Descripteur
Termes IGN > mathématiques > statistique mathématique > analyse de données > classification > classification par arbre de décision > classification par forêts d'arbres décisionnels
classification par forêts d'arbres décisionnelsSynonyme(s)Random forests classification forêts aléatoiresVoir aussi |
Documents disponibles dans cette catégorie (312)
Ajouter le résultat dans votre panier
Visionner les documents numériques
Affiner la recherche Interroger des sources externes
Etendre la recherche sur niveau(x) vers le bas
Caractérisation et cartographie de la structure forestière à partir d'images satellitaires à très haute résolution spatiale / Benoit Beguet (2014)
Titre : Caractérisation et cartographie de la structure forestière à partir d'images satellitaires à très haute résolution spatiale Type de document : Thèse/HDR Auteurs : Benoit Beguet, Auteur Editeur : Talence : Université de Bordeaux 3 Michel de Montaigne Année de publication : 2014 Format : 21 x 30 cm Note générale : bibliographie
Sciences de la Terre, Université Michel de Montaigne - Bordeaux IIILangues : Français (fre) Descripteur : [Vedettes matières IGN] Applications de télédétection
[Termes IGN] analyse texturale
[Termes IGN] caractérisation
[Termes IGN] carte forestière
[Termes IGN] classification par forêts d'arbres décisionnels
[Termes IGN] densité de la végétation
[Termes IGN] forêt tempérée
[Termes IGN] hauteur des arbres
[Termes IGN] image multibande
[Termes IGN] image panchromatique
[Termes IGN] image Pléiades-HR
[Termes IGN] image Quickbird
[Termes IGN] Landes (40)
[Termes IGN] Pinus pinaster
[Termes IGN] régression multiple
[Termes IGN] structure d'un peuplement forestierIndex. décimale : THESE Thèses et HDR Résumé : (auteur) Les images à très haute résolution spatiale (THR) telles que les images Pléiades (50 cm en Panchromatique, 2m en multispectral) rendent possible une description fine de la structure forestière (distribution et dimensions des arbres) à l'échelle du peuplement, en exploitant la relation entre la structure spatiale des arbres et la texture d'image quand la taille du pixel est inférieure à la dimension des arbres. Cette attente répond au besoin d'inventaire spatialisé de la ressource forestière à l'échelle du peuplement et de ses changements dus à la gestion forestière, à l'aménagement du territoire ou aux événements catastrophiques. L'objectif est double: (1) évaluer le potentiel de la texture d'images THR pour estimer les principales variables de structure forestière (diamètre des couronnes, diamètre du tronc, hauteur, densité ou espacement des arbres) à l'échelle du peuplement; (2) sur ces bases, classer les données image, au niveau pixel, par types de structure forestière afin de produire l'information spatialisée la plus fine possible. Les principaux développements portent sur l'automatisation du paramètrage, la sélection de variables, la modélisation par régression multivariable et une approche de classification par classifieurs d'ensemble (Forêts Aléatoires ou Random Forests). Ils sont testés et évalués sur deux sites de la forêt landaise de pin maritime à partir de trois images Pléiades et une Quickbird, acquises dans diverses conditions (saison, position du soleil, angles de visée). La méthodologie proposée est générique. La robustesse aux conditions d'acquisition des images est évaluée. Les résultats montrent que des variations fines de texture caractéristiques de celles de la structure forestière sont bien identifiables. Les performances en terme d'estimation des variables forestières (RMSE) : ~1.1 m pour le diamètre des couronnes, ~3 m pour la hauteur des arbres ou encore ~0.9 m pour leur espacement, ainsi qu'en cartographie des structures forestières (~82 % de taux de bonne classification pour la reconnaissance des 5 classes principales de la structure forestière) sont satisfaisantes d'un point de vue opérationnel. L'application à des images multi-annuelles permettra d'évaluer leur capacité à détecter et cartographier des changements tels que coupe forestière, mitage urbain ou encore dégâts de tempête. Numéro de notice : 17119 Affiliation des auteurs : non IGN Thématique : FORET/IMAGERIE Nature : Thèse française Note de thèse : thèse de doctorat : Sciences de la Terre : Bordeaux 3 : 2014 Organisme de stage : Géoressources et Environnement nature-HAL : Thèse DOI : sans En ligne : https://hal.science/tel-02800745v1 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=80289 Contextual classification of lidar data and building object detection in urban areas / Joachim Niemeyer in ISPRS Journal of photogrammetry and remote sensing, vol 87 (January 2014)
[article]
Titre : Contextual classification of lidar data and building object detection in urban areas Type de document : Article/Communication Auteurs : Joachim Niemeyer, Auteur ; Franz Rottensteiner, Auteur ; Uwe Soergel, Auteur Année de publication : 2014 Article en page(s) : pp 152 - 165 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Lasergrammétrie
[Termes IGN] champ aléatoire de Markov
[Termes IGN] classification contextuelle
[Termes IGN] classification par forêts d'arbres décisionnels
[Termes IGN] détection du bâti
[Termes IGN] données lidar
[Termes IGN] données localisées 3D
