Descripteur
Termes IGN > imagerie
imagerie
Commentaire :
Terme regroupant photographies et images issues de différents capteurs.
|
Documents disponibles dans cette catégorie (7757)
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
Éléments pour l'analyse et le traitement d'images : application à l'estimation de la qualité du bois / Rémy Decelle (2022)
Titre : Éléments pour l'analyse et le traitement d'images : application à l'estimation de la qualité du bois Type de document : Thèse/HDR Auteurs : Rémy Decelle, Auteur ; Isabelle Debled-Rennesson, Auteur ; Fleur Longuetaud, Auteur Editeur : Nancy, Metz : Université de Lorraine Année de publication : 2022 Importance : 214 p. Format : 21 x 30 cm Note générale : bibliographie
Thèse présentée pour l'obtention du Doctorat de l'Université de Lorraine, Mention InformatiqueLangues : Français (fre) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] aubier
[Termes IGN] cerne
[Termes IGN] classification par nuées dynamiques
[Termes IGN] classification par réseau neuronal convolutif
[Termes IGN] duramen
[Termes IGN] filtre
[Termes IGN] grume
[Termes IGN] morphologie mathématique
[Termes IGN] niveau de gris (image)
[Termes IGN] optimisation par colonie de fourmis
[Termes IGN] qualité du bois
[Termes IGN] représentation discrète
[Termes IGN] segmentation d'image
[Termes IGN] seuillageIndex. décimale : THESE Thèses et HDR Résumé : (auteur) Dans le contexte du changement climatique et de son atténuation, du développement de la bioéconomie circulaire, et d'une pression accrue qui en découle sur la ressource en bois, un des axes de recherche prioritaire est l'optimisation de la transformation de cette ressource qui peut se faire à différents niveaux. L'objectif ici est d'extraire des informations sur la qualité du bois à partir de l'analyse de sections transversales du grumes ou billons de bois en forêt ou en scierie. Pour estimer cette qualité, plusieurs caractéristiques visibles peuvent être extraites : zones d'aubier et de duramen, position de la moelle et du centre géométrique, le nombre de cernes et leur largeur. Dans un premier temps, nous nous intéressons à la segmentation de la grume dans l'image. Cette segmentation rend plus simple l'analyse des autres caractéristiques et permet de localiser le centre géométrique. Pour cela, nous proposons plusieurs approches. D'abord, des méthodes classiques issues du traitement d'images sont abordées, comme la méthode des K-Means ou les contours actifs. Nous utilisons également des réseaux de neurones convolutifs. Nous montrons l'avantage des réseaux de neurones par rapport à ces deux autres méthodes. La deuxième caractéristique estimée est la zone de duramen (zone centrale plus colorée). Nous proposons une nouvelle couche d'attention pour les réseaux de neurones utilisant la morphologie mathématique moins souvent utilisée. Les couches d'attention ont permis aux réseaux d'être plus performants en se focalisant sur les informations les plus pertinentes. Dans notre cadre, l'objectif de cette couche est double : réduire la quantité de paramètres et augmenter les performances. Notre couche d'attention montre de meilleures performances par rapport à d'autres couches d'attention. Dans un troisième temps, nous proposons d'analyser les cernes. Notre méthode est en trois grandes étapes. D'abord, un lissage directionnel pour rehausser les cernes (tout en gardant au mieux les contours) et réduire à la fois la texture intracernes et les marques de sciage. Puis, un seuillage adaptatif pour déterminer les zones de cernes potentiels. Enfin, un deuxième seuillage afin d'avoir les limites de cernes. À partir de la segmentation finale, l'analyse des cernes (nombre, largeur moyenne, etc.) est rendue possible. Enfin, l'estimation de la position de la moelle est abordée. Nous proposons une nouvelle approche originale basée sur l'algorithme