Centre dedocumentation
scientifique

A feature based change detection approach using multi-scale orientation for multi-temporal SAR images / R. Vijaya Geetha in European journal of remote sensing, vol 54 sup 2 (2021)  

Public [article]  inEuropean journal of remote sensing > vol 54 sup 2 (2021) . - pp 248 - 264 Titre : A feature based change detection approach using multi-scale orientation for multi-temporal SAR images Type de document : Article/Communication Auteurs : R. Vijaya Geetha, Auteur ; S. Kalaivani, Auteur Année de publication : 2021 Article en page(s) : pp 248 - 264 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image radar et applications [Termes IGN] analyse de groupement [Termes IGN] anisotropie [Termes IGN] chatoiement [Termes IGN] classification non dirigée [Termes IGN] classification par nuées dynamiques [Termes IGN] détection de changement [Termes IGN] filtre de Gabor [Termes IGN] image multitemporelle [Termes IGN] image radar moirée [Termes IGN] matrice de confusion [Termes IGN] transformation en ondelettes Résumé : (auteur) Excellent operation regardless of weather conditions and superior resolution independent of sensor light are the most attractive and desired features of synthetic aperture radar (SAR) imagery. This paper proposes an exclusive multi-scale with multiple orientation approach for multi-temporal SAR images. This approach integrates pre-processing and change detection. Pre-processing is performed on the SAR imagery through speckle reducing anisotropic diffusion and discrete wavelet transform. The processed speckle-free images are designed by Log-Gabor filter bank in terms of multi-scale with multiple orientations. The maximum magnitude of multiple orientations is concatenated to obtain feature-based scale representation. Each scale is dealt with multiple orientations and is compared by band-wise subtraction to retrieve difference image (DI) coefficient. The series of the difference coefficients from each scale are add-on together to estimate a DI. Thus, the resultant image of multi-scale orientation gives perception of detailed information with specific contour. Constrained k-means clustering algorithm is preferred to achieve change and un-change map. Performance of the proposed approach is validated on three real SAR image datasets. The effective change detection is examined by using confusion matrix parameters. Experimental results are described to show the efficacy of the proposed approach. Numéro de notice : A2021-819 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article DOI : 10.1080/22797254.2020.1759457 Date de publication en ligne : 12/06/2020 En ligne : https://doi.org/10.1080/22797254.2020.1759457 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=98924 [article]

Apport des images Landsat à l’étude de l’évolution de l’occupation du sol dans la plaine de Saïss au Maroc, pour la période 1987-2018 / Abdelkader El Garouani in Revue Française de Photogrammétrie et de Télédétection, n° 223 (mars - décembre 2021)  

Public [article]  inRevue Française de Photogrammétrie et de Télédétection > n° 223 (mars - décembre 2021) . - pp 173 - 188 Titre : Apport des images Landsat à l’étude de l’évolution de l’occupation du sol dans la plaine de Saïss au Maroc, pour la période 1987-2018 Type de document : Article/Communication Auteurs : Abdelkader El Garouani, Auteur ; Kamal Aharik, Auteur Année de publication : 2021 Article en page(s) : pp 173 - 188 Note générale : Bibliographie Langues : Français (fre) Descripteur : [Vedettes matières IGN] Applications de télédétection [Termes IGN] analyse spatio-temporelle [Termes IGN] changement d'occupation du sol [Termes IGN] cultures irriguées [Termes IGN] détection de changement [Termes IGN] données spatiotemporelles [Termes IGN] image Landsat [Termes IGN] indice de végétation [Termes IGN] Maroc [Termes IGN] matrice de confusion [Termes IGN] milieu urbain [Termes IGN] plaine [Termes IGN] terre arable Résumé : (Auteur) Cet article concerne la plaine de Saïss au Maroc et porte sur l’évolution de l’occupation et de l'utilisation des sols pour la période allant de 1987 à 2018. Cette plaine s’avère très importante au niveau économique pour le pays. La méthodologie adoptée comporte successivement le calcul d’indices spectraux à partir d’images Landsat (NDVI : Normalized Difference Vegetation Index, NDWI : Normalized Difference Water Index et NDBI : Normalized Difference Built-up Index), puis l’utilisation de l’algorithme de vraisemblance afin de réaliser quatre classifications thématiques pour les années 1987, 2003, 2014 et 2018. La précision globale de ces classifications est déterminée à partir de la matrice de confusion, et varie entre 83 et 87% ; le coefficient kappa est, pour les quatre années, supérieur à 0,80. Entre 1987 et 2018, les surfaces correspondant aux terres irriguées, aux oliviers et au milieu urbain, ont progressé respectivement de 123%, 136% et 115%. À l’inverse, les forêts, les parcours et les terres arables ont vu leur surface diminuer respectivement de 10%, 6% et 29%. Numéro de notice : A2021-910 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueNat DOI : 10.52638/rfpt.2021.490 Date de publication en ligne : 13/12/2021 En ligne : https://doi.org/10.52638/rfpt.2021.490 Format de la ressource électronique : URL Article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=99300 [article]