[Termes IGN] milieu urbain
[Termes IGN] reconstruction 3D du bâti
[Termes IGN] semis de pointsRésumé : (Auteur) In this work we address the task of the contextual classification of an airborne LiDAR point cloud. For that purpose, we integrate a Random Forest classifier into a Conditional Random Field (CRF) framework. It is a flexible approach for obtaining a reliable classification result even in complex urban scenes. In this way, we benefit from the consideration of context on the one hand and from the opportunity to use a large amount of features on the other hand. Considering the interactions in our experiments increases the overall accuracy by 2%, though a larger improvement becomes apparent in the completeness and correctness of some of the seven classes discerned in our experiments. We compare the Random Forest approach to linear models for the computation of unary and pairwise potentials of the CRF, and investigate the relevance of different features for the LiDAR points as well as for the interaction of neighbouring points. In a second step, building objects are detected based on the classified point cloud. For that purpose, the CRF probabilities for the classes are plugged into a Markov Random Field as unary potentials, in which the pairwise potentials are based on a Potts model. The 2D binary building object masks are extracted and evaluated by the benchmark ISPRS Test Project on Urban Classification and 3D Building Reconstruction. The evaluation shows that the main buildings (larger than 50 m2) can be detected very reliably with a correctness larger than 96% and a completeness of 100%. Numéro de notice : A2014-017 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1016/j.isprsjprs.2013.11.001 En ligne : https://doi.org/10.1016/j.isprsjprs.2013.11.001 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=32922
in ISPRS Journal of photogrammetry and remote sensing > vol 87 (January 2014) . - pp 152 - 165[article]Réservation
Réserver ce documentExemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité 081-2014011 RAB Revue Centre de documentation En réserve L003 Disponible
Titre : Contribution of band selection and fusion for hyperspectral classification Type de document : Article/Communication Auteurs : Nesrine Chehata , Auteur ; Arnaud Le Bris , Auteur ; Safa Najjar, Auteur Editeur : New York : Institute of Electrical and Electronics Engineers IEEE Année de publication : 2014 Conférence : WHISPERS 2014, 6th Workshop on Hyperspectral Image and Signal Processing: Evolution in Remote Sensing 24/06/2014 27/06/2014 Lausanne Suisse Proceedings IEEE Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] classification par forêts d'arbres décisionnels
[Termes IGN] fusion d'images
[Termes IGN] image hyperspectraleRésumé : (auteur) For some specific land cover classification problems, it may be interesting to design superspectral camera systems with reduced numbers of bands (∼ 20) and optimized band widths. This paper assesses the contribution of band selection and band fusion processes separately and jointly for dimensionality reduction. The proposed approach is fully automatic and based on a wrapper feature selection using Random forest classifier and a similarity-based fusion process. While combining both processes, selection before fusion gave the best results, reducing by almost 91% the number of bands while keeping satisfying accuracies. Results are presented on Indian Pines, Salinas and Pavia Centre hyperspectral datasets. Numéro de notice : C2014-040 Affiliation des auteurs : LASTIG MATIS+Ext (2012-2019) Thématique : IMAGERIE Nature : Communication nature-HAL : ComAvecCL&ActesPubliésIntl DOI : 10.1109/WHISPERS.2014.8077484 Date de publication en ligne : 26/10/2017 En ligne : https://doi.org/10.1109/WHISPERS.2014.8077484 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=99582 Documents numériques
peut être téléchargé
Contribution of band selection ... - pdf auteurAdobe Acrobat PDF peut être téléchargé
Contribution of band selection ... - poster auteurAdobe Acrobat PDF Large scale road network extraction in forested moutainous areas using airborne laser scanning data / António Ferraz (2014)
Titre : Large scale road network extraction in forested moutainous areas using airborne laser scanning data Type de document : Article/Communication Auteurs : António Ferraz , Auteur ; Clément Mallet , Auteur ; Nesrine Chehata , Auteur Editeur : New York : Institute of Electrical and Electronics Engineers IEEE Année de publication : 2014 Conférence : IGARSS 2014, International Geoscience And Remote Sensing Symposium 13/07/2014 18/07/2014 Québec Québec - Canada Proceedings IEEE Importance : pp 4315 - 4318 Format : 21 x 30 cm Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Lasergrammétrie
[Termes IGN] apprentissage automatique
[Termes IGN] classification par forêts d'arbres décisionnels
[Termes IGN] données lidar
[Termes IGN] données localisées 3D
[Termes IGN] extraction du réseau routier
[Termes IGN] forêt alpestre
[Termes IGN] France (administrative)
[Termes IGN] montagne
[Termes IGN] processus ponctuel marqué
[Termes IGN] reconnaissance de formes