des colonies de fourmis pour estimer la position de la moelle. L'utilisation de cet algorithme permet de s'abstraire d'une étape habituelle, à savoir l'accumulation des normales aux tangentes des cernes. Notre méthode montre de nombreux avantages par rapport aux approches de l'état de l'art, réseaux de neurones inclus. Dans une dernière partie, nous présenterons un travail en géométrie discrète : un filtre directionnel. Il estime les segments les plus longs en tout point d'un ensemble connexe. La présentation de cet outil est fait par le biais d'un filtre. En appliquant ce filtre, nous pouvons estimer des caractéristiques géométriques à l'échelle locale. Cet outil a pour objectif d'être appliqué aux cernes. Note de contenu : Introduction
1- Techniques de segmentation
2- Segmentation : les applications aux bois
3- Nouvelles approches du traitement d’images appliquées au bois
4- Détection de la moelle dans l’image
5- Filtre directionnel discret
6- ConclusionNuméro de notice : 24061 Affiliation des auteurs : non IGN Thématique : FORET/IMAGERIE Nature : Thèse française Note de thèse : Thèse de Doctorat : Informatique : Université de Lorraine : 2022 Organisme de stage : Laboratoire LORIA DOI : sans En ligne : https://hal.univ-lorraine.fr/tel-03794911/document Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=102036 Estimating aboveground biomass in dense Hyrcanian forests by the use of Sentinel-2 data / Fardin Moradi in Forests, vol 13 n° 1 (January 2022)
[article]
Titre : Estimating aboveground biomass in dense Hyrcanian forests by the use of Sentinel-2 data Type de document : Article/Communication Auteurs : Fardin Moradi, Auteur ; Ali Asghar Darvishsefat, Auteur ; Manizheh Rajab Pourrahmati, Auteur ; et al., Auteur Année de publication : 2022 Article en page(s) : n° 104 Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications de télédétection
[Termes IGN] biomasse aérienne
[Termes IGN] Carpinus betulus
[Termes IGN] classification barycentrique
[Termes IGN] classification par forêts d'arbres décisionnels
[Termes IGN] diamètre à hauteur de poitrine
[Termes IGN] image Sentinel-MSI
[Termes IGN] Iran
[Termes IGN] régression multiple
[Termes IGN] réseau neuronal artificielNuméro de notice : A2022-080 Affiliation des auteurs : non IGN Thématique : FORET/IMAGERIE Nature : Article DOI : 10.3390/f13010104 Date de publication en ligne : 12/01/2022 En ligne : https://doi.org/10.3390/f13010104 Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=99472
in Forests > vol 13 n° 1 (January 2022) . - n° 104[article]Évolution rétrospective et prospective d’un massif dunaire par imagerie multispectrale et LiDAR / Iris Jeuffrard (2022)
Titre : Évolution rétrospective et prospective d’un massif dunaire par imagerie multispectrale et LiDAR : Anse du Guesclin, 1948 - 2100 Type de document : Mémoire Auteurs : Iris Jeuffrard, Auteur Editeur : Champs-sur-Marne : Ecole nationale des sciences géographiques ENSG Année de publication : 2022 Note générale : bibliographie
Rapport de fin d'étude, cycle des Ingénieurs diplômés de l’ENSG 3ème année, Spécialité PPMDLangues : Français (fre) Descripteur : [Vedettes matières IGN] Applications de télédétection
[Termes IGN] aménagement durable
[Termes IGN] analyse diachronique
[Termes IGN] changement climatique
[Termes IGN] classification par forêts d'arbres décisionnels
[Termes IGN] données lidar
[Termes IGN] données multisources
[Termes IGN] dune
[Termes IGN] érosion côtière
[Termes IGN] Ille-et-Vilaine (35)
[Termes IGN] image aérienne
[Termes IGN] image captée par drone
[Termes IGN] littoral
[Termes IGN] modèle numérique de terrain
[Termes IGN] régression linéaire
[Termes IGN] série temporelle
