Centre dedocumentation
scientifique

Multi-Spatial Resolution Satellite and sUAS Imagery for Precision Agriculture on Smallholder Farms in Malawi / Brad G. Peter in Photogrammetric Engineering & Remote Sensing, PERS, vol 86 n° 2 (February 2020)  

Public [article]  inPhotogrammetric Engineering & Remote Sensing, PERS > vol 86 n° 2 (February 2020) . - pp 107 - 119 Titre : Multi-Spatial Resolution Satellite and sUAS Imagery for Precision Agriculture on Smallholder Farms in Malawi Type de document : Article/Communication Auteurs : Brad G. Peter, Auteur ; Joseph P. Messina, Auteur ; Jon W. Carroll, Auteur ; et al., Auteur Année de publication : 2020 Article en page(s) : pp 107 - 119 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes descripteurs IGN] agriculture de précision [Termes descripteurs IGN] analyse multirésolution [Termes descripteurs IGN] exploitation agricole [Termes descripteurs IGN] image Pléiades [Termes descripteurs IGN] image Sentinel-MSI [Termes descripteurs IGN] image SPOT 6 [Termes descripteurs IGN] Malawi Résumé : (Auteur) A collection of spectral indices, derived from a range of remote sensing imagery spatial resolutions, are compared to on-farm measurements of maize chlorophyll content and yield at two trial farms in central Malawi to evaluate what spatial resolutions are most effective for relating multispectral images with crop status. Single and multiple linear regressions were tested for spatial resolutions ranging from 7 cm to 20 m using a small unmanned aerial system (sUAS) and satellite imagery from Planet, SPOT 6, Pléiades, and Sentinel-2. Results suggest that imagery with spatial resolutions nearer the maize plant scale (i.e., 14–27 cm) are most effective for relating spectral signals with crop health on smallholder farms in Malawi. Consistent with other studies, green-band indices were more strongly correlated with maize chlorophyll content and yield than conventional red-band indices, and multivariable models often outperformed single variable models. Numéro de notice : A2020-127 Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.14358/PERS.86.2.107 date de publication en ligne : 01/02/2020 En ligne : https://doi.org/10.14358/PERS.86.2.107 Format de la ressource électronique : URL Article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=94796 [article]

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

Public Titre de série : Multimodal scene understanding: algorithms, applications and deep learning, ch. 11 Titre : Decision fusion of remote-sensing data for land cover classification Type de document : Chapitre/Contribution Auteurs : Arnaud Le Bris , Auteur ; Nesrine Chehata , Auteur ; Walid Ouerghemmi , Auteur ; Cyril Wendl, Auteur ; Tristan Postadjian , Auteur ; Anne Puissant, Auteur ; Clément Mallet , Auteur Editeur : Londres, New York : Academic Press Année de publication : 2019 Importance : pp 341 - 382 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes descripteurs IGN] classification dirigée [Termes descripteurs IGN] fusion de données multisource [Termes descripteurs IGN] image à très haute résolution [Termes descripteurs IGN] image Sentinel-MSI [Termes descripteurs IGN] image SPOT 6 [Termes descripteurs IGN] image SPOT 7 [Termes descripteurs IGN] occupation du sol [Termes descripteurs IGN] série temporelle [Termes descripteurs IGN] zone urbaine Résumé : (Auteur) Very high spatial resolution (VHR) multispectral imagery enables a fine delineation of objects and a possible use of texture information. Other sensors provide a lower spatial resolution but an enhanced spectral or temporal information, permitting one to consider richer land cover semantics. So as to benefit from the complementary characteristics of these multimodal sources, a decision late fusion scheme is proposed. This makes it possible to benefit from the full capacities of each sensor, while dealing with both semantic and spatial uncertainties. The different remote-sensing modalities are first classified independently. Separate class membership maps are calculated and then merged at the pixel level, using decision fusion rules. A final label map is obtained from a global regularization scheme in order to deal with spatial uncertainties while conserving the contrasts from the initial images. It relies on a probabilistic graphical model involving a fit-to-data term related to merged class membership measures and an image-based contrast-sensitive regularization term. Conflict between sources can also be integrated into this scheme. Two experimental cases are presented. In the first case one considers the fusion of VHR multispectral imagery with lower spatial resolution hyperspectral imagery for fine-grained land cover classification problem in dense urban areas. In the second case one uses SPOT 6/7 satellite imagery and Sentinel-2 time series to extract urban area footprints through a two-step process: classifications are first merged in order to detect building objects, from which a urban area prior probability is derived and eventually merged to Sentinel-2 classification output for urban footprint detection. Numéro de notice : H2019-002 Thématique : IMAGERIE Nature : Chapître / contribution nature-HAL : ChOuvrScient DOI : 10.1016/B978-0-12-817358-9.00017-2 date de publication en ligne : 02/08/2019 En ligne : https://doi.org/10.1016/B978-0-12-817358-9.00017-2 Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=93303

