Centre dedocumentation
scientifique

Reducing shadow effects on the co-registration of aerial image pairs / Matthew Plummer in Photogrammetric Engineering & Remote Sensing, PERS, vol 86 n° 3 (March 2020)  

Public [article]  inPhotogrammetric Engineering & Remote Sensing, PERS > vol 86 n° 3 (March 2020) . - pp 177 - 186 Titre : Reducing shadow effects on the co-registration of aerial image pairs Type de document : Article/Communication Auteurs : Matthew Plummer, Auteur ; Douglas A. Stow, Auteur ; Emmanuel Storey, Auteur ; et al., Auteur Année de publication : 2020 Article en page(s) : pp 177 - 186 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes descripteurs IGN] analyse de données [Termes descripteurs IGN] correction des ombres [Termes descripteurs IGN] détection automatique [Termes descripteurs IGN] détection de changement [Termes descripteurs IGN] effet d'ombre [Termes descripteurs IGN] enregistrement de données [Termes descripteurs IGN] image à haute résolution [Termes descripteurs IGN] image aérienne [Termes descripteurs IGN] image multitemporelle [Termes descripteurs IGN] intensité lumineuse [Termes descripteurs IGN] masque [Termes descripteurs IGN] Ransac (algorithme) [Termes descripteurs IGN] SIFT (algorithme) Résumé : (auteur) Image registration is an important preprocessing step prior to detecting changes using multi-temporal image data, which is increasingly accomplished using automated methods. In high spatial resolution imagery, shadows represent a major source of illumination variation, which can reduce the performance of automated registration routines. This study evaluates the statistical relationship between shadow presence and image registration accuracy, and whether masking and normalizing shadows leads to improved automatic registration results. Eighty-eight bitemporal aerial image pairs were co-registered using software called Scale Invariant Features Transform (SIFT) and Random Sample Consensus (RANSAC) Alignment (SARA). Co-registration accuracy was assessed at different levels of shadow coverage and shadow movement within the images. The primary outcomes of this study are (1) the amount of shadow in a multi-temporal image pair is correlated with the accuracy/success of automatic co-registration; (2) masking out shadows prior to match point select does not improve the success of image-to-image co-registration; and (3) normalizing or brightening shadows can help match point routines find more match points and therefore improve performance of automatic co-registration. Normalizing shadows via a standard linear correction provided the most reliable co-registration results in image pairs containing substantial amounts of relative shadow movement, but had minimal effect for pairs with stationary shadows. Numéro de notice : A2020-147 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.14358/PERS.86.4.177 date de publication en ligne : 01/03/2020 En ligne : https://doi.org/10.14358/PERS.86.4.177 Format de la ressource électronique : url article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=94776 [article]

Multi-spectral image change detection based on single-band iterative weighting and fuzzy C-means clustering / Liyuan Ma in European journal of remote sensing, vol 53 n°1 (2020)  

Public [article]  inEuropean journal of remote sensing > vol 53 n°1 (2020) . - pp 1 -13 Titre : Multi-spectral image change detection based on single-band iterative weighting and fuzzy C-means clustering Type de document : Article/Communication Auteurs : Liyuan Ma, Auteur ; Jia Zhenhong, Auteur ; Jie Yang, Auteur ; Nikola Kasabov, Auteur Année de publication : 2020 Article en page(s) : pp 1 -13 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes descripteurs IGN] bruit blanc [Termes descripteurs IGN] classification floue [Termes descripteurs IGN] classification non dirigée [Termes descripteurs IGN] coefficient de corrélation [Termes descripteurs IGN] corrélation d'images [Termes descripteurs IGN] détection de changement [Termes descripteurs IGN] distance euclidienne [Termes descripteurs IGN] image multibande [Termes descripteurs IGN] itération [Termes descripteurs IGN] masque [Termes descripteurs IGN] pondération Résumé : (auteur) In the present study, an improved iteratively reweighted multivariate alteration detection (IR-MAD) algorithm was proposed to improve the contribution of weakly correlated bands in multi-spectral image change detection. In the proposed algorithm, each image band was given a different weight through single-band iterative weighting, improving the correlation between each pair of bands. This method was used to obtain the characteristic difference in the diagrams of the band that contain more variation information. After removing Gaussian noise from each feature-difference graph, the difference graphs of each band were fused into a change-intensity graph using the Euclidean distance formula. Finally, unsupervised fuzzy C-means (FCM) clustering was used to perform binary clustering on the fused difference graphs to obtain the change detection results. By comparing the original multivariate alteration detection (MAD) algorithm, the IR-MAD algorithm and the proposed IR-MAD algorithm, which used a mask to eliminate strong changes, the experimental results revealed that the multi-spectral change detection results of the proposed algorithm are closer to the actual value and had higher detection accuracy than the other algorithms. Numéro de notice : A2020-164 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article DOI : 10.1080/22797254.2019.1707124 date de publication en ligne : 26/12/2020 En ligne : https://doi.org/10.1080/22797254.2019.1707124 Format de la ressource électronique : url article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=94831 [article]

