Centre dedocumentation
scientifique

Amélioration des résolutions spatiale et spectrale d’images satellitaires par réseaux antagonistes / Anaïs Gastineau (2021)  

Public Titre : Amélioration des résolutions spatiale et spectrale d’images satellitaires par réseaux antagonistes Type de document : Thèse/HDR Auteurs : Anaïs Gastineau, Auteur ; Jean-François Aujol, Directeur de thèse ; Yannick Berthoumieu, Directeur de thèse Editeur : Bordeaux : Université de Bordeaux Année de publication : 2021 Importance : 111 p. Format : 21 x 30 cm Note générale : bibliographie Thèse présentée pour obtenir le grade de Docteur de l'Université de Bordeaux, spécialité Mathématiques appliquées et calcul scientifique Langues : Français (fre) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes IGN] fusion d'images [Termes IGN] image multibande [Termes IGN] image panchromatique [Termes IGN] limite de résolution géométrique [Termes IGN] limite de résolution spectrale [Termes IGN] optimisation (mathématiques) [Termes IGN] pansharpening (fusion d'images) [Termes IGN] réseau antagoniste génératif Index. décimale : THESE Thèses et HDR Résumé : (auteur) De plus en plus d'applications, telles que la cartographie ou la classification de l'occupation des sols, nécessitent des images hautes résolutions de la surface de la Terre, mais ces données ne sont pas toujours disponibles. Ainsi, cette thèse porte sur le problème de fusion d'images panchromatiques et multispectrales dans le but d'exploiter au mieux les richesses spatiale et spectrale de chacune de ces données. Pour atteindre cet objectif, cette thèse explore plusieurs aspects liés à l'optimisation du problème ou bien aux architectures considérées.De manière générale, la paramétrisation des réseaux convolutifs est souvent suffisante pour supporter la diversité des problèmes rencontrés. La base de données d'apprentissage est alors considérée comme le vecteur principal de conditionnement au problème traité. Ainsi, dans un contexte de réseaux antagonistes génératifs, nous proposons d'intégrer une modélisation plus fine du problème de "pansharpening" quant à la conception même du réseau. Nous avons également évalué l'impact sur les performances de reconstruction de différentes formulations de la fonctionnelle globale à minimiser tenant compte des spécificités de l'application.Dans un premier temps, nous étudions les différents types de régularisation existant dans un cadre variationnel pour ensuite utiliser cette connaissance afin d'ajouter ce type de contraintes géométrique et spectrale dans la fonction de perte du générateur.Dans un second temps, nous étudions des solutions liées aux architectures considérées pour le générateur et le discriminateur. En effet, nous proposons l'utilisation de plusieurs discriminateurs, chacun répondant à une tâche différente mais complémentaire. Le premier discriminateur se concentre sur la préservation de la résolution spatiale en prenant en compte la luminance et la composante infra-rouge, très informative d'un point de vue de la texture pour la végétation, des images satellites. Le second discriminateur préserve la résolution spectrale en comparant les composantes chromatiques Cb et Cr. Nous étudions également l'ajout de mécanismes d'attention dans le générateur. Nous considérons des mécanismes d'attention spatiale et spectrale pour améliorer la précision de reconstruction du générateur. En effet, ces mécanismes ont pour objectif d'attirer l'attention du générateur sur les parties de l'image les plus pertinentes pour améliorer le résultat.L'ensemble des pistes que nous avons explorées a conduit à des résultats convaincants, à la fois quantitatifs et visuels. En effet, nous avons pu observer une amélioration notable de la précision des reconstructions spatiale et spectrale, contribuant ainsi à résoudre le problème de fusion d'images panchromatique et multispectrale. Note de contenu : 1- Introduction 2- État-de-l’art général 3- Fusion d’images non locale préservant la géométrie basée sur les méthodes variationnelles 4- Reconstruction de la géométrie par l’utilisation de GANs 5- Préservation des résolutions spatiale et spectrale dans un cadre GAN basé multidiscriminateur 6- Reconstructions spatiale et spectrale basées sur l’utilisation de mécanismes d’attention 7- Conclusion : bilan et perspectives Numéro de notice : 28630 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Thèse française Note de thèse : Thèse de Doctorat : Mathématiques appliquées et calcul scientifique : Bordeaux : 2021 Organisme de stage : Laboratoire de l'intégration du matériau au système DOI : sans En ligne : https://tel.archives-ouvertes.fr/tel-03519655/document Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=99620

Ensemble learning methods on the space of covariance matrices : application to remote sensing scene and multivariate time series classification / Sara Akodad (2021)  

