Relevant bibliographies by topics / Images de télédétection – Classification

Contents

  1. Journal articles
  2. Dissertations / Theses
  3. Books
  4. Book chapters
  5. Conference papers
  6. Reports

Academic literature on the topic 'Images de télédétection – Classification'

Author: Grafiati
Published: 4 June 2021
Last updated: 4 May 2024

Create a spot-on reference in APA, MLA, Chicago, Harvard, and other styles

Select a source type:

Consult the lists of relevant articles, books, theses, conference reports, and other scholarly sources on the topic 'Images de télédétection – Classification.'

Next to every source in the list of references, there is an 'Add to bibliography' button. Press on it, and we will generate automatically the bibliographic reference to the chosen work in the citation style you need: APA, MLA, Harvard, Chicago, Vancouver, etc.

You can also download the full text of the academic publication as pdf and read online its abstract whenever available in the metadata.

Journal articles on the topic "Images de télédétection – Classification"

1

Matsaguim Nguimdo, Cédric Aurélien, and Emmanuel D. Tiomo. "FORET D'ARBRES ALEATOIRES ET CLASSIFICATION D'IMAGES SATELLITES : RELATION ENTRE LA PRECISION DU MODELE D'ENTRAINEMENT ET LA PRECISION GLOBALE DE LA CLASSIFICATION." Revue Française de Photogrammétrie et de Télédétection, no. 222 (November 26, 2020): 3–14. http://dx.doi.org/10.52638/rfpt.2020.477.

Full text
Abstract:
Résumé: En télédétection, il existe un grand nombre d'algorithmes permettant de classifier une image satellite. Parmi ces algorithmes de classification, la Forêt d'Arbres Aléatoires apparait comme particulièrement performant. Cette étude a pour objectifs d'évaluer (1) l'importance de la sélection des images pour le niveau de précision du modèle d'entrainement et (2) la nature de la relation qui existe entre le niveau de précision du modèle et celui de la précision globale de la carte thématique résultant de la classification de l'image satellite avec cet algorithme de classification. A partir d'une image Landsat 8 OLI prise au-dessus d'une zone de montagne tropicale : la région de l'Ouest Cameroun, 35 modèles ont été construits et testés. Les résultats montrent que le niveau de la précision globale des résultats de la Forêts d'Arbres Aléatoires est étroitement dépendant d'une part de la précision du modèle d'entrainement utilisé pour classifier l'image satellite, et d'autre part du choix des images utilisées pour entrainer ce modèle. De plus, la sélection de ces images est elle-même dépendante de la qualité des zones d'entrainement qui serviront à la construction du modèle. Il est donc important de mettre en accent particulier sur la qualité des données d'entrée afin de garantir des résultats satisfaisants avec cet algorithme. Mots clés : Forêt d’Arbres Aléatoires ; précision ; modèle d’entrainement ; télédétection ; Cameroun
APA, Harvard, Vancouver, ISO, and other styles
2

Harris, Jeff R., Juan X. He, Robert Rainbird, and Pouran Behnia. "A Comparison of Different Remotely Sensed Data for Classifying Bedrock Types in Canada’s Arctic: Application of the Robust Classification Method and Random Forests." Geoscience Canada 41, no. 4 (December 3, 2014): 557. http://dx.doi.org/10.12789/geocanj.2014.41.062.

