Descripteur
Termes IGN > sciences naturelles > physique > traitement d'image > analyse d'image numérique > segmentation d'image > superpixel
superpixelVoir aussi |
Documents disponibles dans cette catégorie (19)
Ajouter le résultat dans votre panier Affiner la recherche Interroger des sources externes
Etendre la recherche sur niveau(x) vers le bas
Superpixel-enhanced deep neural forest for remote sensing image semantic segmentation / Li Mi in ISPRS Journal of photogrammetry and remote sensing, vol 159 (January 2020)
[article]
Titre : Superpixel-enhanced deep neural forest for remote sensing image semantic segmentation Type de document : Article/Communication Auteurs : Li Mi, Auteur ; Zhenzhong Chen, Auteur Année de publication : 2020 Article en page(s) : pp 140 - 152 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image
[Termes IGN] algorithme SLIC
[Termes IGN] apprentissage automatique
[Termes IGN] classification par forêts d'arbres décisionnels
[Termes IGN] image à très haute résolution
[Termes IGN] processus stochastique
[Termes IGN] réseau neuronal profond
[Termes IGN] segmentation sémantique
[Termes IGN] superpixelRésumé : (Auteur) Semantic segmentation plays an important role in remote sensing image understanding. Great progress has been made in this area with the development of Deep Convolutional Neural Networks (DCNNs). However, due to the complexity of ground objects’ spectrum, DCNNs with simple classifier have difficulties in distinguishing ground object categories even though they can represent image features effectively. Additionally, DCNN-based semantic segmentation methods learn to accumulate contextual information over large receptive fields that causes blur on object boundaries. In this work, a novel approach named Superpixel-enhanced Deep Neural Forest (SDNF) is proposed to target the aforementioned problems. To improve the classification ability, we introduce Deep Neural Forest (DNF), where the representation learning of deep neural network is conducted by a completely differentiable decision forest. Therefore, better classification accuracy is achieved by combining DCNNs with decision forests in an end-to-end manner. In addition, considering the homogeneity within superpixels and heterogeneity between superpixels, a Superpixel-enhanced Region Module (SRM) is proposed to further alleviate the noises and strengthen edges of ground objects. Experimental results on the ISPRS 2D semantic labeling benchmark demonstrate that our model significantly outperforms state-of-the-art methods thus validate the efficiency of our proposed SDNF. Numéro de notice : A2020-014 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1016/j.isprsjprs.2019.11.006 Date de publication en ligne : 29/11/2019 En ligne : https://doi.org/10.1016/j.isprsjprs.2019.11.006 Format de la ressource électronique : URL Article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=94403
in ISPRS Journal of photogrammetry and remote sensing > vol 159 (January 2020) . - pp 140 - 152[article]Réservation
Réserver ce documentExemplaires(3)
Code-barres Cote Support Localisation Section Disponibilité 081-2020011 RAB Revue Centre de documentation En réserve L003 Disponible 081-2020013 DEP-RECP Revue LASTIG Dépôt en unité Exclu du prêt 081-2020012 DEP-RECF Revue Nancy Dépôt en unité Exclu du prêt Unsupervised classification of multispectral images embedded with a segmentation of panchromatic images using localized clusters / Ting Mao in IEEE Transactions on geoscience and remote sensing, vol 57 n° 11 (November 2019)
[article]
Titre : Unsupervised classification of multispectral images embedded with a segmentation of panchromatic images using localized clusters Type de document : Article/Communication Auteurs : Ting Mao, Auteur ; Wei Huang, Auteur Année de publication : 2019 Article en page(s) : pp 8732 - 8744 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] algorithme de fusion
[Termes IGN] analyse de groupement
[Termes IGN] Chine
[Termes IGN] classification non dirigée
[Termes IGN] fusion d'images
[Termes IGN] image à très haute résolution
[Termes IGN] image multibande
[Termes IGN] image panchromatique
[Termes IGN] précision de la classification
[Termes IGN] segmentation d'image
[Termes IGN] segmentation multi-échelle
[Termes IGN] superpixelRésumé : (auteur) There are many approaches to fuse panchromatic (PAN) and multispectral (MS) images for classification, mainly including sharpening-then-classification methods, classification-then-sharpening methods, and segmentation-then-classification methods. The generalized Chinese restaurant franchise (gCRF) is a segmentation-then-classification-like method to fuse very high resolution (VHR) PAN and MS images for classification, which has the limitation the same as that of the general segmentation-then-classification methods that segmentation errors will affect the subsequent classification. The problems of gCRF are that during the segmentation step, the spatial coherence in the image plane is deficient and the global clusters without spatial position information are used for segmentation, which may lead to undersegmented and disconnected regions in the segmentation results and decrease classification accuracy. In this paper, we propose an improved model, which overcomes the problems of the gCRF during the segmentation step, to increase the classification accuracy by the following two ways: 1) building the spatial coherence in the image plane by introducing neighborhood information of superpixels to construct the subimages and 2) using localized clusters with spatial location information instead of global clusters to measure the similarity between superpixels and segments. The experimental results show that the problems of undersegmentation and disconnected segments are both alleviated, resulting in better classification results in terms of the visual and quantitative aspects. Numéro de notice : A2019-597 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1109/TGRS.2019.2922672 Date de publication en ligne : 17/07/2019 En ligne : https://doi.org/10.1109/TGRS.2019.2922672 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=94589