Public Titre : Ensemble learning methods on the space of covariance matrices : application to remote sensing scene and multivariate time series classification Type de document : Thèse/HDR Auteurs : Sara Akodad, Auteur ; Christian Germain, Directeur de thèse ; Lionel Bombrun, Directeur de thèse Editeur : Bordeaux : Université de Bordeaux Année de publication : 2021 Importance : 220 p. Format : 21 x 30 cm Note générale : bibliographie Thèse présentée pour obtenir le grade de Docteur de l'Université de Bordeaux, Spécialité Automatique, Productique, Signal et Image, Ingénierie cognitique Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image mixte [Termes IGN] analyse multivariée [Termes IGN] Castanea sativa [Termes IGN] classification dirigée [Termes IGN] classification par réseau neuronal convolutif [Termes IGN] déformation temporelle dynamique (algorithme) [Termes IGN] géométrie euclidienne [Termes IGN] image Sentinel-MSI [Termes IGN] image Sentinel-SAR [Termes IGN] maladie phytosanitaire [Termes IGN] matrice de covariance [Termes IGN] processus gaussien [Termes IGN] série temporelle [Termes IGN] surveillance forestière Résumé : (auteur) In view of the growing success of second-order statistics in classification problems, the work of this thesis has been oriented towards the development of learning methods in manifolds. Indeed, covariance matrices are symmetric positive definite matrices that live in a non-Euclidean space. It is therefore necessary to adapt the classical tools of Euclidean geometry to handle this type of data. To do that, we have proposed to exploit the log-Euclidean metric. This latter allows to project the set of covariance matrices on a tangent plane to the manifold defined at a reference point, classically chosen equal to the identity matrix, followed by a vectorization step to obtain the log-Euclidean representation. On this tangent plane, it is possible to define parametric Gaussian models as well as Gaussian mixture models. Nevertheless, this projection on a single tangent plane can induce distortions. In order to overcome this limitation, we have proposed a GMM model composed of several tangent planes, where the reference points are defined by the centers of each cluster.In view of the success of neural networks, in particular convolutional neural networks (CNNs), we have proposed two hybrid transfer learning approaches based on the covariance matrix computed locally and globally on the CNN convolutional layers’ outputs. The local approach relies on the covariance matrices extracted locally on the first layers of a CNN, which are then encoded by the Fisher vectors computed on their log-Euclidean representation, while for the global approach, a single covariance matrix is computed on the feature maps of the CNN deep layers. Moreover, in order to give more importance to the objects of interest present in the images, we proposed to use a covariance matrix weighted by the saliency information. Furthermore, in order to take advantage of both local and global aspects, these two approaches are subsequently combined in an ensemble strategy.On the other hand, the availability of multivariate time series has aroused the interest of the remote sensing community and more generally of machine learning researchers for the development of new learning strategies dedicated to supervised classification. In particular, methods based on the calculation of point-to-point distance between series. Moreover, two series belonging to the same class can evolve in different ways, which can induce temporal distortions (translation, compression, dilation, etc.). To avoid this, warping methods allow to align the time series. In order to extend this approach to time series of covariance matrices, while ensuring invariance to the re-parametrization of the series, we were interested in the TSRVF representation. In the same context, several ensemble methods have been proposed in the literature, including TCK, which relies on similarity computation to classify time series. We have proposed to extend this strategy to covariance matrices by introducing the SO-TCK approach which relies on the log-Euclidean representation of such matrices. Finally, the last axis of this thesis concerns the modeling of temporal trajectories of signals measured by the radar (Sentinel 1) and optical (Sentinel 2) sensors. In particular, we are interested in the forestry problem of the chestnut ink disease in the Montmorency forest. For this purpose, we developed classification and regression models to predict a health status score from the covariance matrix computed on multi-temporal radiometric attributes. Note de contenu : Introduction 1- Riemannian geometry and statistical modeling on the space of Symmetric Positive Definite (SPD) matrices 2- Ensemble learning approaches based on covariance pooling of CNN Features 3- Symmetric positive definite matrix time series classification 4- Forest health monitoring using Sentinel-1 and Sentinel-2 time series Conclusions and perspectives Numéro de notice : 28605 Affiliation des auteurs : non IGN Thématique : FORET/IMAGERIE/MATHEMATIQUE Nature : Thèse française Note de thèse : Thèse de Doctorat : Automatique, Productique, Signal et Image, Ingénierie cognitique : Bordeaux : 2021 Organisme de stage : IMS DOI : sans En ligne : https://tel.archives-ouvertes.fr/tel-03484011 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=99446

Range-wide demographic patterns in European forests along climatic marginality gradients : An approach using national forest inventories / Alexandre Changenet (2021)  