[Termes IGN] théorie des graphesRésumé : (auteur) In this work, we present an approach that is able to deal with large-scale road network mapping. While former methods focus on delineating patches of roads without computing a coherent road network, we formulate a very large number of road hypothesis that are pruned using a graph reasoning and weak a priori knowledge on road behavior. The initial solution is computed by means of two machine learning and pattern recognition state-of-the-art methods (namely, Random Forest classification and Marked Point Process) that allow to process very large areas in little time with very satisfactory results. Numéro de notice : C2014-024 Affiliation des auteurs : LASTIG MATIS+Ext (2012-2019) Thématique : IMAGERIE Nature : Communication nature-HAL : ComAvecCL&ActesPubliésIntl DOI : 10.1109/IGARSS.2014.6947444 Date de publication en ligne : 06/11/2014 En ligne : http://dx.doi.org/10.1109/IGARSS.2014.6947444 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=92029 Documents numériques
peut être téléchargé
Large scale road network extraction... - pdf auteurAdobe Acrobat PDF A unified framework for land-cover database update and enrichment using satellite imagery / Adrien Gressin (2014)
Titre : A unified framework for land-cover database update and enrichment using satellite imagery Type de document : Article/Communication Auteurs : Adrien Gressin , Auteur ; Nicole Vincent, Auteur ; Clément Mallet , Auteur ; Nicolas Paparoditis , Auteur Editeur : New York : Institute of Electrical and Electronics Engineers IEEE Année de publication : 2014 Conférence : ICIP 2014, 21st IEEE International Conference on Image Processing 27/10/2014 30/10/2014 Paris France Proceedings IEEE Format : 21 x 30 cm Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Bases de données localisées
[Termes IGN] base de données d'occupation du sol
[Termes IGN] classification dirigée
[Termes IGN] classification par forêts d'arbres décisionnels
[Termes IGN] classification par séparateurs à vaste marge
[Termes IGN] classification semi-dirigée
[Termes IGN] découverte de connaissances
[Termes IGN] image à très haute résolution
[Termes IGN] image Pléiades-HR
[Termes IGN] mise à jour de base de donnéesRésumé : (auteur) 2D land-cover databases (LC-DB) have been established at various levels (global, national or regional scales), various spatial samplings and for various themes of interest (forest, agriculture, urban areas, etc.). However, they exhibit many flaws (limited geometric accuracy, low coverage) and require to be updated with automatic algorithms. Very High Reso-lution satellite imagery offers a suitable solution for setting up such on-purpose algorithms, and a large body of litera-ture has tackled this topic. This paper proposes a framework that is able to deal with both LC-DB update of any kind and their enrichment in case of incomplete DB. The supervised classification-based solution integrates an efficient learning strategy that allows to capture the heterogeneity of the ap-pearances of the various themes of interest. The proposed framework is favorably compared with two state-of-the-art methods, on a reconstructed dataset, composed of sub-metric satellite image patches. Numéro de notice : C2014-032 Affiliation des auteurs : LASTIG MATIS+Ext (2012-2019) Thématique : IMAGERIE/INFORMATIQUE Nature : Communication nature-HAL : ComAvecCL&ActesPubliésIntl DOI : 10.1109/ICIP.2014.7026024 Date de publication en ligne : 29/01/2015 En ligne : https://doi.org/10.1109/ICIP.2014.7026024 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=92056 Documents numériques
peut être téléchargé
A unified framework for land-cover... - pdf auteurAdobe Acrobat PDF A methodology to characterize vertical accuracies in lidar-derived products at landscape scales / Wade T. Tinkham in Photogrammetric Engineering & Remote Sensing, PERS, vol 79 n° 8 (August 2013)PermalinkMapping fragmented agricultural systems in the Sudano-Sahelian environments of Africa using random forest and ensemble metrics of coarse resolution MODIS imagery / E. Vintrou in Photogrammetric Engineering & Remote Sensing, PERS, vol 78 n° 8 (August 2012)PermalinkClassification of savanna tree species, in the Greater Kruger National Park region, by integrating hyperspectral and LiDAR data in a Random Forest data mining environment / Laven Naidoo in ISPRS Journal of photogrammetry and remote sensing, vol 69 (April 2012)PermalinkRelevance of airborne lidar and multispectral image data for urban scene classification using random forests / Li Guo in ISPRS Journal of photogrammetry and remote sensing, vol 66 n° 1 (January - February 2011)PermalinkA two-pass random forests classification of airborne Lidar and image data on urban scenes / Li Guo (2010)PermalinkContribution of airborne full-waveform Lidar and image data for urban scene classification / Nesrine Chehata (07/11/2009)PermalinkMapping vegetated wetlands of Alaska using L-band radar satellite imagery / Jane Whitcomb in Canadian journal of remote sensing, vol 35 n° 1 (February 2009)PermalinkAirborne lidar feature selection for urban classification using random forests / Nesrine Chehata (2009)PermalinkMapping vegetation species succession in a mountainous grassland ecosystem using Landsat, ASTER MI, and Sentinel-2 data / Efosa Gbenga Adagbasa in Plos one, vol 17 n° 1 (January 2022)Permalink