[Termes IGN] trait de côteIndex. décimale : MPPMD Mémoires du mastère spécialisé Photogrammétrie, Positionnement et Mesures de Déformation Résumé : (auteur) Le Centre de Géo-Écologie Littorale (CGEL), autrefois Laboratoire de Géomorphologie dépend de l’École Pratique des Hautes Études (EPHE) depuis 1936 et s’est toujours consacré à l’observation des écosystèmes littoraux à partir d’images de très haute résolution. Il répond à différentes missions d’expertise sur le littoral, dans le but d’aider les gestionnaires à évaluer les risques et mettre en place des stratégies d’aménagement durables. Tout naturellement, le Service Patrimoine Naturel du Département d’Ille-et-Vilaine a fait appel au CGEL pour cartographier l’évolution d’un espace naturel sensible (ENS) sous leur protection, l’anse du Guesclin. Il abrite un complexe dunaire, écosystème précieux pour tous les services écosystémiques qu’il rend (richesse d’habitat et de biodiversité, barrière naturelle contre les aléas météo-marins, tourisme, etc.). Fragilisé par le passé par des événements météo-marins et des pressions anthropiques, il est aujourd’hui menacé par l’érosion. Le Département a donc engagé depuis 2010 un plan de réhabilitation. L’objectif est de fournir une cartographie fine de l’évolution pluri-décennale passée et future du massif dunaire de l’anse du Guesclin. Dans un premier temps l’évolution de la dune est étudiée à partir d’images aériennes historiques depuis 1948. Des marqueurs évolutifs (trait de côte, surface de végétation dunaire) permettent de retracer l’historique du massif. En complément, les variations géomorphologiques depuis 2010 sont quantifiées à partir d’acquisitions drone LiDAR réalisées par l’IGN, le SHOM et le CGEL. Les séries temporelles du recul du trait de côte et de la surface de végétation sont expliquées par un modèle de régression linéaire et de régression par Random Forest en fonction de paramètres météo-marins historiques (température, vent, précipitations, niveau moyen de la mer). Les modèles sont ensuite appliqués avec les prévisions du GIEC selon différents scénarios pour prédire l’évolution des marqueurs. Le modèle retenu (R2=0.84, RMSE=3.07m) prévoit ainsi un recul du trait de côte de 14 à 31 m à moyen terme selon les scénarios. Les résultats confirment les tendances d’érosion observées jusqu’à présent, et ce dès le court terme. La végétation serait favorisée par l’augmentation des gaz à effet de serre mais dépend de l’état de conservation du massif, qui est lui très vulnérable aux événements météorologiques extrêmes. Note de contenu : Introduction
1. Analyse rétrospective
1.1 Démarche
1.2 Site d’étude et données
1.3 Prétraitement
1.4 Étude du trait de côte
1.5 Étude de la surface de la végétation dunaire
1.6 Étude du volume du massif dunaire
1.7 Conclusion
2. Analyse prospective
2.1 Méthode
2.2 Données
2.3 Résultats
2.4 Limites et conclusions
ConclusionNuméro de notice : 24050 Affiliation des auteurs : IGN (2020- ) Thématique : IMAGERIE Nature : Mémoire de fin d'études IT Organisme de stage : Service Patrimoine Naturel du Département d’Ille-et-Vilaine Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=101923 Documents numériques
en open access
Évolution rétrospective... - pdf auteur -Adobe Acrobat PDF Examining the integration of Landsat operational land imager with Sentinel-1 and vegetation indices in mapping southern yellow pines (Loblolly, Shortleaf, and Virginia pines) / Clement E. Akumu in Photogrammetric Engineering & Remote Sensing, PERS, vol 88 n° 1 (January 2022)
[article]
Titre : Examining the integration of Landsat operational land imager with Sentinel-1 and vegetation indices in mapping southern yellow pines (Loblolly, Shortleaf, and Virginia pines) Type de document : Article/Communication Auteurs : Clement E. Akumu, Auteur ; Eze O. Amadi, Auteur Année de publication : 2022 Article en page(s) : pp 29 - 38 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image mixte
[Termes IGN] bande C
[Termes IGN] canopée
[Termes IGN] carte de la végétation