Urban morpho-types classification from SPOT-6/7 imagery and Sentinel-2 time series / Arnaud Le Bris (2019)  

Public contenu dans JURSE 2019, Joint Urban Remote Sensing Event / T. Corpetti (2019)   Titre : Urban morpho-types classification from SPOT-6/7 imagery and Sentinel-2 time series Type de document : Article/Communication Auteurs : Arnaud Le Bris , Auteur ; Nesrine Chehata , Auteur Congrès : JURSE 2019, Joint Urban Remote Sensing Event (22 - 24 mai 2019; Vannes, France) , Commanditaire Editeur : New York [Etats-Unis] : IEEE Signal Processing Society Année de publication : 2019 Projets : GeoSud / Importance : 4 p. Format : 21 x 30 cm Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes descripteurs IGN] classification par forêts aléatoires [Termes descripteurs IGN] image Sentinel-MSI [Termes descripteurs IGN] image SPOT 6 [Termes descripteurs IGN] image SPOT 7 [Termes descripteurs IGN] morphologie urbaine [Termes descripteurs IGN] série temporelle [Termes descripteurs IGN] zone urbaine Résumé : (auteur) This paper aims at detecting several urban morpho-type classes out of SPOT-6/7 imagery and Sentinel-2 time series. Urban classes of Urban Atlas are considered. The proposed strategy is a bottom-up one. It first detects basic urban objects (buildings, roads, vegetation), and use them to calculate multi-scale morphological features. These features are then fed to a Random Forest classifier trained from samples out of Urban Atlas urban classes. Obtained results is optionally merged with a Random Forest classification based on Sentinel-2 time series. Obtained results are promising. Numéro de notice : C2019-004 Thématique : IMAGERIE/URBANISME Nature : Communication nature-HAL : ComAvecCL&ActesPubliésIntl DOI : 10.1109/JURSE.2019.8808988 date de publication en ligne : 22/08/2019 En ligne : https://doi.org/10.1109/JURSE.2019.8808988 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=92209

Classification à très large échelle d’images satellites à très haute résolution spatiale par réseaux de neurones convolutifs / Tristan Postadjian in Revue Française de Photogrammétrie et de Télédétection, n° 217-218 (juin - septembre 2018)

Public [article]  inRevue Française de Photogrammétrie et de Télédétection > n° 217-218 (juin - septembre 2018) . - pp 73 - 86 Titre : Classification à très large échelle d’images satellites à très haute résolution spatiale par réseaux de neurones convolutifs Type de document : Article/Communication Auteurs : Tristan Postadjian , Auteur ; Arnaud Le Bris , Auteur ; Hichem Sahbi, Auteur ; Clément Mallet , Auteur Année de publication : 2018 Article en page(s) : pp 73 - 86 Note générale : bibliographie Langues : Français (fre) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes descripteurs IGN] apprentissage profond [Termes descripteurs IGN] base de données localisées [Termes descripteurs IGN] carte d'occupation du sol [Termes descripteurs IGN] classification par réseau neuronal [Termes descripteurs IGN] image à très haute résolution [Termes descripteurs IGN] image SPOT 6 [Termes descripteurs IGN] image SPOT 7 [Termes descripteurs IGN] réseau neuronal convolutif Résumé : (auteur) Les algorithmes de classification supervisée d'images satellites constituent un outil fondamental pour le calcul de cartes d'occupation des sols, à toutes les résolutions spatiales existantes. Ils ont permis d'établir la télédétection comme moyen le plus fiable pour la génération de ces cartes. Les récents progrès en apprentissage automatique ont montré les très grandes performances des réseaux de neurones convolutifs pour de nombreuses applications, y compris l'interprétation d'images aériennes et satellites. Le travail présenté dans cet article établit une stratégie quant à l'utilisation d'un réseau de neurone convolutifs pour la classification d'images satellites à très haute résolution spatiale (à savoir SPOT 6/7), couvrant de très larges régions géographiques, avec pour perspective future le calcul de cartes d'occupation des sols à l'échelle d'un pays. Numéro de notice : A2018-514 Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueNat DOI : sans Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=91268 [article]

Réservation

Réserver ce document

Exemplaires (2)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
018-2018021	SL	Revue	Centre de documentation	Revues en salle	Disponible
018-2018022	SL	Revue	Centre de documentation	Revues en salle	Disponible

Fusion tardive d’images SPOT 6/7 et de données multitemporelles Sentinel-2 pour la détection de la tache urbaine / Cyril Wendl in Revue Française de Photogrammétrie et de Télédétection, n° 217-218 (juin - septembre 2018)

