Centre dedocumentation
scientifique

Robust unsupervised small area change detection from SAR imagery using deep learning / Xinzheng Zhang in ISPRS Journal of photogrammetry and remote sensing, Vol 173 (March 2021)  

Public [article]  inISPRS Journal of photogrammetry and remote sensing > Vol 173 (March 2021) . - pp 79 - 94 Titre : Robust unsupervised small area change detection from SAR imagery using deep learning Type de document : Article/Communication Auteurs : Xinzheng Zhang, Auteur ; Hang Su, Auteur ; Ce Zhang, Auteur ; et al., Auteur Année de publication : 2021 Article en page(s) : pp 79 - 94 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image radar et applications [Termes descripteurs IGN] algorithme de superpixels [Termes descripteurs IGN] apprentissage profond [Termes descripteurs IGN] classification floue [Termes descripteurs IGN] classification non dirigée [Termes descripteurs IGN] classification par réseau neuronal convolutif [Termes descripteurs IGN] détection de changement [Termes descripteurs IGN] échantillonnage [Termes descripteurs IGN] filtre de déchatoiement [Termes descripteurs IGN] image radar moirée [Termes descripteurs IGN] ondelette [Termes descripteurs IGN] regroupement de données Résumé : (auteur) Small area change detection using synthetic aperture radar (SAR) imagery is a highly challenging task, due to speckle noise and imbalance between classes (changed and unchanged). In this paper, a robust unsupervised approach is proposed for small area change detection using deep learning techniques. First, a multi-scale superpixel reconstruction method is developed to generate a difference image (DI), which can suppress the speckle noise effectively and enhance edges by exploiting local, spatially homogeneous information. Second, a two-stage centre-constrained fuzzy c-means clustering algorithm is proposed to divide the pixels of the DI into changed, unchanged and intermediate classes with a parallel clustering strategy. Image patches belonging to the first two classes are then constructed as pseudo-label training samples, and image patches of the intermediate class are treated as testing samples. Finally, a convolutional wavelet neural network (CWNN) is designed and trained to classify testing samples into changed or unchanged classes, coupled with a deep convolutional generative adversarial network (DCGAN) to increase the number of changed class within the pseudo-label training samples. Numerical experiments on four real SAR datasets demonstrate the validity and robustness of the proposed approach, achieving up to 99.61% accuracy for small area change detection. Numéro de notice : A2021-103 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1016/j.isprsjprs.2021.01.004 date de publication en ligne : 17/01/2021 En ligne : https://doi.org/10.1016/j.isprsjprs.2021.01.004 Format de la ressource électronique : url article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=96879 [article]

Ship detection in SAR images via local contrast of Fisher vectors / Xueqian Wang in IEEE Transactions on geoscience and remote sensing, vol 58 n° 9 (September 2020)  

Public [article]  inIEEE Transactions on geoscience and remote sensing > vol 58 n° 9 (September 2020) . - pp 6467 - 6479 Titre : Ship detection in SAR images via local contrast of Fisher vectors Type de document : Article/Communication Auteurs : Xueqian Wang, Auteur ; Gang Li, Auteur ; Xiao-Ping Zhang, Auteur ; You He, Auteur Année de publication : 2020 Article en page(s) : pp 6467 - 6479 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image radar et applications [Termes descripteurs IGN] algorithme de superpixels [Termes descripteurs IGN] contraste local [Termes descripteurs IGN] détection d'objet [Termes descripteurs IGN] détection de cible [Termes descripteurs IGN] distribution de Fisher [Termes descripteurs IGN] fouillis d'échos [Termes descripteurs IGN] image radar moirée [Termes descripteurs IGN] navire [Termes descripteurs IGN] processus gaussien [Termes descripteurs IGN] rapport signal sur bruit Résumé : (auteur) Existing superpixel-based detection algorithms for ship targets in synthetic aperture radar (SAR) images are often derived from the local contrast of intensities (i.e., the local contrast of the first-order information of superpixels) leading to deteriorating performance in low signal-to-clutter ratio (SCR) cases due to the low contrast between the intensities of targets and the clutter. In this article, we propose a new superpixel-based detector to improve the performance of ship target detection in SAR images via the local contrast of fisher vectors (LCFVs). The new LCFV-based detector exploits multiorder features of the superpixels based on the Gaussian mixture model (GMM) and accordingly improves the discrimination capability between the ship targets and the sea clutter, especially in low SCR cases. Experimental results demonstrate that the proposed LCFV-based detection algorithm provides better detection performance than the commonly used detection algorithms. Numéro de notice : A2020-530 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1109/TGRS.2020.2976880 date de publication en ligne : 18/03/2020 En ligne : https://doi.org/10.1109/TGRS.2020.2976880 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=95713 [article]

Segmenting mangrove ecosystems drone images using SLIC superpixels / Edward Zimudzi in Geocarto international, vol 34 n° 14 ([30/10/2019])  

Public [article]  inGeocarto international > vol 34 n° 14 [30/10/2019] . - pp 1648 - 1662 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 descripteurs IGN] algorithme de superpixels [Termes descripteurs IGN] classification par nuées dynamiques [Termes descripteurs IGN] classification pixellaire [Termes descripteurs IGN] écosystème [Termes descripteurs IGN] Fidji [Termes descripteurs IGN] image captée par drone [Termes descripteurs IGN] mangrove [Termes descripteurs IGN] modèle numérique de surface [Termes descripteurs IGN] orthophotoplan numérique [Termes descripteurs IGN] segmentation d'image [Termes descripteurs IGN] SLIC algorithm Résumé : (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 [article]

Machine learning for image segmentation / Kaiwen Chang (2019)  

Public contenu dans HAL Hyper articles en ligne / Centre pour la Communication Scientifique Directe CCSD (2000)   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 Mathématique Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes descripteurs IGN] algorithme de superpixels [Termes descripteurs IGN] apprentissage automatique [Termes descripteurs IGN] base de données d'images [Termes descripteurs IGN] graphe [Termes descripteurs IGN] morphologie mathématique [Termes descripteurs IGN] optique géométrique [Termes descripteurs IGN] rayonnement lumineux [Termes descripteurs IGN] segmentation d'image [Termes descripteurs IGN] segmentation par graphes d'adjacence de régions [Termes descripteurs IGN] superpixel 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 perspectives Numéro 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) 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