[Termes IGN] coefficient de rétrodiffusion
[Termes IGN] image Landsat-OLI
[Termes IGN] image Sentinel-SAR
[Termes IGN] indice de végétation
[Termes IGN] intégration de données
[Termes IGN] inventaire forestier local
[Termes IGN] Pinus (genre)
[Termes IGN] Pinus ponderosa
[Termes IGN] précision de la classification
[Termes IGN] Soil Adjusted Vegetation IndexRésumé : (Auteur) The mapping of southern yellow pines (loblolly, shortleaf, and Virginia pines) is important to supporting forest inventory and the management of forest resources. The overall aim of this study was to examine the integration of Landsat Operational Land Imager (OLI ) optical data with Sentinel-1 microwave C-band satellite data and vegetation indices in mapping the canopy cover of southern yellow pines. Specifically, this study assessed the overall mapping accuracies of the canopy cover classification of southern yellow pines derived using four data-integration scenarios: Landsat OLI alone; Landsat OLI and Sentinel-1; Landsat OLI with vegetation indices derived from satellite data—normalized difference vegetation index, soil-adjusted vegetation index, modified soil-adjusted vegetation index, transformed soil-adjusted vegetation index, and infrared percentage vegetation index; and 4) Landsat OLI with Sentinel-1 and vegetation indices. The results showed that the integration of Landsat OLI reflectance bands with Sentinel-1 backscattering coefficients and vegetation indices yielded the best overall classification accuracy, about 77%, and standalone Landsat OLI the weakest accuracy, approximately 67%. The findings in this study demonstrate that the addition of backscattering coefficients from Sentinel-1 and vegetation indices positively contributed to the mapping of southern yellow pines. Numéro de notice : A2022-062 Affiliation des auteurs : non IGN Thématique : FORET/IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.14358/PERS.21-00024R2 Date de publication en ligne : 01/01/2022 En ligne : https://doi.org/10.14358/PERS.21-00024R2 Format de la ressource électronique : URL Article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=99706
in Photogrammetric Engineering & Remote Sensing, PERS > vol 88 n° 1 (January 2022) . - pp 29 - 38[article]Réservation
Réserver ce documentExemplaires(1)
Code-barres Cote Support Localisation Section Disponibilité 105-2022011 SL Revue Centre de documentation Revues en salle Disponible
Titre : Feature matching for multi-epoch historical aerial images Titre original : Appariement des caractéristiques pour les images aériennes historiques multi-époques Type de document : Thèse/HDR Auteurs : Lulin Zhang , Auteur ; Marc Pierrot-Deseilligny , Directeur de thèse ; Ewelina Rupnik , Directeur de thèse Editeur : Champs-sur-Marne [France] : Université Gustave Eiffel Année de publication : 2022 Importance : 142 p. Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] auto-étalonnage
[Termes IGN] corrélation à l'aide de traits caractéristiques
[Termes IGN] estimation de pose
[Termes IGN] image ancienne
[Termes IGN] image multitemporelleIndex. décimale : THESE Thèses et HDR Résumé : (auteur) L'imagerie historique se caractérise par une haute résolution spatiale et des acquisitions stéréoscopiques. Elle constitue une ressource précieuse pour la détection des changements et la surveillance environnementale à long terme. Des millions d'images historiques ont été numérisées. Elles sont des témoins objectifs du temps et parfois la seule source visuelle restante de la forme historique du territoire. Cependant, l'énorme potentiel des images historiques diachroniques est supprimé en raison du goulot d'étranglement que constitue leur géoréférencement précis. Il s'agit d'un processus appelé ajustement de faisceau auto-calibré pour estimer les paramètres de calibrage de la caméra. Il faut un nombre suffisant de correspondances dans