Centre de documentation
scientifique

Applications of multi-image remote sensing / Roger Mari Molas (2022)  

Public Titre : Applications of multi-image remote sensing Type de document : Thèse/HDR Auteurs : Roger Mari Molas, Auteur ; Gabriele Facciolo, Directeur de thèse ; Enric Meinhardt-Llopis, Directeur de thèse Editeur : Bures-sur-Yvette : Université Paris-Saclay Année de publication : 2022 Importance : 191 p. Format : 21 x 30 cm Note générale : Bibliographie Thèse de Doctorat de l’Université Paris-Saclay, spécialité Mathématiques Appliquées Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes IGN] apprentissage profond [Termes IGN] compensation par faisceaux [Termes IGN] image satellite [Termes IGN] image Worldview [Termes IGN] modèle numérique de surface [Termes IGN] modèle par fonctions rationnelles [Termes IGN] modèle stéréoscopique [Termes IGN] Python (langage de programmation) [Termes IGN] reconstruction 3D Index. décimale : THESE Thèses et HDR Résumé : (auteur) This thesis studies the problem of 3D reconstruction from a collection of high-resolution satellite images. Satellite multi-view 3D reconstruction requires a very fine control of the acquisition geometry, in order to guarantee the consistency of altitude estimates obtained from different views. The first part of the thesis is therefore devoted to the optimization of the mathematical representation of the acquisition geometry, which usually takes the form of RPC camera models. We propose a bundle adjustment methodology that maximizes the geometric consistency between a set of satellite views and the associated RPC cameras. This methodology incorporates an RPC estimation algorithm that allows the direct composition of the original unrefined models with corrective transformations, without using approximate intermediate representations. The second part of the thesis presents different practical applications of multi-image remote sensing, most of which benefit from the consistency control of the acquisition geometry. The different methods concern the following topics: the detection of volume changes on the Earth's surface across different dates; the geometrically consistent generation of large-scale mosaics built from smaller satellite images; a neural rendering network (NeRF) capable of learning the geometry of a satellite scene in a self-supervised manner and also of synthesizing new realistic views, with the ability to distinguish shadows and transient objects from permanent structures; and a comparison between classic algorithms and supervised deep learning networks for dense stereo matching. As a result, this thesis describes a variety of cutting-edge ideas on the exploitation of optical satellite images that have the potential to improve activities related to large-scale land surface knowledge, such as surveillance, urban planning or natural resource management. The presented methods are evaluated with high-resolution images from the WorldView-3 and SkySat constellations. The implementation of most methods is also released as open-source Python code. Note de contenu : 1- Introduction 2- Introduction (en français) Part I. Geometric modeling of multi-view satellite imagery 3- Geolocation correction methods for satellite multi-view stereo 4- Bundle adjustment of RPC camera models 5- Robust RPC camera modeling Part II. Applications of multi-view satellite imagery 6- Automatic stockpile volume monitoring 7- Perfect sensor localization for push-frame image stitching 8- Satellite NeRF 9- Disparity estimation network 10- Conclusion Numéro de notice : 24100 Affiliation des auteurs : non IGN Thématique : IMAGERIE/MATHEMATIQUE Nature : Thèse française Note de thèse : Thèse de Doctorat : Mathématiques Appliquées : Saclay : 2022 Organisme de stage : Centre Borelli (Saclay) DOI : sans En ligne : https://www.theses.fr/2022UPASM045 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=102575

Deep learning-based point cloud compression / Maurice Quach (2022)  