Public [article]  inRevue Française de Photogrammétrie et de Télédétection > n° 217-218 (juin - septembre 2018) . - pp 87 - 97 Titre : Fusion tardive d’images SPOT 6/7 et de données multitemporelles Sentinel-2 pour la détection de la tache urbaine Type de document : Article/Communication Auteurs : Cyril Wendl, Auteur ; Arnaud Le Bris , Auteur ; Nesrine Chehata , Auteur ; Anne Puissant, Auteur ; Tristan Postadjian , Auteur Année de publication : 2018 Article en page(s) : pp 87 - 97 Note générale : bibliographie Langues : Français (fre) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes descripteurs IGN] classification par forêts aléatoires [Termes descripteurs IGN] classification par réseau neuronal [Termes descripteurs IGN] classification pixellaire [Termes descripteurs IGN] contraste local [Termes descripteurs IGN] détection du bâti [Termes descripteurs IGN] fusion d'images [Termes descripteurs IGN] image multibande [Termes descripteurs IGN] image Sentinel-MSI [Termes descripteurs IGN] image SPOT 6 [Termes descripteurs IGN] image SPOT 7 [Termes descripteurs IGN] régularisation [Termes descripteurs IGN] réseau neuronal convolutif [Termes descripteurs IGN] segmentation d'image [Termes descripteurs IGN] surface imperméable Résumé : (auteur) La fusion d'images multispectrales à très haute résolution spatiale (THR) avec des séries temporelles d'images moins résolues spatialement mais comportant plus de bandes spectrales permet d'améliorer la classification de l'occupation du sol. Elle permet en effet de tirer le meilleur parti des points forts, respectivement, géométriques et sémantiques de ces deux sources. Le travail proposé ici s'intéresse à un processus d'extraction automatique de la tache urbaine fondé sur la fusion tardive de classifications obtenues respectivement à partir d'images satellitaires Sentinel-2 et SPOT 6/7. Ces deux sources sont d'abord analysées indépendamment selon 5 classes, respectivement par Forêt Aléatoire et réseaux de neurones convolutifs. Les résultats sont alors fusionnés afin d'extraire les bâtiments le plus finement possible. Cette étape de fusion inclut une fusion au niveau pixellaire, suivie d'une étape de régularisation spatiale intégrant un terme lié au contraste de l'image. Le résultat obtenu connaît ensuite une seconde fusion afin d'en déduire la-tache urbaine en elle-même : une mesure a priori de zone urbaine est calculée à partir des objets bâtiments détectés au préalable, puis fusionnée avec une classification binaire dérivée de la classification originale des données Sentinel-2. Les résultats montrent bien la complémentarité des deux sources de données ainsi que la pertinence de l'adoption d'une stratégie de fusion tardive. Numéro de notice : A2018-512 Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueNat DOI : sans Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=91266 [article]

Réservation

Réserver ce document

Exemplaires (2)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
018-2018021	SL	Revue	Centre de documentation	Revues en salle	Disponible
018-2018022	SL	Revue	Centre de documentation	Revues en salle	Disponible

Classification à très haute résolution (THR) spatiale et fusion d'occupation des sols (OCS) / Tristan Postadjian (2018) 

Permalink

Decision fusion of SPOT6 and multitemporal Sentinel2 images for urban area detection / Cyril Wendl (2018)  

Permalink

Fusion tardive d’images SPOT-6/7 et de données multitemporelles Sentinel-2 pour la détection de la tache urbaine / Cyril Wendl (2018)    

Permalink

Superpixel partitioning of very high resolution satellite images for large-scale classification perspectives with deep convolutional neural networks / Tristan Postadjian (2018)  

Permalink

Synergie des données Sentinel optiques et radar pour l’observation et l’analyse de la végétation du littoral du Pays de Brest / Antoine Billey (2018)  

Permalink

Investigating the potential of deep neural networks for large-scale classification of very high resolution satellite images / Tristan Postadjian in ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences, IV-1/W1 ([30/05/2017])  

Permalink

Caring for the planet’s lungs / Judith Metschies in GEO: Geoconnexion international, vol 14 n° 9 (October 2015)

Permalink

Distinctive order based self-similarity descriptor for multi-sensor remote sensing image matching / Amin Sedaghat in ISPRS Journal of photogrammetry and remote sensing, vol 108 (October 2015)  

Permalink

MTF-adjusted pansharpening approach based on coupled multiresolution decompositions / Abdelaziz Kallel in IEEE Transactions on geoscience and remote sensing, vol 53 n° 6 (June 2015)  

Permalink

Mind the gap / Charlotte Gabriel-Robez in GEO: Geoconnexion international, vol 13 n° 1 (january 2014)

Permalink