in IEEE Transactions on geoscience and remote sensing > vol 57 n° 11 (November 2019) . - pp 8732 - 8744[article]Segmenting mangrove ecosystems drone images using SLIC superpixels / Edward Zimudzi in Geocarto international, vol 34 n° 14 ([30/10/2019])
[article]
Titre : Segmenting mangrove ecosystems drone images using SLIC superpixels Type de document : Article/Communication Auteurs : Edward Zimudzi, Auteur ; Ian Sanders, Auteur ; Nicholas Rollings, Auteur ; Christian Omlin, Auteur Année de publication : 2019 Article en page(s) : pp 1648 - 1662 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] algorithme SLIC
[Termes IGN] classification par nuées dynamiques
[Termes IGN] classification pixellaire
[Termes IGN] écosystème
[Termes IGN] Fidji
[Termes IGN] image captée par drone
[Termes IGN] mangrove
[Termes IGN] modèle numérique de surface
[Termes IGN] orthophotoplan numérique
[Termes IGN] segmentation d'image
[Termes IGN] superpixelRésumé : (auteur) Mangrove ecosystems play a very important ecological role on land–ocean interfaces in tropical regions. These ecosystems comprise of various tree species and aquatic animals, protecting the environment and providing a habitat that supports many living organisms including humans. The identification of image regions in mangrove ecosystems plays a significant role in ecosystem monitoring and conservation. Recent studies have suggested oversegmentation of colour images using superpixels as a solution to the segmentation of image regions. This study used the SLIC superpixel algorithm and k-means clustering to segment images taken from a camera mounted on a drone from a mangrove ecosystem in Fiji. The SLIC superpixel algorithm performed well to demarcate image regions with similar colour and texture information into patches and to use k-means for the segmentation of the whole image. These results lend support to the use of superpixel algorithms for the segmentation of mangrove ecosystems. Understanding how superpixels can be used for the segmentation of drone images will assist conservation efforts in mangrove ecosystems. Numéro de notice : A2019-539 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/10106049.2018.1497093 Date de publication en ligne : 22/10/2018 En ligne : https://doi.org/10.1080/10106049.2018.1497093 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=94114
in Geocarto international > vol 34 n° 14 [30/10/2019] . - pp 1648 - 1662[article]
Titre : Machine learning for image segmentation Titre original : Apprentissage artificiel pour la segmentation d'image Type de document : Thèse/HDR Auteurs : Kaiwen Chang, Auteur ; Jesus Angulo lopez, Directeur de thèse ; Jesus Angulo lopez, Directeur de thèse ; Bruno Figliuzzi, Directeur de thèse Editeur : Paris : Université Paris Sciences et Lettres Année de publication : 2019 Importance : 155 p. Format : 21 x 30 cm Note générale : bibliographie
Thèse de Doctorat de l'Université PSL, Spécialité : Morphologie MathématiqueLangues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] apprentissage automatique
[Termes IGN] base de données d'images
[Termes IGN] graphe
[Termes IGN] morphologie mathématique
[Termes IGN] optique géométrique
[Termes IGN] rayonnement lumineux
[Termes IGN] segmentation d'image
[Termes IGN] segmentation par graphes d'adjacence de régions
[Termes IGN] superpixelIndex. décimale : THESE Thèses et HDR Résumé : (auteur) In this PhD thesis, our aim is to establish a general methodology for performing the segmentation of a dataset constituted of similar images with only a few annotated images as training examples. This methodology is directly intended to be applied to images gathered in Earth observation or materials science applications, for which there is not enough annotated examples to train state-of-the-art deep learning based segmentation algorithms. The proposed methodology starts from a superpixel partition of the image and gradually merges the initial regions until anactual segmentation is obtained. The two main contributions described in this PhD thesis are the development of a new superpixel algorithm which makes use of the Eikonal equation, and the development of a superpixel merging algorithm steaming from the adaption of the Eikonal equation to the setting of graphs. The superpixels merging approach makes use of a region adjacency graph computed from the superpixel partition. The edges are weighted by a dissimilarity measure learned by a machine learning algorithm from low-level cues computed on the superpixels. In terms of application, our approach to image segmentation is finally evaluated on the SWIMSEG dataset, a dataset which contains sky cloud images. On this dataset, using only a limited amount of images for training our algorithm, we were able to obtain segmentation results similar to the ones obtained with state-of-the-art algorithms. Note de contenu : 1- Introduction
2- Fast marching based superpixels
3- Hierarchical segmentation based on wavelet decomposition
4- Learning similarities between regions
5- Region merging
6- Application