des paysages évolutifs, qui sont difficiles à obtenir automatiquement, en raison des changements de scène et des conditions hétérogènes d'acquisition des images.Dans cette recherche, nous présentons des pipelines entièrement automatiques pour trouver des correspondances entre des images historiques prises à différents temps (c'est-à-dire, inter-époques), sans données auxiliaires nécessaires. En profitant de la géométrie 3D et de la stratégie grossier-à-précis, nous (1) enregistrons grossièrement les différentes époques en établissant un modèle de transformation globalement cohérent sur l'ensemble du bloc, et (2) nous apparions précisément les images inter-époques sous la direction du co-enregistrement grossier pour réduire l'ambiguïté. Six variantes de deux stratégies sont explorées pour l'étape de co-enregistrement grossier, et deux variantes pour l'étape d'appariement précis. Nos pipelines sont adaptés à diverses applications de surveillance environnementale. Cinq données représentatifs sont choisis pour les expériences, chacun représentant une application caractéristique. Avec les correspondances inter-époques récupérées, nous améliorons les orientations de l'image puis calculons les Digital Surface Models (DSMs) à chaque époque, et évaluons quantitativement les résultats avec les Difference of DSMs (DoDs) et le déplacement du sol dû à un séisme. Nous démontrons que notre méthode (1) peut géoréférencer automatiquement des images historiques diachroniques ; (2) peut atténuer efficacement les erreurs systématiques induites par des paramètres de caméra mal estimés ; et (3) est robuste contre les changements drastiques de la scène. Les pipelines proposés sont mis en œuvre dans MicMac, un logiciel de photogrammétrie libre et gratuit. Numéro de notice : 17733 Affiliation des auteurs : UGE-LASTIG (2020- ) Thématique : IMAGERIE/INFORMATIQUE Nature : Thèse française Note de thèse : thèse : Traitement d'image : Gustave Eiffel : 2022 Organisme de stage : LASTIG (IGN) nature-HAL : Thèse DOI : sans En ligne : https://theses.hal.science/tel-03852938 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=100652 FLAIR: French Land cover from Aerial ImageRy - Challenge FLAIR #1: semantic segmentation and domain adaptation / Anatol Garioud (2022)PermalinkFusion de données hyperspectrales et panchromatiques dans le domaine réflectif / Yohann Constans (2022)PermalinkGlobal and climate challenges, graph-based data analysis for multisource information extraction / Morgane Batelier (2022)PermalinkGlobal glacier mass change by spatiotemporal analysis of digital elevation models / Romain Hugonnet (2022)PermalinkHigh-resolution canopy height map in the Landes forest (France) based on GEDI, Sentinel-1, and Sentinel-2 data with a deep learning approach / Martin Schwartz (2022)PermalinkHistograms of oriented mosaic gradients for snapshot spectral image description / Lulu Chen in ISPRS Journal of photogrammetry and remote sensing, vol 183 (January 2022)PermalinkHistorical shoreline analysis and field monitoring at Ennore coastal stretch along the Southeast coast of India / M. Dhananjayan in Marine geodesy, vol 45 n° 1 (January 2022)PermalinkImplementation of the log-transformed band ratio algorithm on images of WorldView-3 and Sentinel-2 for bathymetry mapping of a pocket beach of Malta / Antoine Cornu (2022)PermalinkImproving LSMA for impervious surface estimation in an urban area / Jin Wang in European journal of remote sensing, vol 55 n° 1 (2022)PermalinkImproving urban land cover mapping with the fusion of optical and SAR data based on feature selection strategy / Qing Ding in Photogrammetric Engineering & Remote Sensing, PERS, vol 88 n° 1 (January 2022)PermalinkPermalinkInteractive semantic segmentation of aerial images with deep neural networks / Gaston Lenczner (2022)PermalinkInvestigating the role of wind disturbance