Public Titre : Range-wide demographic patterns in European forests along climatic marginality gradients : An approach using national forest inventories Type de document : Thèse/HDR Auteurs : Alexandre Changenet, Auteur ; Marta Benito-Garzon, Directeur de thèse ; Annabel J. Porté, Directeur de thèse Editeur : Bordeaux : Université de Bordeaux Année de publication : 2021 Importance : 305 p. Format : 21 x 30 cm Note générale : bibliographie Thèse présentée pour obtenir le grade de Docteur de l'Université de Bordeaux, Ecologie évolutive, fonctionnelle et des communautés Langues : Anglais (eng) Descripteur : [Termes IGN] Allemagne [Termes IGN] changement climatique [Termes IGN] écologie forestière [Termes IGN] écosystème forestier [Termes IGN] Espagne [Termes IGN] espèce exotique envahissante [Termes IGN] Finlande [Termes IGN] gradient de marginalité climatique [Termes IGN] inventaire forestier étranger (données) [Termes IGN] inventaire forestier national (données France) [Termes IGN] mortalité [Termes IGN] Quercus rubra [Termes IGN] répartition géographique [Termes IGN] Robinia pseudoacacia [Termes IGN] sécheresse [Termes IGN] Suède [Termes IGN] Wallonie (Belgique) [Vedettes matières IGN] Inventaire forestier Index. décimale : THESE Thèses et HDR Résumé : (auteur) Modern climate change is reshaping species distributions, particularly on slow shifting organisms such as trees. Forests composition is therefore expected to change in the coming decades, which will alter ecosystem functions and biodiversity, with negative ecological and societal consequences for the planet.Tree distribution depends on several demographic traits such as recruitment, growth and mortality that interact across large climatic gradients. Yet, mortality is rising in all forested biomes in the world. In Europe for instance, forest mortality increases towards the climatic trailing edge of the species ranges as a response to drought. These high mortality rates are usually related to a lack of recruitment, which may induce vegetation shifts, but also opening new opportunities for the establishment of exotic invasive species. As demographic trait responses to climate vary across and within species, understanding trait interactions along large climatic gradients is crucial to better predict the impact of climate change on forest productivity, composition and range-shift dynamics.In this work I analyzed tree mortality and recruitment patterns of twenty of the most common native species and two exotic species in European forests and their triggered drivers. To this aim, I used data of 2 million trees from 153 892 plots measured in the National Forest Inventories from France, Spain, Germany, Belgium (Wallonia), Sweden and Finland.In the first chapter, I analyzed tree mortality and showed that the highest mortality occurrence happens in the climatic trailing edge, driven by drought, whereas the intensity of mortality is triggered by competition, drought and high temperatures and was uniformly scattered across species ranges. In addition, the occurrence of mortality was the highest in the trailing edge of temperate species and the lowest in the leading edge for half of the Mediterranean species.In the second chapter I analyzed tree recruitment, showing that for most species, there are no differences in recruitment across species ranges. Recruitment was strongly limited by competition and often depended on age, or growth rate of the plot. Surprisingly, the role of drought in tree recruitment only was evident in interaction with tree competition.In the third chapter, I assessed the invasiveness of two exotic invasive species, Quercus rubra and Robinia pseudoacacia. My results showed that both species are able to recruit new individuals under all other species canopies, to become dominant at the expanse of many trees species and suggested that they are both expanding their ranges northwards and southwards, in part because they are relatively less sensitive to drought than the other species.All together, my results highlight that trees sensitivity to current climate change is trait-dependent and differs across species ranges. The southern part of the species ranges can be shaped by drought-induced mortality, while recruitment is much less affected by drought. This different sensitivity to climate of tree mortality and recruitment suggests that recruitment could counteract the negative effects of climate change to a certain extent and that forests might be more resilient than what was previously thought. Yet, the exotic species expansion is less affected by the surrounding environment than Mediterranean and temperate species and could benefit from climate warming. Hence, the potential help of recruitment for in-situ species range persistence, and the management strategies which could help forests to mitigate future climate change remains to be explored. Note de contenu : 1- Introduction 2- Methods 3- Occurence but not intensity of mortality rises towards the climatic trailing edge of tree species ranges in European forests 4- Recruitment in European forests is more limited by competition than drought 5- Increase of invasiveness of Quercus rubra and Robinia pseudoacacia in European forests: an approach using National Forest Inventories 6- General discussion and conclusion Numéro de notice : 28483 Affiliation des auteurs : non IGN Thématique : FORET Nature : Thèse française Note de thèse : Thèse de Doctorat : Ecologie évolutive, fonctionnelle et des communautés : Bordeaux : 2021 Organisme de stage : Laboratoire Biodiversité, Gènes & Communautés DOI : sans En ligne : https://tel.archives-ouvertes.fr/tel-03462635/document Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=99187