Semantic segmentation of sea ice type on Sentinel-1 SAR data using convolutional neural networks / Alissa Kouraeva (2021) 

Public Titre : Semantic segmentation of sea ice type on Sentinel-1 SAR data using convolutional neural networks Type de document : Mémoire Auteurs : Alissa Kouraeva, Auteur Editeur : Champs-sur-Marne : Ecole nationale des sciences géographiques ENSG Année de publication : 2021 Importance : 40 p. Format : 21 x 30 cm Note générale : Bibliographie Rapport de projet pluridisciplinaire, cycle ING2 Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image radar et applications [Termes IGN] carte thématique [Termes IGN] classification par réseau neuronal convolutif [Termes IGN] eau de mer [Termes IGN] géovisualisation [Termes IGN] glace de mer [Termes IGN] image Aqua-AMSR [Termes IGN] image Sentinel-SAR [Termes IGN] matrice de confusion [Termes IGN] restauration d'image [Termes IGN] segmentation sémantique Index. décimale : PROJET Mémoires : Rapports de projet - stage des ingénieurs de 2e année Résumé : (Auteur) La classification des types de glace marine est une composante essentielle de l’observation de la banquise dans les régions polaires. La présente étude cherche à améliorer l’automatisation de la construction de cartes de type de glace (ice charts), d’habitude manuellement réalisées par des experts, en utilisant des réseaux de neurones convolutifs (CNN). Les réseaux utilisent des données radar issues des missions Sentinel-1, et des données micro-ondes passif (AMSR2) en entrée. La cible de ces réseaux est composée de cartes de type de glace utilisées pour la navigation. Une carte de types de glace se présente sous la forme de multiples polygones. Elle montre les concentrations partielles, les stades de développement ainsi que les formes des trois types de glaces dominants. La glace est considérée comme uniforme au sein d’un polygone. Cependant, les cartes de type de glaces ne sont pas une fidèle représentation de la réalité, car les pixels au sein d’un polygone appartiennent à différentes classes. De plus, le niveau de détail d’un polygone est grossier et les experts peuvent faire des erreurs dans la classification du type de glace. Afin de minimiser ce type d’erreur, nous utilisons deux types d’encodage one-hot (binaire et continu) qui améliorent la représentation des types de glace et prennent en compte les incertitudes. Plusieurs configurations de réseaux de neurones sont testées lors de tests de sensibilité. Parmi elles, deux sont retenues car les plus performantes pour trois types de surfaces (eau, glace de première année, glace de plusieurs années) en termes de valeur de précision, de fonction de perte et de visualisation. Note de contenu : Introduction 1. Data 1.1 Sentinel-1 SAR data 1.2 AMSR2 PMW data 1.3 Ice charts 2. Methods 2.1 Data preprocessing 2.2 Experiments with CNN architecture 3. Results 3.1 Evolution of validation loss 3.2 Evolution of accuracy 3.3 Optimal CNN architectures 3.4 Individual patches inferred from a test image 3.5 Maps of sea ice types inferred from test images 4. Discussion 4.1 Interpretation of SIGRID codes 4.2 Evaluation of CNN performance 4.3 Selection of the best network 4.4 Future work 5. Internship feedback 5.1 General feedback 5.2 Organisation during the internship A Confusion Matrices B Figures Numéro de notice : 26608 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Mémoire de projet pluridisciplinaire Organisme de stage : Nansen Environmental and Remote Sensing Center NERSC Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=98534