Public Titre : Deep learning-based point cloud compression Titre original : Compression de nuages de points par apprentissage profond Type de document : Thèse/HDR Auteurs : Maurice Quach, Auteur ; Frédéric Dufaux, Directeur de thèse ; Giuseppe Valenzise, Directeur de thèse Editeur : Bures-sur-Yvette : Université Paris-Saclay Année de publication : 2022 Importance : 165 p. Format : 21 x 30 cm Note générale : Bibliographie Thèse de Doctorat de l'Université de Saclay, spécialité Traitement du signal et des images Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image [Termes IGN] apprentissage profond [Termes IGN] attribut [Termes IGN] compression d'image [Termes IGN] compression de données [Termes IGN] géométrie [Termes IGN] semis de points [Termes IGN] stockage de données Index. décimale : THESE Thèses et HDR Résumé : (auteur) Point clouds are becoming essential in key applications with advances in capture technologies leading to large volumes of data.Compression is thus essential for storage and transmission.Point Cloud Compression can be divided into two parts: geometry and attribute compression.In addition, point cloud quality assessment is necessary in order to evaluate point cloud compression methods.Geometry compression, attribute compression and quality assessment form the three main parts of this dissertation.The common challenge across these three problems is the sparsity and irregularity of point clouds.Indeed, while other modalities such as images lie on a regular grid, point cloud geometry can be considered as a sparse binary signal over 3D space and attributes are defined on the geometry which can be both sparse and irregular.First, the state of the art for geometry and attribute compression methods with a focus on deep learning based approaches is reviewed.The challenges faced when compressing geometry and attributes are considered, with an analysis of the current approaches to address them, their limitations and the relations between deep learning and traditional ones.We present our work on geometry compression: a convolutional lossy geometry compression approach with a study on the key performance factors of such methods and a generative model for lossless geometry compression with a multiscale variant addressing its complexity issues.Then, we present a folding-based approach for attribute compression that learns a mapping from the point cloud to a 2D grid in order to reduce point cloud attribute compression to an image compression problem.Furthermore, we propose a differentiable deep perceptual quality metric that can be used to train lossy point cloud geometry compression networks while being well correlated with perceived visual quality and a convolutional neural network for point cloud quality assessment based on a patch extraction approach.Finally, we conclude the dissertation and discuss open questions in point cloud compression, existing solutions and perspectives. We highlight the link between existing point cloud compression research and research problems to relevant areas of adjacent fields, such as rendering in computer graphics, mesh compression and point cloud quality assessment. Note de contenu : 1- Introduction 2- State of the Art on point cloud compression 3- Convolutional neural networks for lossy PCGC 4- Deep generative model for lossless PCGC 5- Deep multiscale lossless PCGC 6- Folding-based PCAC 7- Deep perceptual point cloud quality metric 8- Convolutional Neural Network for PCQA Numéro de notice : 24081 Affiliation des auteurs : non IGN Thématique : IMAGERIE/INFORMATIQUE Nature : Thèse française Note de thèse : Thèse de doctorat : Traitement du signal et des images : Paris-Saclay : 2022 Organisme de stage : Laboratoire des signaux et systèmes DOI : sans En ligne : https://theses.hal.science/tel-03894261 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=102331

Impacts of drought on biomass and carbon fluxes in the Amazon rainforest / Yitong Yao (2022)  

