Centre dedocumentation
scientifique

Investigating the impact of pan sharpening on the accuracy of land cover mapping in Landsat OLI imagery / Komeil Rokni in Geodesy and cartography, vol 49 n° 1 (January 2023)  

Public [article]  inGeodesy and cartography > vol 49 n° 1 (January 2023) . - pp 12 - 18 Titre : Investigating the impact of pan sharpening on the accuracy of land cover mapping in Landsat OLI imagery Type de document : Article/Communication Auteurs : Komeil Rokni, Auteur Année de publication : 2023 Article en page(s) : pp 12 - 18 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes IGN] algorithme de Gram-Schmidt [Termes IGN] carte d'occupation du sol [Termes IGN] classification par séparateurs à vaste marge [Termes IGN] image Landsat-OLI [Termes IGN] image multibande [Termes IGN] image panchromatique [Termes IGN] Kappa de Cohen [Termes IGN] matrice de confusion [Termes IGN] pansharpening (fusion d'images) [Termes IGN] précision de la classification Résumé : (auteur) Pan Sharpening is normally applied to sharpen a multispectral image with low resolution by using a panchromatic image with a higher resolution, to generate a high resolution multispectral image. The present study aims at assessing the power of Pan Sharpening on improvement of the accuracy of image classification and land cover mapping in Landsat 8 OLI imagery. In this respect, different Pan Sharpening algorithms including Brovey, Gram-Schmidt, NNDiffuse, and Principal Components were applied to merge the Landsat OLI panchromatic band (15 m) with the Landsat OLI multispectral: visible and infrared bands (30 m), to generate a new multispectral image with a higher spatial resolution (15 m). Subsequently, the support vector machine approach was utilized to classify the original Landsat and resulting Pan Sharpened images to generate land cover maps of the study area. The outcomes were then compared through the generation of confusion matrix and calculation of kappa coefficient and overall accuracy. The results indicated superiority of NNDiffuse algorithm in Pan Sharpening and improvement of classification accuracy in Landsat OLI imagery, with an overall accuracy and kappa coefficient of about 98.66% and 0.98, respectively. Furthermore, the result showed that the Gram-Schmidt and Principal Components algorithms also slightly improved the accuracy of image classification compared to original Landsat image. The study concluded that image Pan Sharpening is useful to improve the accuracy of image classification in Landsat OLI imagery, depending on the Pan Sharpening algorithm used for this purpose. Numéro de notice : A2023-142 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article DOI : 10.3846/gac.2023.15308 Date de publication en ligne : 17/02/2023 En ligne : https://doi.org/10.3846/gac.2023.15308 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=102712 [article]

Evaluation of automatic prediction of small horizontal curve attributes of mountain roads in GIS environments / Sercan Gülci in ISPRS International journal of geo-information, vol 11 n° 11 (November 2022)  

Public [article]  inISPRS International journal of geo-information > vol 11 n° 11 (November 2022) . - n° 560 Titre : Evaluation of automatic prediction of small horizontal curve attributes of mountain roads in GIS environments Type de document : Article/Communication Auteurs : Sercan Gülci, Auteur ; Afiz Hulusi Acar, Auteur ; Abdullah E. Akay, Auteur ; et al., Auteur Année de publication : 2022 Article en page(s) : n° 560 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Termes IGN] algorithme de Douglas-Peucker [Termes IGN] attribut géomètrique [Termes IGN] coefficient de corrélation [Termes IGN] courbe [Termes IGN] matrice de confusion [Termes IGN] montagne [Termes IGN] réseau routier [Termes IGN] système d'information géographique [Termes IGN] tracé routier [Termes IGN] Turquie [Vedettes matières IGN] Généralisation Résumé : (auteur) Road curve attributes can be determined by using Geographic Information System (GIS) to be used in road vehicle traffic safety and planning studies. This study involves analyzing the GIS-based estimation accuracy in the length, radius and the number of small horizontal road curves on a two-lane rural road and a forest road. The prediction success of horizontal curve attributes was investigated using digitized raw and generalized/simplified road segments. Two different roads were examined, involving 20 test groups and two control groups, using 22 datasets obtained from digitized and surveyed roads based on satellite imagery, GIS estimates, and field measurements. Confusion matrix tables were also used to evaluate the prediction accuracy of horizontal curve geometry. F-score, Mathews Correlation Coefficient, Bookmaker Informedness and Balanced Accuracy were used to investigate the performance of test groups. The Kruskal–Wallis test was used to analyze the statistical relationships between the data. Compared to the Bezier generalization algorithm, the Douglas–Peucker algorithm showed the most accurate horizontal curve predictions at generalization tolerances of 0.8 m and 1 m. The results show that the generalization tolerance level contributes to the prediction accuracy of the number, curve radius, and length of the horizontal curves, which vary with the tolerance value. Thus, this study underlined the importance of calculating generalizations and tolerances following a manual road digitization. Numéro de notice : A2022-847 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.3390/ijgi11110560 Date de publication en ligne : 09/11/2022 En ligne : https://doi.org/10.3390/ijgi11110560 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=102083 [article]

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)  

Permalink

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)  

Permalink

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, 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