Documents numériques

peut être téléchargé Semantic segmentation of sea ice type on Sentinel-1 SAR data... - pdf auteur Adobe Acrobat PDF

Comparison of tree-based classification algorithms in mapping burned forest areas / Dilek Kucuk Matci in Geodetski vestnik, vol 64 n° 3 (September - November 2020)  

Public [article]  inGeodetski vestnik > vol 64 n° 3 (September - November 2020) . - 13 p. Titre : Comparison of tree-based classification algorithms in mapping burned forest areas Type de document : Article/Communication Auteurs : Dilek Kucuk Matci, Auteur ; Resul Comert, Auteur ; Ugur Avdan, Auteur Année de publication : 2020 Article en page(s) : 13 p. Note générale : bibliographie Langues : Anglais (eng) Slovène (slv) Descripteur : [Vedettes matières IGN] Applications de télédétection [Termes IGN] analyse comparative [Termes IGN] analyse d'image orientée objet [Termes IGN] bassin méditerranéen [Termes IGN] carte forestière [Termes IGN] classification dirigée [Termes IGN] classification par arbre de décision [Termes IGN] classification par forêts d'arbres décisionnels [Termes IGN] image Landsat-8 [Termes IGN] incendie de forêt [Termes IGN] matrice de confusion [Termes IGN] pansharpening (fusion d'images) [Termes IGN] Rotation Forest classification [Termes IGN] Turquie [Termes IGN] zone sinistrée Résumé : (auteur) In this study, we compared the performance of tree-based classification algorithms – Random Forest (RF), Rotation Forest (RotF), J48, The Alternating Decision Tree (ADTree), Forest by Penalising Attributes (Forest PA), Logical Analysis of Data Algorithm (LADTree) and Functional Trees (FT) – for mapping burned forest areas within the Mediterranean region in Turkey. Object-based image analysis (OBIA) was performed to pan-sharpened the Landsat 8 images. Four different burned areas, namely Kumluca, Adrasan, Anamur, and Alanya, were used as study areas. Kumluca, Anamur, and Alanya regions were used as training areas, and Adrasan region was used as the test area. Obtained results were evaluated with confusion matrix and statistically significant analysis. According to the results, FT and RotF produced more accurate results than other algorithms. Also, the results obtained with these algorithms are statistically significant. Numéro de notice : A2020-626 Affiliation des auteurs : non IGN Thématique : FORET/IMAGERIE Nature : Article DOI : 10.15292/geodetski-vestnik.2020.03.348-360 Date de publication en ligne : 23/08/2020 En ligne : https://doi.org/10.15292/geodetski-vestnik.2020.03.348-360 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=96087 [article]

Réservation

Réserver ce document

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
139-2020031	SL	Revue	Centre de documentation	Revues en salle	Disponible

Discriminant analysis for lodging severity classification in wheat using RADARSAT-2 and Sentinel-1 data / Sugandh Chauhan in ISPRS Journal of photogrammetry and remote sensing, vol 164 (June 2020)  