Public Titre : Impacts of drought on biomass and carbon fluxes in the Amazon rainforest : a modeling approach Type de document : Thèse/HDR Auteurs : Yitong Yao, Auteur ; Nicolas Viovy, Directeur de thèse ; Philippe Ciais, Directeur de thèse ; Emilie Joetzjer, Directeur de thèse Editeur : Bures-sur-Yvette : Université Paris-Saclay Année de publication : 2022 Importance : 300 p. Format : 21 x 30 cm Note générale : Bibliographie These de doctorat de l’université Paris-Saclay, spécialité Surfaces continentales Langues : Anglais (eng) Descripteur : [Termes IGN] Amazonie [Termes IGN] arbre mort [Termes IGN] biomasse forestière [Termes IGN] changement climatique [Termes IGN] distribution spatiale [Termes IGN] dynamique de la végétation [Termes IGN] forêt tropicale [Termes IGN] modèle de simulation [Termes IGN] placette d'échantillonnage [Termes IGN] puits de carbone [Termes IGN] sécheresse [Termes IGN] stress hydrique [Vedettes matières IGN] Végétation et changement climatique Index. décimale : THESE Thèses et HDR Résumé : (Auteur) Les sécheresses ont eu un impact récurrent sur les forêts tropicales amazoniennes, amenuisant la capacité de puits de carbone de la biomasse forestière. La plupart des modèles globaux de surface terrestre utilisés pour les évaluations du budget mondial du carbone et les projections climatiques futures, n'intègrent pas la mortalité des arbres induite par la sécheresse. Leurs prévisions de la dynamique de la biomasse sont donc sujettes à de grandes incertitudes. Les faiblesses des modèles globaux sont liés à : (1) l’absence de la représentation explicite du transport hydraulique; (2) le manque d'équations basées sur les processus à travers la description de la façon dont une altération du système de transport hydraulique des arbres conduit à la mortalité ; (3) le manque de représentation de la mortalité à travers les tailles des arbres. Tout d'abord, j'ai implémenté une architecture hydraulique mécaniste qui a été conçue par E. Joetzjer, et un module de mortalité des arbres que j'ai conçu dans l'ORCHIDEE-CAN-NHA. Notre modèle a produit des taux annuels de mortalité des arbres comparables à ceux observés et a capturé la dynamique de la biomasse. Ce travail fournit une base pour des recherches ultérieures sur l'assimilation des données d'observation expérimentales afin de paramétrer la mortalité des arbres induite par la défaillance hydraulique. Deuxièmement, j'ai appliqué ORCHIDEE-CAN-NHA sur la forêt tropicale intacte de l'Amazonie. Le modèle a reproduit la sensibilité à la sécheresse de la croissance et de la mortalité de la biomasse aérienne (AGB) observée sur des réseaux de placettes d'inventaire forestier dans les forêts intactes d'Amazonie pour les deux récentes méga-sécheresses de 2005 et 2010. Dans le modèle, même si le changement climatique, avec des sécheresses devenant plus sévères, a eu tendance à intensifier la mortalité des arbres, l'augmentation de la concentration de CO2 a contribué à atténuer la perte de carbone due à la mortalité en supprimant la transpiration. Enfin, j'ai utilisé le modèle ORCHIDEE-CAN-NHA afin de simuler le futur du stockage du carbone dans la biomasse en Amazonie. La plupart des modèles climatiques (ISIMIP-2) projettent néanmoins de manière cohérente une tendance plus sèche dans le nord-est de l'Amazonie. La simulation forcée par le modèle climatique HadGEM dans le scénario RCP8.5 montre un assèchement plus prononcé dans l'est et le nord-est de l'Amazonie, avec un point d'intersection où le puits de carbone se transforme en source de carbone dans le bouclier guyanais et le centre-est de l'Amazonie, au milieu du 21e siècle. Cette étude permet de prédire l'évolution future de la dynamique de la biomasse de la forêt amazonienne avec un modèle amélioré basé sur les processus, capable de reproduire la mortalité induite par le changement climatique. Dans les sections conclusion et perspectives, des développements futurs et des priorités de recherche sont proposés, qui amélioreraient la fiabilité et les performances du modèle basé sur les processus présentés dans cette thèse, permettant de mieux capturer les mécanismes qui contrôlent l'évolution de la dynamique de la biomasse forestière face à des risques de sécheresse plus fréquents. Note de contenu : 1. General Introduction 1.1 The state of Amazon rainforest 1.2 The starting point for this PhD project 1.3 The drivers and occurrence of tree mortality 1.4 Mechanisms related to tree mortality 1.5 The performance of process-based models in simulating plant hydraulics 1.6 Simulating tree mortality 1.7 The past drought effects on forest biomass dynamics 1.8 The effect of elevated CO2 during drought 1.9 The future forest biomass carbon dynamics in Amazonian rainforest 1.10 The aim and research questions of this PhD project 2. Spatial distribution of tropical soil heterotrophic respiration and the climatic driver on its inter-annual variability 3. Forest fluxes and mortality response to drought: model description (ORCHIDEE-CAN-NHA) and evaluation at the Caxiuanã drought experiment 4. How drought events during the last Century have impacted biomass carbon in Amazonian rainforests 5. Future drought-induced tree mortality risk in Amazon rainforests 6. Conclusions and perspectives Numéro de notice : 26947 Affiliation des auteurs : non IGN Thématique : FORET Nature : Thèse française Note de thèse : Thèse de doctorat : Surfaces continentales : Paris-Saclay : 2022 Organisme de stage : Laboratoire des Sciences du Climat et de l'Environnement LSCE nature-HAL : Thèse DOI : sans Date de publication en ligne : 14/11/2022 En ligne : https://theses.hal.science/tel-03850701/document Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=102210

Interactive semantic segmentation of aerial images with deep neural networks / Gaston Lenczner (2022)  