Full text
Abstract:
The Geological Survey of Canada, under the Remote Predictive Mapping project of the Geo-mapping for Energy and Minerals program, Natural Resources Canada, has the mandate to produce up-to-date geoscience maps of Canada’s territory north of latitude 60°. Over the past three decades, the increased availability of space-borne sensors imaging the Earth’s surface using increasingly higher spatial and spectral resolutions has allowed geologic remote sensing to evolve from being primarily a qualitative discipline to a quantitative discipline based on the computer analysis of digital images. Classification of remotely sensed data is a well-known and common image processing application that has been used since the early 1970s, concomitant with the launch of the first Landsat (ERTS) earth observational satellite. In this study, supervised classification is employed using a new algorithm known as the Robust Classification Method (RCM), as well as a Random Forest (RF) classifier, to a variety of remotely sensed data including Landsat-7, Landsat-8, Spot-5, Aster and airborne magnetic imagery, producing predictions (classifications) of bedrock lithology and Quaternary cover in central Victoria Island, Northwest Territories. The different data types are compared and contrasted to evaluate how well they classify various lithotypes and surficial materials; these evaluations are validated by confusion analysis (confusion matrices) as well as by comparing the generalized classifications with the newly produced geology map of the study area. In addition, three new Multiple Classification System (MCS) methods are proposed that leverage the best characteristics of all remotely sensed data used for classification. Both RCM (using the maximum likelihood classification algorithm, or MLC) and RF provide good classification results; however, RF provides the highest classification accuracy because it uses all 43 of the raw and derived bands from all remotely sensed data. The MCS classifications, based on the generalized training dataset, show the best agreement with the new geology map for the study area.SOMMAIREDans le cadre de son projet de Télécartographie prédictive du Programme de géocartographie de l’énergie et des minéraux de Ressources naturelles Canada, la Commission géologique du Canada a le mandat de produire des cartes géoscientifiques à jour du territoire du Canada au nord de la latitude 60°. Au cours des trois dernières décennies, le nombre croissant des détecteurs aérospatiaux aux résolutions spatiales et spectrales de plus en plus élevées a fait passer la télédétection géologique d’une discipline principalement qualitative à une discipline quantitative basée sur l'analyse informatique d’images numériques. La classification des données de télédétection est une application commune et bien connue de traitement d'image qui est utilisée depuis le début des années 1970, parallèlement au lancement de Landsat (ERST) le premier satellite d'observation de la Terre. Dans le cas présent, nous avons employé une méthode de classification dirigée en ayant recours à un nouvel algorithme appelé Méthode de classification robuste (MRC), ainsi qu’au classificateur Random Forest (RF), appliqués à une variété de données de télédétection dont celles de Landsat-7, Landsat-8, Spot-5, Aster et d’imagerie magnétique aéroportée, pour produire des classifications prédictives de la lithologie du substratum rocheux et de la couverture Quaternaire du centre de l'île Victoria, dans les Territoires du Nord-Ouest. Les différents types de données sont comparés et contrastés pour évaluer dans quelle mesure ils classent les divers lithotypes et matériaux de surface; ces évaluations sont validés par analyse de matrices de confusion et par comparaison des classifications généralisées des nouvelles cartes géologiques de la zone d'étude. En outre, trois nouvelles méthodes par système de classification multiple (MCS) sont proposées qui permettent d’exploiter les meilleures caractéristiques de toutes les données de télédétection utilisées pour la classification. Tant la méthode MRC (utilisant l'algorithme de classification de vraisemblance maximale ou MLC que la méthode RF donne de bons résultats de classification; toutefois c’est la méthode RF qui offre la précision de classification la plus élevée car elle utilise toutes les 43 les bandes de données brutes et dérivées de toutes les données de télédétection. Les classifications MCS, basées sur le jeu de données généralisées d’apprentissage, montrent le meilleur accord avec la nouvelle carte géologique de la zone d'étude.
APA, Harvard, Vancouver, ISO, and other styles
3

Benmostefa, Soumia, and Hadria Fizazi. "Classification automatique des images satellitaires optimisée par l'algorithme des chauves-souris." Revue Française de Photogrammétrie et de Télédétection, no. 203 (April 8, 2014): 11–17. http://dx.doi.org/10.52638/rfpt.2013.25.

Full text
Abstract:
Cet article propose une nouvelle approche de classification automatique non supervisée des images. La classification est l'une des opérations les plus importantes dans plusieurs domaines d'analyse d'images telles que la médecine et la télédétection. Elle consiste à rechercher les différents thèmes constituant une scène représentée. Cependant, en raison de sa complexité plusieurs méthodes ont été proposées, spécifiquement des méthodes d'optimisation. Nous nous intéressons à la technique des chauves-souris, une métaheuristique d'optimisation biologique très récente, visant à modéliser le comportement d'écholocation des chauves-souris que nous allons adapter au problème de classification. Elle combine les avantages de plusieurs métaheuristiques telles que l'optimisation par essaims particulaires, les algorithmes génétiques et le recuit simulé.\\Une nouvelle approche de classification automatique basée sur l'algorithme des chauves-souris est implémentée et appliquée sur deux images, la première est synthétique contenant des objets polyédriques, la seconde est satellitaire représentant la région d'Oran ouest en Algérie. Les différentes expérimentations effectuées conduisent à des résultats satisfaisants et montrent l'efficacité de l'approche.
APA, Harvard, Vancouver, ISO, and other styles
4

Gasmi, Anis, Antoine Masse, Danielle Ducrot, and Hédi Zouari. "Télédétection et photogrammétrie pour l'étude de la dynamique de l'occupation du sol dans le bassin versant de l'oued Chiba (Cap-Bon, Tunisie)." Revue Française de Photogrammétrie et de Télédétection, no. 215 (August 16, 2017): 43–51. http://dx.doi.org/10.52638/rfpt.2017.344.