in tropical forests through a forest dynamics model and satellite observations / E-Ping Rau (2022)PermalinkLandslide evolution pattern revealed by multi-temporal DSMs obtained from historical aerial images / Michele Santangelo (2022)PermalinkLatent heat flux variability and response to drought stress of black poplar: A multi-platform multi-sensor remote and proximal sensing approach to relieve the data scarcity bottleneck / Flavia Tauro in Remote sensing of environment, vol 268 (January 2022)PermalinkLearning multi-view aggregation in the wild for large-scale 3D semantic segmentation / Damien Robert (2022)PermalinkLearning spatio-temporal representations of satellite time series for large-scale crop mapping / Vivien Sainte Fare Garnot (2022)PermalinkPermalinkMapping burned areas and land-uses in Kangaroo Island using an object-based image classification framework and Landsat 8 Imagery from Google Earth Engine / Jiyu Liu in Geomatics, Natural Hazards and Risk, vol 13 (2022)PermalinkMLMT-CNN for object detection and segmentation in multi-layer and multi-spectral images / Majedaldein Almahasneh in Machine Vision and Applications, vol 33 n° 1 (January 2022)PermalinkPermalinkModélisations des écoulements fluviaux adaptées aux observations spatiales et assimilations de données altimétriques / Thibault Malou (2022)PermalinkMonitoring and analysis of crop irrigation dynamics in Central Italy through the use of MODIS NDVI data / Marta Chiesi in European journal of remote sensing, vol 55 n° 1 (2022)PermalinkMonitoring forest-savanna dynamics in the Guineo-Congolian transition area of the centre region of Cameroon / Le Bienfaiteur Sagang Takougoum (2022)PermalinkMonitoring grassland dynamics by exploiting multi-modal satellite image time series / Anatol Garioud (2022)PermalinkMulti-view urban scene classification with a complementary-information learning model / Wanxuan Geng in Photogrammetric Engineering & Remote Sensing, PERS, vol 88 n° 1 (January 2022)PermalinkA novel unmixing-based hypersharpening method via convolutional neural network / Xiaochen Lu in IEEE Transactions on geoscience and remote sensing, vol 60 n° 1 (January 2022)PermalinkA PCA-PD fusion method for change detection in remote sensing multi temporal images / Soltana Achour in Geocarto international, vol 37 n° 1 ([01/01/2022])PermalinkPreparation of the VENµS satellite data over Israel for the input into the GRASP data treatment algorithm / Maeve Blarel (2022)PermalinkPermalinkPermalinkPermalinkPermalinkPermalinkSalt tectonic imaging at crustal and experimental scales by seismic migration and adjoint method / Javier Abreu-Torres (2022)PermalinkScaling up and evaluating surface reconstruction from point clouds of open scenes / Yanis Marchand (2022)PermalinkPermalinkSelf-attention and generative adversarial networks for algae monitoring / Nhut Hai Huynh in European journal of remote sensing, vol 55 n° 1 (2022)PermalinkSemantic segmentation of high-resolution remote sensing images based on a class feature attention mechanism fused with Deeplabv3+ / Zhimin Wang in Computers & geosciences, vol 158 (January 2022)PermalinkSenRVM: A multi-modal deep learning regression methodology for continuous vegetation monitoring with dense temporal NDVI time series / Anatol Garioud (2022)PermalinkPermalinkSimulation of the meltwater under different climate change scenarios in a poorly gauged snow and glacier-fed Chitral River catchment (Hindukush region) / Huma Hayat in Geocarto international, vol 37 n° 1 ([01/01/2022])PermalinkSpatial distribution of lead (Pb) in soil: a case study in a contaminated area of the Czech Republic / Nicolas Francos in Geomatics, Natural Hazards and Risk, vol 13 (2022)PermalinkStudying informativeness of satellite image texture for sea ice state retrieval using deep learning methods / Clément Fougerouse (2022)PermalinkPermalink