Public Titre : Interactive semantic segmentation of aerial images with deep neural networks Type de document : Thèse/HDR Auteurs : Gaston Lenczner, Auteur ; Guy Le Besnerais, Directeur de thèse Editeur : Bures-sur-Yvette : Université Paris-Saclay Année de publication : 2022 Importance : 120 p. Format : 21 x 30 cm Note générale : Bibliographie Thèse pour obtenir le grade de Docteur de l'Université Paris-Saclay, Spécialité : Traitement du signal et des images Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes IGN] apprentissage automatique [Termes IGN] image aérienne [Termes IGN] image RVB [Termes IGN] programme interactif [Termes IGN] réalité de terrain [Termes IGN] réseau neuronal profond [Termes IGN] segmentation sémantique Index. décimale : THESE Thèses et HDR Résumé : (Auteur) Nous proposons dans cette thèse de mettre en place une collaboration entre un réseau de neurones profond et un utilisateur pour collecter rapidement des cartes de segmentation sémantiques précises d'images de télédétection. En bref, l'utilisateur interagit de manière itérative avec le réseau pour corriger ses prédictions initialement erronées. Concrètement, ces interactions sont des annotations représentant les labels sémantiques. Nos contributions se décomposent en quatre parties. Premièrement, nous proposons deux schémas d'apprentissage interactif pour intégrer les entrées de l'utilisateur dans les réseaux de neurones profonds. Le premier concatène les annotations de l'utilisateur avec les autres entrées du réseau (comme l'image RGB). Nous l'appliquons à la fois aux architectures convolutionnelles et aux Transformers. La seconde utilise les annotations comme une vérité terrain partielle pour ré-entraîner le réseau. Ensuite, nous proposons une stratégie d'apprentissage actif pour guider l'utilisateur vers les zones les plus pertinentes à annoter. Dans ce but, nous adaptons différentes fonctions d'acquisition issues de l'état de l'art pour évaluer l'incertitude du réseau de neurones. Enfin, nous proposons de modifier l'espace de sortie de l'algorithme pour l'adapter rapidement à de nouvelles classes sous faible supervision. Pour atténuer les problèmes de décalage de la classe d'arrière plan et d'oubli catastrophique inhérents à ce problème, nous comparons différentes régularisations et tirons parti d'une stratégie dite de pseudo-labeling. À travers des expériences sur plusieurs jeux de données de télédétection, nous démontrons l'efficacité et analysons les méthodes proposées. La combinaison de ces différents travaux aboutit à un framework robuste et polyvalent pour corriger de manière interactive les cartes de segmentation sémantique produites par des algorithmes d'apprentissage profond en télédétection. Note de contenu : Chapter 1. Introduction 1.1 Context 1.2 Open research questions 1.3 Contributions 1.4 Manuscript outline 1.5 Publications Chapter 2. Related work 2.1 Understanding the stakes 2.2 Interactive learning 2.3 Metrics & datasets Chapter 3. Fast interactive learning 3.1 Motivation & contribution 3.2 DISIR : Deep Image Segmentation with Interactive Refinements 3.3 Evaluation process 3.4 Experiments 3.5 Conclusion Chapter 4. Interactive learning at scale 4.1 Transformers for a better propagation of the annotations 4.2 DISCA : Deep Image Segmentation with Continual Adaptation Chapter 5. Guiding the interactions 5.1 Motivation & contributions 5.2 DIAL : Deep Interactive and Active Learning 5.3 Experiments 5.4 Conclusion Chapter 6. Towards interactive class-incremental segmentation 6.1 Motivation & contributions 6.2 Methodology 6.3 Experiments 6.4 Conclusion Chapter 7. Conclusion 7.1 Summary of contributions 7.2 Future works Numéro de notice : 26906 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Thèse française Note de thèse : Thèse de Doctorat : Traitement du signal et des images : Paris-Saclay : 2022 Organisme de stage : Département Traitement de l’Information et Systèmes DTIS (ONERA) nature-HAL : Thèse DOI : sans Date de publication en ligne : 14/10/2022 En ligne : https://tel.hal.science/tel-03814978 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=101918

Modélisation temporelle du fouillis forestier radar / Xavier Husson (2022)  