Full text
Abstract:
L'article présente les résultats de l'étude de l'évolution spatiale et temporelle de l'occupation du sol dans le bassin de l'Oued Chiba (200 km2) situé au Nord-Est de la Tunisie. Cette analyse est fondée sur une classification de données de télédétection (images Landsat TM des années 1992, 2011 et une image ASTER de l'année 2001) et de photographies aériennes à l'échelle de 1/20 000 (des années 1962, 1974 et 1984). La méthode de classification des images satellites utilisées est un classifieur supervisé de type séparateur à vastes marges (SVM) avec un noyau gaussien.L'analyse de l'occupation des sols sur une période de 49 ans se traduit par une augmentation de l'espace agricole (classe des cultures / jachères et la classe d'arboricultures) de 24 km2 en 1962 à 75 km2 en 2011. Ces changements d'occupation et d'utilisation du sol sont liés directement à la création du barrage de l'Oued Chiba en 1963.
APA, Harvard, Vancouver, ISO, and other styles
5

Tegno Nguekam, Eric Wilson, Salomon C. Nguemhe Fils, Joachim Etouna, and Simon Njeudeng Tenku. "ANALYSE DE LA DEFORESTATION DANS LA PERIPHERIE OUEST DE LA RESERVE DE BIOSPHERE DU DJA AU CAMEROUN, A PARTIR D'UNE SERIE MULTI-ANNUELLE D'IMAGES LANDSAT." Revue Française de Photogrammétrie et de Télédétection, no. 222 (November 26, 2020): 31–41. http://dx.doi.org/10.52638/rfpt.2020.434.

Full text
Abstract:
Résumé : Dans cet article, il est question d’évaluer la déforestation dans la périphérie Ouest de la réserve de Biosphère du Dja à travers les techniques de Télédétection et de Système d’Information Géographique. Pour cela, 08 images Landsat de date différentes (2011 à 2018) ont été utilisées pour produire les cartes d’occupation du sol, à travers la méthode de classification supervisée et l’algorithme « maximum likelihood ». Les classes d’occupation de sol retenues pour cette classification sont : forêt dense, forêt dégradée, zone de culture, zone marécageuse, zone d’habitation, sol nu et eau. L’analyse des changements a été faite avec la technique de « change detection ». Les résultats de cette étude ont montré que la déforestation a été importante pendant la période d’étude (2011 – 2018). Les surfaces forestières se sont principalement transformées en zone de culture, marécage, forêt dégradée, sol nu. Le taux de déforestation observé est de 6,8% et dénote une importante baisse du couvert forestier dense. L’étude a montré des tendances de déforestation dans cette périphérie. Elle a permis d’observer que les zones tendancieuses sont concentrées principalement autour de certaines activités anthropiques présentes dans cette zone (la plantation agricole SUDCAM, le barrage de Mekin, les lieux habités). Mots-clés : Déforestation, Changement climatique, forêt, tendances de déforestation, images satellites
APA, Harvard, Vancouver, ISO, and other styles
6

Dechaïcha, Assoule, and Djamel Alkama. "DÉTECTION DU CHANGEMENT DE L’ÉTALEMENT URBAIN AU BAS-SAHARA ALGÉRIEN : APPORT DE LA TÉLÉDÉTECTION SPATIALE ET DES SIG. CAS DE LA VILLE DE BISKRA (ALGÉRIE)." Revue Française de Photogrammétrie et de Télédétection, no. 222 (November 26, 2020): 43–51. http://dx.doi.org/10.52638/rfpt.2020.486.