Public [article]  inISPRS Journal of photogrammetry and remote sensing > vol 164 (June 2020) . - pp 138 - 151 Titre : Discriminant analysis for lodging severity classification in wheat using RADARSAT-2 and Sentinel-1 data Type de document : Article/Communication Auteurs : Sugandh Chauhan, Auteur ; Roshanak Darvishzadeh, Auteur ; Mirco Boschetti, Auteur ; Andrew Nelson, Auteur Année de publication : 2020 Article en page(s) : pp 138 - 151 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications de télédétection [Termes IGN] agrégation [Termes IGN] analyse diachronique [Termes IGN] analyse discriminante [Termes IGN] blé (céréale) [Termes IGN] courbure [Termes IGN] gestion prévisionnelle [Termes IGN] image Radarsat [Termes IGN] image Sentinel-SAR [Termes IGN] Italie [Termes IGN] matrice de confusion [Termes IGN] méthode des moindres carrés [Termes IGN] rendement agricole [Termes IGN] surveillance agricole Résumé : (auteur) Crop lodging - the bending of crop stems from their upright position or the failure of root-soil anchorage systems - is a major yield-reducing factor in wheat and causes deterioration of grain quality. The severity of lodging can be measured by a lodging score (LS)- an index calculated from the crop angle of inclination (CAI) and crop lodged area (LA). LS is difficult and time consuming to measure manually meaning that information on lodging occurrence and severity is limited and sparse. Remote sensing-based estimates of LS can provide more timely, synoptic and reliable information on crop lodging across vast areas. This information could improve estimates of crop yield losses, inform insurance loss adjusters and influence management decisions for subsequent seasons. This research - conducted in the 600 ha wheat sown area in the Bonifiche Ferraresi farm, located in Jolanda di Savoia, Ferrara, Italy - evaluated the performance of RADARSAT-2 and Sentinel-1 data to discriminate and classify lodging severity based on field measured LS. We measured temporal crop status characteristics related to lodging (e.g. lodged area, CAI, crop height) and collected relevant meteorological data (wind speed and rainfall) throughout May-June 2018. These field measurements were used to distinguish healthy (He) wheat from lodged wheat with different degrees of lodging severity (moderate, severe and very severe). We acquired multi-incidence angle (FQ8-27° and FQ21-41°) RADARSAT-2 and Sentinel-1 (40°) images and derived multiple metrics from them to discriminate and classify lodging severity. As a part of our data exploration, we performed a correlation analysis between the image-based metrics and LS. Next, a multi-temporal discriminant analysis approach, including a partial least squares (PLS-DA) method, was developed to classify lodging severities. We used the area under the curve-receiver operating characteristics (AUC-ROC) and confusion matrices to evaluate the accuracy of the PLS-DA classification models. Results show that (1) volume scattering components were highly correlated with LS at low incidence angles while double and surface scattering was more prevalent at high incidence angles; (2) lodging severity was best classified using low incidence angle R-FQ8 data (overall accuracy 72%) and (3) the Sentinel-1 data-based classification model was able to correctly identify 60% of the lodging severity cases in the study site. The results from this first study on classifying lodging severity using satellite-based SAR platforms suggests that SAR-based metrics can capture a substantial proportion of the observed variation in lodging severity, which is important in the context of operational crop lodging assessment in particular, and sustainable agriculture in general. Numéro de notice : A2020-276 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1016/j.isprsjprs.2020.04.012 Date de publication en ligne : 29/04/2020 En ligne : https://doi.org/10.1016/j.isprsjprs.2020.04.012 Format de la ressource électronique : url article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=95087 [article]

Réservation

Réserver ce document

Exemplaires (3)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
081-2020061	RAB	Revue	Centre de documentation	En réserve 3L	Disponible
081-2020063	DEP-RECP	Revue	LaSTIG	Dépôt en unité	Exclu du prêt
081-2020062	DEP-RECF	Revue	Nancy	Dépôt en unité	Exclu du prêt

Street-Frontage-Net: urban image classification using deep convolutional neural networks / Stephen Law in International journal of geographical information science IJGIS, vol 34 n° 4 (April 2020)  

Permalink

Cartographie des défoliations du massif forestier du Pays des étangs en Lorraine : Apports potentiels de la télédétection / Thierry Bélouard in Revue forestière française [en ligne], vol 70 n° 5 (2018)  

Permalink

Evaluating EO1-Hyperion capability for mapping conifer and broadleaved forests / Nicola Puletti in European journal of remote sensing, vol 49 n° 1 (2016)  

Permalink

µ-shapes: Delineating urban neighborhoods using volunteered geographic information / Matt Aadland in Journal of Spatial Information Science (JoSIS), n° 12 (March 2016)  

Permalink

Assessment of the cover changes and the soil loss potential in European forestland: First approach to derive indicators to capture the ecological impacts on soil-related forest ecosystems / P. Borrelli in Ecological indicators, vol 60 (January 2016)  

Permalink

Développement d'outils et de méthodes pour l'estimation de la qualité des résultats de classification / Zhour Najoui (2013)

Permalink

Estimation de la qualité des résultats [d'une] classification sous ENVI / Nidal Aburajab (2013)

Permalink

Fusion de données lidar et multispectrales / Ophélie Sinagra (2013) 

Permalink

Study of land cover datasets / Jean Portemer (2013) 

Permalink

Traitements numériques des images de télédétection, Vol. 3. Traitements appliqués à la photo-interprétation / Olivier de Joinville (2012)

Permalink