Transferring deep learning models for cloud detection between Landsat-8 and Proba-V / Gonzalo Mateo-García in ISPRS Journal of photogrammetry and remote sensing, vol 160 (February 2020)  

Public [article]  inISPRS Journal of photogrammetry and remote sensing > vol 160 (February 2020) . - pp 1 - 17 Titre : Transferring deep learning models for cloud detection between Landsat-8 and Proba-V Type de document : Article/Communication Auteurs : Gonzalo Mateo-García, Auteur ; Valero Laparra, Auteur ; Dan López-Puigdollers, Auteur ; Luis Gómez-Chova, Auteur Année de publication : 2020 Article en page(s) : pp 1 - 17 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes descripteurs IGN] apprentissage par transformation [Termes descripteurs IGN] apprentissage profond [Termes descripteurs IGN] conversion de données [Termes descripteurs IGN] détection des nuages [Termes descripteurs IGN] échantillonnage de données [Termes descripteurs IGN] image Landsat-8 [Termes descripteurs IGN] image multibande [Termes descripteurs IGN] image PROBA [Termes descripteurs IGN] jeu de données [Termes descripteurs IGN] masque [Termes descripteurs IGN] réseau neuronal convolutif [Termes descripteurs IGN] seuillage de points Résumé : (Auteur) Accurate cloud detection algorithms are mandatory to analyze the large streams of data coming from the different optical Earth observation satellites. Deep learning (DL) based cloud detection schemes provide very accurate cloud detection models. However, training these models for a given sensor requires large datasets of manually labeled samples, which are very costly or even impossible to create when the satellite has not been launched yet. In this work, we present an approach that exploits manually labeled datasets from one satellite to train deep learning models for cloud detection that can be applied (or transferred) to other satellites. We take into account the physical properties of the acquired signals and propose a simple transfer learning approach using Landsat-8 and Proba-V sensors, whose images have different but similar spatial and spectral characteristics. Three types of experiments are conducted to demonstrate that transfer learning can work in both directions: (a) from Landsat-8 to Proba-V, where we show that models trained only with Landsat-8 data produce cloud masks 5 points more accurate than the current operational Proba-V cloud masking method, (b) from Proba-V to Landsat-8, where models that use only Proba-V data for training have an accuracy similar to the operational FMask in the publicly available Biome dataset (87.79–89.77% vs 88.48%), and (c) jointly from Proba-V and Landsat-8 to Proba-V, where we demonstrate that using jointly both data sources the accuracy increases 1–10 points when few Proba-V labeled images are available. These results highlight that, taking advantage of existing publicly available cloud masking labeled datasets, we can create accurate deep learning based cloud detection models for new satellites, but without the burden of collecting and labeling a large dataset of images. Numéro de notice : A2020-043 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1016/j.isprsjprs.2019.11.024 date de publication en ligne : 10/12/2019 En ligne : https://doi.org/10.1016/j.isprsjprs.2019.11.024 Format de la ressource électronique : URL Article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=94522 [article]

Réservation

Réserver ce document

Exemplaires (3)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
081-2020021	SL	Revue	Centre de documentation	Revues en salle	Disponible
081-2020023	DEP-RECP	Revue	MATIS	Dépôt en unité	Exclu du prêt
081-2020022	DEP-RECF	Revue	Nancy	Dépôt en unité	Exclu du prêt

Une nouvelle méthode de vectorisation du cadastre ancien / Antony Chalais in Géomatique expert, n° 129 (août - septembre 2019)