Full text
Abstract:
L’étalement urbain constitue un des problèmes majeurs que connaissant les oasis du Bas-Sahara algérien. Le suivi et la compréhension de son évolution spatiale demeurent une étape essentielle dans toute démarche de développement soutenable de la ville oasienne. Les autorités locales ne disposent pas d’outils appropriés, susceptibles d’être mis à jour régulièrement, pour leur permettre d’agir efficacement en matière de planification et d’aménagement spatial. La télédétection spatiale et les Systèmes d’Information Géographique (SIG) offrent des opportunités permettant de surmonter ces difficultés. La présente étude consiste en l’application d’une technique de détection du changement pour cartographier et quantifier l’étalement spatiotemporel de la ville de Biskra (Algérie) durant la période 1985 - 2000, en utilisant des images Landsat des années 1985, 2000 et 2015. La comparaison post-classification des cartes d’occupation du sol a révélé une croissance des surfaces bâties, allant jusqu’au-delà des limites communales en conurbation avec l’agglomération de Chetma, au détriment d’un recul progressif de la palmeraie. Cette dernière a subi un processus de morcellement et de mitage par le bâti, conduisant à la perte de l’identité oasienne de la ville. L’objectif de la présente étude est de mettre en évidence le processus de l’étalement urbain et les modifications d’occupation du sol qu’il engendre. Elle montre l’importance des méthodes de détection du changement pour la compréhension des formes d’urbanisation et l’évaluation de leurs impacts sur les écosystèmes oasiens. Mots clés : Étalement urbain, ville oasienne, télédétection spatiale, SIG, détection du changement.
APA, Harvard, Vancouver, ISO, and other styles
7

Hili, Aïman, Rachid Bissour, Farid Jaa, Hanane Reddad, and Yassine El Jouhary. "Etude de la dynamique spatio-temporelle de la forêt des Ait Daoud ou Ali (Haut Atlas central, Maroc) en utilisant les techniques géospatiales." Revista de Estudios Andaluces, no. 43 (2022): 208–25. http://dx.doi.org/10.12795/rea.2022.i43.11.

Full text
Abstract:
Depuis longtemps l’Homme cherche l’exploitation des ressources naturelles à des fines quotidiennes. Ainsi, le développement scientifique et technologique actuel lui a facilité et lui a donné des vraies opportunités pour la surexploitation de ces ressources en général et du couvert végétal en particulier. Afin de montre cette exploitation nous voulons, dans le présent article, étudier l’évolution du couvert végétal de la forêt des Ait Daoud ou Ali, située dans le Haut Atlas central sur une superficie de 30 860 ha, entre 1972, 1999 et 2020, en se basant sur la télédétection et l’outil SIG. Pour ce qui concerne la méthodologie de travail, l’étude multi-chronique de la dynamique du couvert végétal de la zone d’étude, repose sur l’analyse spatio-temporelle et le traitement des images satellitaires par la télédétection spatiale. En effet, dans le présent papier nous avons opté cette démarche qui s’appuie sur l’utilisation des données des images du satellite de LandSat de trois types; il s’agit des images de type MSS, ETM et Oli, pour trois dates 1972, 1999 et 2020 (période de 48 ans) pour identifier les différences spatiales du couvert végétal entre les trois dates choisies. En effet, l’étude de la dynamique du couvert végétal de la forêt des Ait Daoud ou Ali entre 1972, 1999 et 2020, a montré une variation spatio-temporelle très importante, liée essentiellement à plusieurs facteurs (naturels et humaines). La comparaison des résultats de la classification des images Landsat, a montré un recul et une dégradation importante du couvert végétal entre 1972 et 1999 de 12% de la surface totale de la zone d’étude. Cette dégradation est justifiée par l’intervention de plusieurs facteurs, notamment les conditions climatiques et les périodes sèches qu’a connu le Maroc à cette période. Pour la deuxième période (1999-2020), le traitement a montré une progression du couvert végétal de l’ordre de 10%. Dans cette étude, nous avons mis en évidence l’impact des facteurs naturels et notamment les actions anthropiques sur la dynamique de la forêt des Ait Daoud ou Ali située dans Haut Atlas Central, en se basant sur l’utilisation des techniques géospatiales qui nous ont permis d’avoir des informations très précises relatives à la dynamique spatio-temporelle du couvert végétal.
APA, Harvard, Vancouver, ISO, and other styles
8

Aouragh, Mbark, Bernard Lacaze, Micheline Hotyat, Rachid Ragala, and Ahmed El Aboudi. "Cartographie et suivi de la densité des arbres de l'arganeraie (sud-ouest du Maroc) à partir d'images de télédétection à haute résolution spatiale." Revue Française de Photogrammétrie et de Télédétection, no. 203 (April 8, 2014): 3–9. http://dx.doi.org/10.52638/rfpt.2013.24.