Approche bayésienne pour la sélection de modèles / Benjamin Harroué (2020)  

Public Titre : Approche bayésienne pour la sélection de modèles : Application à la restauration d’image Type de document : Thèse/HDR Auteurs : Benjamin Harroué, Auteur ; Jean-François Giovannelli, Directeur de thèse ; Marcela Pereyra, Directeur de thèse Editeur : Bordeaux : Université de Bordeaux Année de publication : 2020 Importance : 102 p. Format : 21 x 30 cm Note générale : bibliographie Thèse présentée pour obtenir le grade de Docteur en Automatique, Productique, Signal et Image, Ingénierie cognitique Langues : Français (fre) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes IGN] déconvolution [Termes IGN] échantillonnage de Gibbs [Termes IGN] estimation bayesienne [Termes IGN] fonction harmonique [Termes IGN] matrice de covariance [Termes IGN] problème inverse [Termes IGN] processus gaussien [Termes IGN] reconstruction d'image [Termes IGN] restauration d'image Index. décimale : THESE Thèses et HDR Résumé : (auteur) L’inversion consiste à reconstruire des objets d’intérêt à partir de données acquises au travers d’un système d’observation. Dans ces travaux, nous nous penchons sur la déconvolution d’image. Les données observées constituent une version dégradée de l’objet, altéré par le système (flou et bruit). A cause de la perte d’informations engendrée, le problème devient alors mal conditionné. Une solution est de régulariser dans un cadre bayésien : en se basant sur des modèles, on introduit de l’information a priori sur les inconnues. Se posent alors les questions suivantes : comment comparer les modèles candidats et choisir le meilleur ? Sur quel critère faut-il s’appuyer ? A quelles caractéristiques ou quantités doit-on se fier ? Ces travaux présentent une méthode de comparaison et de sélection automatique de modèles, fondée sur la théorie de la décision bayésienne. La démarche consiste à sélectionner le modèle qui maximise la probabilité a posteriori. Pour calculer ces dernières, on a besoin de connaître une quantité primordiale : l’évidence. Elle s’obtient en marginalisant la loi jointe par rapport aux inconnus : l’image et les hyperparamètres. Les dépendances complexes entre les variables et la grande dimension de l’image rendent le calcul analytique de l’intégrale impossible. On a donc recours à des méthodes numériques. Dans cette première étude, on s’intéresse au cas gaussien circulant. Cela permet, d’une part, d’avoir une expression analytique de l’intégrale sur l’image, et d’autre part, de faciliter la manipulation des matrices de covariances. Plusieurs méthodes sont mises en œuvre comme l’algorithme du Chib couplé à une chaîne de Gibbs, les power posteriors, ou encore la moyenne harmonique. Les méthodes sont ensuite comparées pour déterminer lesquelles sont les plus adéquates au problème de la restauration d’image. Note de contenu : 1- Introduction 2- Sélection de modèles et calcul de l’évidence : état de l’art 3- Sélection de modèles sur observation directe 4- Sélection de modèles sur observation indirecte 5- Sélection de modèles sur données réelles 6- Conclusion : bilan et perspectives Numéro de notice : 28558 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Thèse française Note de thèse : thèse de Doctorat : Automatique, Productique, Signal et Image, Ingénierie cognitique : Bordeaux : 2020 nature-HAL : Thèse En ligne : https://tel.archives-ouvertes.fr/tel-03065948/document Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=97587

Interactions between hierarchical learning and visual system modeling : image classification on small datasets / Thalita Firmo Drumond (2020)  