Public [article]  inGéomatique expert > n° 129 (août - septembre 2019) . - pp 24 - 41 Titre : Une nouvelle méthode de vectorisation du cadastre ancien Type de document : Article/Communication Auteurs : Antony Chalais, Auteur ; Jean-Michel Follin, Auteur ; Elisabeth Simonetto, Auteur Année de publication : 2019 Article en page(s) : pp 24 - 41 Note générale : bibliographie Langues : Français (fre) Descripteur : [Vedettes matières IGN] Cadastre ancien [Termes descripteurs IGN] chaîne de traitement [Termes descripteurs IGN] GRASS [Termes descripteurs IGN] masque [Termes descripteurs IGN] niveau de gris (image) [Termes descripteurs IGN] parcellaire [Termes descripteurs IGN] planche cadastrale [Termes descripteurs IGN] post-traitement [Termes descripteurs IGN] seuillage d'image [Termes descripteurs IGN] vectorisation Résumé : (auteur) Maintenant que le parcellaire cadastral français a été numérisé (ou peu s’en faut), les chercheurs se tournent vers l’étude diachronique de ce témoin unique de la propriété foncière géolocalisée. Hélas, ce sont au moins des centaines de milliers de planches en plus ou moins bon état qu’il faudrait traiter si l’on voulait disposer d’un référentiel vectoriel comportant toutes les planches à toutes les époques. Même une approche au cas par cas d’une telle entreprise pharaonique ne pourra se faire sans l’aide de traitements automatiques. Numéro de notice : A2019-519 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Article nature-HAL : ArtSansCL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=93897 [article]

Réservation

Réserver ce document

Exemplaires (2)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
265-2019041	SL	Livre	Centre de documentation	Revues en salle	Disponible
IFN-001-P002177	PER	Revue	Nogent-sur-Vernisson	Salle périodiques	Exclu du prêt

Building detection and regularisation using DSM and imagery information / Yousif A. Mousa in Photogrammetric record, vol 34 n° 165 (March 2019)  

Public [article]  inPhotogrammetric record > vol 34 n° 165 (March 2019) . - pp 85 - 107 Titre : Building detection and regularisation using DSM and imagery information Type de document : Article/Communication Auteurs : Yousif A. Mousa, Auteur ; Petra Helmholz, Auteur ; David Belton, Auteur ; Dimitri Bulatov, Auteur Année de publication : 2019 Article en page(s) : pp 85 - 107 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image [Termes descripteurs IGN] détection du bâti [Termes descripteurs IGN] extraction automatique [Termes descripteurs IGN] masque [Termes descripteurs IGN] modèle numérique de surface [Termes descripteurs IGN] polygone [Termes descripteurs IGN] régularisation [Termes descripteurs IGN] simplification de contour Résumé : (Auteur) An automatic method for the regularisation of building outlines is presented, utilising a combination of data‐ and model‐driven approaches to provide a robust solution. The core part of the method includes a novel data‐driven approach to generate approximate building polygons from a list of given boundary points. The algorithm iteratively calculates and stores likelihood values between an arbitrary starting boundary point and each of the following boundary points using a function derived from the geometrical properties of a building. As a preprocessing step, building segments have to be identified using a robust algorithm for the extraction of a digital elevation model. Evaluation results on a challenging dataset achieved an average correctness of 96·3% and 95·7% for building detection and regularisation, respectively. Numéro de notice : A2019-454 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1111/phor.12275 date de publication en ligne : 26/03/2019 En ligne : https://doi.org/10.1111/phor.12275 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=92867 [article]

Caractérisation et qualification de Modèles Numériques de Surfaces (MNS) - Analyse de la cohérence avec des masques d’eau / Guillaume Sutter (2018)

Permalink

Conception d’une méthode radar de suivi bimensuel des déforestations et d’une méthode optique de classification d’occupation des sols / Luc Baudoux (2018) 

Permalink

Suivi et conservation du patrimoine historique et culturel / Jocelyn Le Maître (2018)

Permalink

Testing, analysis and improvement of FGI-NLS Sentinel-2 data processing chain for land use applications / Emile Blettery (2018) 

Permalink

Automatisation de l’acquisition et du traitement des images Sentinel-2 pour le calcul d’indices de végétation aidant à la prévention des pics de paludisme à Madagascar / Charlotte Wolff (2017)

Permalink

Retrieving the stand age from a retrospective detection of multinannual forest changes using Landsat data. Application on the heavily managed maritime pine forest in Southwestern France from a 30-year Landsat time-series (1984–2014) / Dominique Guyon (2015)  

Permalink

Automatic detection of residential building using LIDAR data and multispectral imagery / M. Awrangjeb in ISPRS Journal of photogrammetry and remote sensing, vol 65 n° 5 (September - October 2010)

Permalink

Improving crop type determination using satellite imagery : a study for the Regione Del Veneto, Italy / D. Ehrlich in Geocarto international, vol 5 n° 2 (June - August 1990)

Permalink

Assessing forest damage in high-elevation coniferous forests in Vermont and New-Hampshire using Thematic Mapper data / J.E. Vogelmann in Remote sensing of environment, vol 24 n° 2 (March 1988)

Permalink

Monitoring rice areas using Landsat MSS data / K.R. Mccloy in International Journal of Remote Sensing IJRS, vol 8 n° 5 (May 1987)

Permalink