Full text
Abstract:
L'étude porte sur la cartographie du couvert arboré de la forêt claire d'arganiers du sud-ouest du Maroc. Les données utilisées sont une image IKONOS de 2003 et une image GeoEye de 2011, extraite de Google Earth ; cette dernière est corrigée géométriquement pour être superposable à l'image IKONOS (résolution spatiale 1m). L'approche de classification orientée objet permet de cartographier de façon assez satisfaisante les couronnes des arbres sur les deux images. Cependant la comparaison des résultats des deux classifications laisse apparaître des artefacts et ne peut servir à une analyse diachronique fiable. La solution alternative proposée repose sur l'analyse interactive de l'histogramme bi-varié de deux canaux provenant respectivement de l'image de 2003 et de celle de 2011. Pour la zone étudiée, le couvert arboré a un faible recouvrement (8% en moyenne) et apparaît stable de 2003 à 2011, avec localement une légère diminution de densité des arbres.
APA, Harvard, Vancouver, ISO, and other styles
9

Messner, François, Jeannine Corbonnois, and Fanny Stella Tchitouo Ntenzou. "Analyse de l'incertitude et de la précision thématique de classifications GEOBIA d'une image WorldView-2." Revue Française de Photogrammétrie et de Télédétection, no. 216 (April 19, 2018): 19–37. http://dx.doi.org/10.52638/rfpt.2018.310.

Full text
Abstract:
L'évaluation de la précision des cartes thématiques produites par télédétection est une finalité de tout processus de classification modélisant le paysage. Reposant traditionnellement sur la matrice de confusion, elle peut être complétée par des méthodes alternatives plus à même de prendre en compte le biais relatif à la sélection des échantillons d'apprentissage, ainsi que par l'emploi d'approches représentant spatialement l'incertitude inhérente aux classifications. Une telle démarche est adoptée dans cet article, en évaluant la précision à l'aide des estimateurs du Maximum de Probabilité a Posteriori, puis en déterminant, pour chaque unité de carte, des mesures d'incertitude : l'entropie quadratique, la divergence de Kullback-Leibler et un indice de concordance qualitatif. Ces traitements sont analysés et comparés selon 3 classifieurs, Random Forest, C5.0 et l'Analyse Discriminante Linéaire et selon 4 stratégies de classification : classifieurs seuls, classifieurs avec procédure de bagging, classifieurs avec procédure d'apprentissage actif et classifieurs avec procédure d'apprentissage actif et de bagging. Les résultats obtenus soulignent la complémentarité des estimateurs de précision pour mettre en évidence un biais dans l'évaluation de la précision ou dans la détermination des probabilités a posteriori, et justifie la prise en considération des indices d'incertitude comme source d'informations sur la distribution spatiale des erreurs de cartographie.
APA, Harvard, Vancouver, ISO, and other styles
10

Boubacar, Ouedraogo, Dibi N’Da Hyppolite, and Nanan Noël Kouman Kouassi. "Apport des Donnees d’Observation de la Terre Dans l’Evaluation du Potentiel Forester de la Reserve Narutelle Mabi- Yaya au Sud-est de la Cote d’Ivoire." European Scientific Journal, ESJ 19, no. 21 (July 31, 2023): 210. http://dx.doi.org/10.19044/esj.2023.v19n21p210.