Conclusion and perspectivesNuméro de notice : 25837 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Thèse française Note de thèse : Thèse de Doctorat : Morphologie Mathématique : Paris Sciences et Lettres : 2019 Organisme de stage : Centre de Morphologie Mathématique (Mines ParisTech) nature-HAL : Thèse DOI : sans En ligne : https://hal.archives-ouvertes.fr/tel-02510662 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=95191 Segmentation d'image par intégration itérative de connaissances / Mahaman Sani Chaibou Salaou (2019)
Titre : Segmentation d'image par intégration itérative de connaissances Type de document : Thèse/HDR Auteurs : Mahaman Sani Chaibou Salaou, Auteur ; Basel Solaiman, Directeur de thèse ; Mohamed Ali Mahjoub, Directeur de thèse Editeur : Institut Mines-Télécom Atlantique IMT Atlantique Année de publication : 2019 Autre Editeur : Université Bretagne Loire Importance : 148 p. Format : 21 x 30 cm Note générale : bibliographie
Thèse de Doctorat de l'Ecole Nationale Supérieure Mines-Telecom Atlantique Bretagne Pays de la Loire, Spécialité : Signal, Image et VisionLangues : Français (fre) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] classification basée sur les régions
[Termes IGN] classification par forêts d'arbres décisionnels
[Termes IGN] description multiniveau
[Termes IGN] détection de régions
[Termes IGN] fusion de données
[Termes IGN] interprétation automatique
[Termes IGN] réseau neuronal artificiel
[Termes IGN] segmentation d'image
[Termes IGN] superpixel
[Termes IGN] zone d'intérêtIndex. décimale : THESE Thèses et HDR Résumé : (auteur) Le traitement d’images est un axe de recherche très actif depuis des années. L’interprétation des images constitue une de ses branches les plus importantes de par ses applications socio-économiques et scientifiques. Cependant cette interprétation, comme la plupart des processus de traitements d’images, nécessite une phase de segmentation pour délimiter les régions à analyser. En fait l’interprétation est un traitement qui permet de donner un sens aux régions détectées par la phase de segmentation. Ainsi, la phase d’interprétation ne pourra analyser que les régions détectées lors de la segmentation. Bien que l’objectif de l’interprétation automatique soit d’avoir le même résultat qu’une interprétation humaine, la logique des techniques classiques de ce domaine ne marie pas celle de l’interprétation humaine. La majorité des approches classiques d’interprétation d’images séparent la phase de segmentation et celle de l’interprétation. Les images sont d’abord segmentées puis les régions détectées sont interprétées. En plus, au niveau de la segmentation les techniques classiques parcourent les images de manière séquentielle, dans l’ordre de stockage des pixels. Ce parcours ne reflète pas nécessairement le parcours de l’expert humain lors de son exploration de l’image. En effet ce dernier commence le plus souvent par balayer l’image à la recherche d’éventuelles zones d’intérêts. Dans le cas échéant, il analyse les zones potentielles sous trois niveaux de vue pour essayer de reconnaitre de quel objet s’agit-il. Premièrement, il analyse la zone en se basant sur ses caractéristiques physiques. Ensuite il considère les zones avoisinantes de celle-ci et enfin il zoome sur toute l’image afin d’avoir une vue complète tout en considérant les informations locales à la zone et celles de ses voisines. Pendant son exploration, l’expert, en plus des informations directement obtenues sur les caractéristiques physiques de l’image, fait appel à plusieurs sources d’informations qu’il fusionne pour interpréter l’image. Ces sources peuvent inclure les connaissent acquises grâce à son expérience professionnelle, les contraintes existantes entre les objets de ce type d’images, etc. L’idée de l’approche présentée ici est que simuler l’activité visuelle de l’expert permettrait une meilleure compatibilité entre les résultats de l’interprétation et ceux de l’expert. Ainsi nous retenons de cette analyse trois aspects importants du processus d’interprétation d’image que nous allons modéliser dans l’approche proposée dans ce travail : 1. Le processus de segmentation n’est pas nécessairement séquentiel comme la plus part des techniques de segmentations qu’on rencontre, mais plutôt une suite de décisions pouvant remettre en cause leurs prédécesseurs. L’essentiel étant à la fin d’avoir la meilleure classification des régions. L’interprétation ne doit pas être limitée par la segmentation. 2. Le processus de caractérisation d’une zone d’intérêt n’est pas strictement monotone i.e. que l’expert peut aller d’une vue centrée sur la zone à vue plus large incluant ses voisines pour ensuite retourner vers la vue contenant uniquement la zone et vice-versa. 3. Lors de la décision plusieurs sources d’informations sont sollicitées et fusionnées pour une meilleure certitude. La modélisation proposée de ces trois niveaux met particulièrement l’accent sur les connaissances utilisées et le raisonnement qui mène à la segmentation des images. Note de contenu : Introduction générale
1- Segmentation pour l’interprétation de scène
2- Segmentation par propagation des connaissances
3- Croissance des régions adaptative
4- Similarité des superpixels par apprentissage
ConclusionsNuméro de notice : 25840 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Thèse française Note de thèse : Thèse de Doctorat : Signal, Image et Vision : Ecole Nationale Supérieure Mines-Telecom Atlantique : 2019 nature-HAL : Thèse DOI : sans En ligne : https://tel.archives-ouvertes.fr/tel-02310224 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=95181