Public Titre : Interactions between hierarchical learning and visual system modeling : image classification on small datasets Type de document : Thèse/HDR Auteurs : Thalita Firmo Drumond, Auteur ; Frédéric Alexandre, Directeur de thèse ; Thierry Viéville, Directeur de thèse Editeur : Bordeaux : Université de Bordeaux Année de publication : 2020 Importance : 195 p. Format : 21 x 30 cm Note générale : bibliographie Thèse présentée pour obtenir le grade de Docteur de l'Université de Bordeaux, Spécialité Informatique Langues : Français (fre) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes IGN] apprentissage profond [Termes IGN] classification par réseau neuronal convolutif [Termes IGN] classification par réseau neuronal récurrent [Termes IGN] classification semi-dirigée [Termes IGN] corpus [Termes IGN] échantillonnage de données [Termes IGN] processus de hiérarchisation analytique [Termes IGN] reconnaissance d'objets [Termes IGN] taille du jeu de données [Termes IGN] vision par ordinateur Index. décimale : THESE Thèses et HDR Résumé : (auteur) Deep convolutional neural networks (DCNN) have recently protagonized a revolution in large-scale object recognition. They have changed the usual computer vision practices of hand-engineered features, with their ability to hierarchically learn representative features from data with a pertinent classifier. Together with hardware advances, they have made it possible to effectively exploit the ever-growing amounts of image data gathered online. However, in specific domains like healthcare and industrial applications, data is much less abundant, and expert labeling costs higher than those of general purpose image datasets. This scarcity scenario leads to this thesis' core question: can these limited-data domains profit from the advantages of DCNNs for image classification? This question has been addressed throughout this work, based on an extensive study of literature, divided in two main parts, followed by proposal of original models and mechanisms.The first part reviews object recognition from an interdisciplinary double-viewpoint. First, it resorts to understanding the function of vision from a biological stance, comparing and contrasting to DCNN models in terms of structure, function and capabilities. Second, a state-of-the-art review is established aiming to identify the main architectural categories and innovations in modern day DCNNs. This interdisciplinary basis fosters the identification of potential mechanisms - inspired both from biological and artificial structures — that could improve image recognition under difficult situations. Recurrent processing is a clear example: while not completely absent from the "deep vision" literature, it has mostly been applied to videos — due to their inherently sequential nature. From biology however it is clear such processing plays a role in refining our perception of a still scene. This theme is further explored through a dedicated literature review focused on recurrent convolutional architectures used in image classification.The second part carries on in the spirit of improving DCNNs, this time focusing more specifically on our central question: deep learning over small datasets. First, the work proposes a more detailed and precise discussion of the small sample problem and its relation to learning hierarchical features with deep models. This discussion is followed up by a structured view of the field, organizing and discussing the different possible paths towards adapting deep models to limited data settings. Rather than a raw listing, this review work aims to make sense out of the myriad of approaches in the field, grouping methods with similar intent or mechanism of action, in order to guide the development of custom solutions for small-data applications. Second, this study is complemented by an experimental analysis, exploring small data learning with the proposition of original models and mechanisms (previously published as a journal paper).In conclusion, it is possible to apply deep learning to small datasets and obtain good results, if done in a thoughtful fashion. On the data path, one shall try gather more information from additional related data sources if available. On the complexity path, architecture and training methods can be calibrated in order to profit the most from any available domain-specific side-information. Proposals concerning both of these paths get discussed in detail throughout this document. Overall, while there are multiple ways of reducing the complexity of deep learning with small data samples, there is no universal solution. Each method has its own drawbacks and practical difficulties and needs to be tailored specifically to the target perceptual task at hand. Note de contenu : 1- Introduction I- Object recognition with deep convolutional neural networks 2- Convolutional neural networks and visual system modeling 3- Feedforward CNN architectures for object recognition 4- Recurrent and feedback CNN architectures for object recognition II- Image classification on small datasets 5- A review of strategies to use deep learning under limited data 6- Analysis of DCNN applied to small sample learning using data prototypes 7 Conclusion Numéro de notice : 28312 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Thèse française Note de thèse : thèse de Doctorat : Informatique : Bordeaux : 2020 Organisme de stage : Laboratoire bordelais de recherche en informatique DOI : sans En ligne : https://tel.archives-ouvertes.fr/tel-03129189v2/document Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=98233

2D image processing applied to 3D LiDAR point clouds / Pierre Biasutti (2019)  

Permalink

Potentialités de l’imagerie couleur embarquée pour la détection et la cartographie des maladies fongiques de la vigne / Florent Abdelghafour (2019)  

Permalink

International journal of virtual reality, IJVR (1995 -)  

Permalink

Deux méthodes d'utilisation de la télédétection en géologie : cartographie automatique des éléments linéaires, stéréoscopie gravimétrique, Volume 1. Texte / B. Fourcade (1979)

Permalink

Deux méthodes d'utilisation de la télédétection en géologie : cartographie automatique des éléments linéaires, stéréoscopie gravimétrique, Volume 2. Annexes / B. Fourcade (1979)

Permalink

Deux méthodes d'utilisation de la télédétection en géologie : cartographie automatique des éléments linéaires, stéréoscopie gravimétrique, Volume 3. Planches / B. Fourcade (1979)

Permalink

Revue forestière française / AgroParisTech (1949 -)  

Permalink

Etude géologique de la région littorale de la province d'Alger / L. Glangeaud (1932)

Permalink