Full text
Abstract:
La réserve naturelle Mabi-Yaya (RNMY) a été créée à travers le décret n° 2019-897 du 30 octobre 2019 par le gouvernement de la Côte d’Ivoire pour palier le problème de pression anthropique qui pèse sur la zone. Elle est située dans le Sud-est de la Côte d’Ivoire et regorge une diversité floristique très riche. La présente étude vise à améliorer les connaissances sur le potentiel forestier de la réserve et les différentes pressions qu’elle subit, pour sa gestion durable. La réalisation de cette étude a été faite à travers les approches de télédétection qui ont consisté à la classification de deux images Sentinel-2A de 2015 et 2020. Cette classification des images Sentinels a ensuite été confirmée par des observations sur le terrain. Les résultats obtenus font état de six (6) classes d’occupation du sol dans la RNMY en 2015 et en 2020, avec les forêts denses humides comme classe dominante. L’analyse spatio-temporelle de ces images a permis d’avoir une carte de la dynamique de 2015 et une carte actualisée de 2020. Il ressort de l’analyse de ces différentes cartes que la RNMY est soumise à une forte pression anthropique. La dynamique de l’utilisation des terres a révélé une perte annuelle de près de 1 % des forêts denses humides, principalement due à la production des cultures pérennes (cacao, hévéa et café). The Mabi-Yaya Natural Reserve (RNMY) was created through decree n° 2019-897 of October 30, 2019 by the government of Côte d'Ivoire in response to the anthropogenic pressure on the area. It is located in the South-east of Côte d'Ivoire and possesses a very rich floral biodiversity. This study aimed to improve knowledge of the forest potential and the various pressures on the reserve for its sustainable management. This study was carried out through remote sensing approaches which consisted in the classification of the two Sentinel-2A images from 2015 and 2020. The classification of Sentinel images was thereafter confirmed by field observations. The results showed six (6) land cover classes in the RNMY in 2015 and 2020, with dense humid forests as the dominant class. The spatio-temporal analysis of the images depicted a map of the dynamics in 2015 and an updated map of 2020. The analysis of these different maps revealed that the RNMY is heavily affected by anthropogenic pressure. Land use dynamics revealed an annual loss of nearly 1 % of dense humid forests each year mainly due to the production of perennial crops (cocoa, rubber and coffee).
APA, Harvard, Vancouver, ISO, and other styles
More sources

Dissertations / Theses on the topic "Images de télédétection – Classification"

1

Maggiori, Emmanuel. "Approches d'apprentissage pour la classification à large échelle d'images de télédétection." Thesis, Université Côte d'Azur (ComUE), 2017. http://www.theses.fr/2017AZUR4041/document.

Full text
Abstract:
L’analyse des images satellite et aériennes figure parmi les sujets fondamentaux du domaine de la télédétection. Ces dernières années, les avancées technologiques ont permis d’augmenter la disponibilité à large échelle des images, en comprenant parfois de larges étendues de terre à haute résolution spatiale. En plus des questions évidentes de complexité calculatoire qui en surgissent, un de plus importants défis est l’énorme variabilité des objets dans les différentes régions de la terre. Pour aborder cela, il est nécessaire de concevoir des méthodes de classification qui dépassent l’analyse du spectre individuel de chaque pixel, en introduisant de l’information contextuelle de haut niveau. Dans cette thèse, nous proposons d’abord une méthode pour la classification avec des contraintes de forme, basée sur l’optimisation d’une structure de subdivision hiérarchique des images. Nous explorons ensuite l’utilisation des réseaux de neurones convolutionnels (CNN), qui nous permettent d’apprendre des descripteurs hiérarchiques profonds. Nous étudions les CNN depuis de nombreux points de vue, ce qui nous permettra de les adapter à notre objectif. Parmi les sujets abordés, nous proposons différentes solutions pour générer des cartes de classification à haute résolution et nous étudions aussi la récolte des données d’entrainement. Nous avons également créé une base de données d’images aériennes sur des zones variées, pour évaluer la capacité de généralisation des CNN. Finalement, nous proposons une méthode pour polygonaliser les cartes de classification issues des réseaux de neurones, afin de pouvoir les intégrer dans des systèmes d’information géographique. Au long de la thèse, nous conduisons des expériences sur des images hyperspectrales, satellites et aériennes, toujours avec l’intention de proposer des méthodes applicables, généralisables et qui passent à l’échelle
The analysis of airborne and satellite images is one of the core subjects in remote sensing. In recent years, technological developments have facilitated the availability of large-scale sources of data, which cover significant extents of the earth’s surface, often at impressive spatial resolutions. In addition to the evident computational complexity issues that arise, one of the current challenges is to handle the variability in the appearance of the objects across different geographic regions. For this, it is necessary to design classification methods that go beyond the analysis of individual pixel spectra, introducing higher-level contextual information in the process. In this thesis, we first propose a method to perform classification with shape priors, based on the optimization of a hierarchical subdivision data structure. We then delve into the use of the increasingly popular convolutional neural networks (CNNs) to learn deep hierarchical contextual features. We investigate CNNs from multiple angles, in order to address the different points required to adapt them to our problem. Among other subjects, we propose different solutions to output high-resolution classification maps and we study the acquisition of training data. We also created a dataset of aerial images over dissimilar locations, and assess the generalization capabilities of CNNs. Finally, we propose a technique to polygonize the output classification maps, so as to integrate them into operational geographic information systems, thus completing the typical processing pipeline observed in a wide number of applications. Throughout this thesis, we experiment on hyperspectral, atellite and aerial images, with scalability, generalization and applicability goals in mind
APA, Harvard, Vancouver, ISO, and other styles
2

El, Ghouat Mohamed Abdelwafi. "Classification markovienne pyramidale adaptation de l'algorithme ICM aux images de télédétection." Thesis, National Library of Canada = Bibliothèque nationale du Canada, 1997. http://www.collectionscanada.ca/obj/s4/f2/dsk3/ftp04/nq26379.pdf.