Public Titre : Modélisation temporelle du fouillis forestier radar Type de document : Thèse/HDR Auteurs : Xavier Husson, Auteur ; Fabrice Boust, Directeur de thèse Editeur : Bures-sur-Yvette : Université Paris-Saclay Année de publication : 2022 Importance : 157 p. Format : 21 x 30 cm Note générale : Bibliographie Thèse soutenue pour obtenir le grade de Docteur à l'Université Paris-Saclay, spécialité Physique Langues : Français (fre) Descripteur : [Vedettes matières IGN] Traitement d'image radar et applications [Termes IGN] acquisition d'images [Termes IGN] fouillis d'échos [Termes IGN] image radar moirée [Termes IGN] implémentation (informatique) [Termes IGN] modèle de simulation [Termes IGN] modélisation de la forêt [Termes IGN] modélisation spatio-temporelle [Termes IGN] vent [Termes IGN] visibilité spatio-temporelle Index. décimale : THESE Thèses et HDR Résumé : (Auteur) La végétation est un élément important pour le radar car elle est omniprésente et met en échec de nombreux algorithmes. Cela provient avant tout du mouvement de la végétation, sous l’effet du vent, qui induit un décalage Doppler. Dans cette thèse, nous avons développé un modèle de fouillis de végétation pour l’imagerie SAR. Pour ce modèle de fouillis, nous avons décidé de travailler sur la base de 3 hypothèses. Premièrement, nous avons choisi une modélisation géotypique au travers d’une approche procédurale de création d’arbres et de leur représentation par des maillages surfaciques. Deuxièmement, nous avons opté pour une modélisation électromagnétique asymptotique compatible des fréquences supérieures à 10 GHz, typiques des systèmes d’acquisition haute résolution. Troisièmement, nous avons retenu une modélisation animée constituée d’un maillage surfacique déformable à même de rendre compte du décalage Doppler. Pour cela, nous avons adapté un simulateur ONERA permettant la génération de données radars brutes. La première amélioration réside dans le choix d’une approche asymptotique en 2 étapes (optique géométrique et physique), détermination de la visibilité des facettes du maillage et évaluation du champ rétrodiffusé correspondant. La deuxième amélioration réside dans le développement d’une méthode d’interpolation afin de limiter le nombre de calculs de visibilité, point crucial pour l’imagerie SAR haute résolution. La formation d’images SAR pour différentes intensité de vents nous a permis d’observer la défocalisation due aux mouvements des arbres au cours d’une acquisition. Une analyse de la DSP, par comparaison avec le modèle de Billingsley, confirme la capacité de notre modèle à restituer le décalage Doppler. Note de contenu : 1. Introduction 1.1 Imagerie SAR 1.2 Simulation d’acquisitions SAR 1.3 Bibliographie sur les modèles d’arbres 2. Incorporation d’un modèle de végétation à un processus de simulation existant 2.1 Travaux antérieurs : simulateur EDGE 2.2 Adaptation de la chaîne de modélisation 2.3 Mise en avant de différentes échelles de temps 3. Mise en place de la chaîne de modélisation 3.1 Préparation de données d’entrée 3.2 Description du script maître 4. Evaluation du champ rétrodiffusé 4.1 Calcul de SER de polygones 4.2 Validation de l’implémentation de l’optique physique 4.3 Développement d’une approche prenant en compte la visibilité 4.4 Développement d’une approche prenant en compte la visibilité partielle 5. Génération de données simulées 5.1 Impact des paramètres de modélisation 5.2 Impact des paramètres de la végétation 6. Conclusion 6.1 Contributions 6.2 Perspectives Numéro de notice : 26823 Affiliation des auteurs : non IGN Thématique : FORET/IMAGERIE Nature : Thèse française Note de thèse : Thèse de Doctorat : Physique : Paris-Saclay : 2022 Organisme de stage : ONERA nature-HAL : Thèse DOI : sans Date de publication en ligne : 25/03/2022 En ligne : https://tel.hal.science/tel-03620307 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=100640

Machine learning for the distributed and dynamic management of a fleet of taxis and autonomous shuttles / Tatiana Babicheva (2021)  

Permalink

Télédétection hyperspectrale pour l’identification et la caractérisation de minéraux industriels / Ronan Rialland (2021)  

Permalink

Imaging and diagnostic of sub-wavelength micro-structures, from closed-form algorithms to deep learning / Peipei Ran (2020)  

Permalink

Contributions to SAR image time series analysis / Ammar Mian (2019)  

Permalink

Multitemporal SAR images denoising and change detection : applications to Sentinel-1 data / Weiying Zhao (2019)  

Permalink