subpixel level DSM generation approach via single image super-resolution / Yongjun Zhang in Photogrammetric Engineering & Remote Sensing, PERS, vol 85 n° 10 (October 2019)  

Permalink

Multimodal scene understanding: algorithms, applications and deep learning, ch. 11. Decision fusion of remote-sensing data for land cover classification / Arnaud Le Bris (2019)  

Permalink

A TV prior for high-quality scalable multi-view stereo reconstruction / Andreas Kuhn in International journal of computer vision, vol 124 n° 1 (August 2017)  

Permalink

Contributions méthodologiques pour la caractérisation des milieux par imagerie optique et lidar / Nesrine Chehata (2017)  

Permalink