Full text
APA, Harvard, Vancouver, ISO, and other styles
3

Trias-Sanz, Roger. "Semi-automatic rural land cover classification from high resolution remote sensing images." Paris 5, 2006. http://www.theses.fr/2006PA05S005.

Full text
Abstract:
Cette thèse présente un chaine d'analyse d'image qui, à partir d'images numériques à haute résolution et à trois ou quatre canaux (50 cm, couleur et, dans certains cas, proche infrarouge), mais aussi en s'appuyant sur le parcellaire cadastral, rend une segmentation des images en parcelles agraires (champs, forêts, vignes,. . . ) et une classification de celles-ci, avec une très haute fiabilité, et attribue à chaque segment classifié une mesure qui indique la confiance que le système a en cette classification. Elle inclut une étude sur l'intérêt de la texture et les espaces de couleur pour la segmentation et la classification, deux méthodes de recalage de graphes sur une image, un modèle de probabilité novateur et ses algorthmes de classification par régions associées, et un éstimateur très précis de la période et de l'orientation
This thesis presents a complete image analisys system which, from high-resolution 3 or 4-channel digital images (50 cm, colour and optionally near infrared), and using the cadastre database, segments the images into agriculturally-homogeneous regions, (fields, forests, vines, and so on) and classifies these regions, tagging each classified region with a confidence measure which indicates the system's confidence in each classification. It includes a study of the value of texture features and transformed colour spaces for segmentation and classification, two methods for registering a graph onto an image, a novel probability model and associated per-region classification algorithms, and a high precision period and orientation estimator
APA, Harvard, Vancouver, ISO, and other styles
4

Quirin, Arnaud. "Découverte de règles de classification par approche évolutive : Application aux images de télédétection." Université Louis Pasteur (Strasbourg) (1971-2008), 2005. http://www.theses.fr/2005STR13193.

Full text
APA, Harvard, Vancouver, ISO, and other styles
5

Audebert, Nicolas. "Classification de données massives de télédétection." Thesis, Lorient, 2018. http://www.theses.fr/2018LORIS502/document.

Full text
Abstract:
La multiplication des sources de données et la mise à disposition de systèmes d'imagerie à haute résolution a fait rentrer l'observation de la Terre dans le monde du big data. Cela a permis l'émergence de nouvelles applications (étude de la répartition des sols par data mining, etc.) et a rendu possible l'application d'outils statistiques venant des domaines de l'apprentissage automatique et de la vision par ordinateur. Cette thèse cherche à concevoir et implémenter un modèle de classification bénéficiant de l'existence de grande bases de données haute résolution (si possible, annotées) et capable de générer des cartes sémantiques selon diverses thématiques. Les applications visés incluent la cartographie de zones urbaines ainsi que l'étude de la géologie et de la végétation à des fins industrielles.L'objectif de la thèse est de développer de nouveaux outils statistiques pour la classification d'images aériennes et satellitaires. Des approches d'apprentissage supervisé telles que les réseaux de neurones profonds, surpassant l'état-de-l'art en combinant des caractéristiques locales des images et bénéficiant d'une grande quantité de données annotées, seront particulièrement étudiées. Les principales problématiques sont les suivantes : (a) la prédiction structurée (comment introduire la structure spatial et spectral dans l'apprentissage ?), (b) la fusion de données hétérogènes (comment fusionner des données SAR, hyperspectrales et Lidar ?), (c) la cohérence physique du modèle (comment inclure des connaissances physiques a priori dans le modèle ?) et (d) le passage à l'échelle (comment rendre les solutions proposées capables de traiter une quantité massive de données ?)
Thanks to high resolution imaging systems and multiplication of data sources, earth observation(EO) with satellite or aerial images has entered the age of big data. This allows the development of new applications (EO data mining, large-scale land-use classification, etc.) and the use of tools from information retrieval, statistical learning and computer vision that were not possible before due to the lack of data. This project is about designing an efficient classification scheme that can benefit from very high resolution and large datasets (if possible labelled) for creating thematic maps. Targeted applications include urban land use, geology and vegetation for industrial purposes.The PhD thesis objective will be to develop new statistical tools for classification of aerial andsatellite image. Beyond state-of-art approaches that combine a local spatial characterization of the image content and supervised learning, machine learning approaches which take benefit from large labeled datasets for training classifiers such that Deep Neural Networks will be particularly investigated. The main issues are (a) structured prediction (how to incorporate knowledge about the underlying spatial and contextual structure), (b) data fusion from various sensors (how to merge heterogeneous data such as SAR, hyperspectral and Lidar into the learning process ?), (c) physical plausibility of the analysis (how to include prior physical knowledge in the classifier ?) and (d) scalability (how to make the proposed solutions tractable in presence of Big RemoteSensing Data ?)
APA, Harvard, Vancouver, ISO, and other styles
6

Dos, santos Jefersson Alex. "Semi-automatic Classification of Remote Sensing Images." Phd thesis, Université de Cergy Pontoise, 2013. http://tel.archives-ouvertes.fr/tel-00878612.

Full text
Abstract:
A huge effort has been made in the development of image classification systemswith the objective of creating high-quality thematic maps and to establishprecise inventories about land cover use. The peculiarities of Remote SensingImages (RSIs) combined with the traditional image classification challengesmake RSI classification a hard task. Many of the problems are related to therepresentation scale of the data, and to both the size and therepresentativeness of used training set.In this work, we addressed four research issues in order to develop effectivesolutions for interactive classification of remote sensing images.The first research issue concerns the fact that image descriptorsproposed in the literature achieve good results in various applications, butmany of them have never been used in remote sensing classification tasks.We have tested twelve descriptors that encodespectral/color properties and seven texture descriptors. We have also proposeda methodology based on the K-Nearest Neighbor (KNN) classifier for evaluationof descriptors in classification context. Experiments demonstrate that JointAuto-Correlogram (JAC), Color Bitmap, Invariant Steerable Pyramid Decomposition(SID), and Quantized Compound Change Histogram (QCCH) yield the best results incoffee and pasture recognition tasks.The second research issue refers to the problem of selecting the scaleof segmentation for object-based remote sensing classification. Recentlyproposed methods exploit features extracted from segmented objects to improvehigh-resolution image classification. However, the definition of the scale ofsegmentation is a challenging task. We have proposedtwo multiscale classification approaches based on boosting of weak classifiers.The first approach, Multiscale Classifier (MSC), builds a strongclassifier that combines features extracted from multiple scales ofsegmentation. The other, Hierarchical Multiscale Classifier (HMSC), exploits thehierarchical topology of segmented regions to improve training efficiencywithout accuracy loss when compared to the MSC. Experiments show that it isbetter to use multiple scales than use only one segmentation scale result. Wehave also analyzed and discussed about the correlation among the useddescriptors and the scales of segmentation.The third research issue concerns the selection of training examples and therefinement of classification results through multiscale segmentation. We have proposed an approach forinteractive multiscale classification of remote sensing images.It is an active learning strategy that allows the classification resultrefinement by the user along iterations. Experimentalresults show that the combination of scales produces better results thanisolated scales in a relevance feedback process. Furthermore, the interactivemethod achieves good results with few user interactions. The proposed methodneeds only a small portion of the training set to build classifiers that are asstrong as the ones generated by a supervised method that uses the whole availabletraining set.The fourth research issue refers to the problem of extracting features of ahierarchy of regions for multiscale classification. We have proposed a strategythat exploits the existing relationships among regions in a hierarchy. Thisapproach, called BoW-Propagation, exploits the bag-of-visual-word model topropagate features along multiple scales. We also extend this idea topropagate histogram-based global descriptors, the H-Propagation method. The proposedmethods speed up the feature extraction process and yield good results when compared with globallow-level extraction approaches.
APA, Harvard, Vancouver, ISO, and other styles
7

Lagrange, Adrien. "From representation learning to thematic classification - Application to hierarchical analysis of hyperspectral images." Thesis, Toulouse, INPT, 2019. http://www.theses.fr/2019INPT0095.

Full text
Abstract:
De nombreuses approches ont été développées pour analyser la quantité croissante de donnée image disponible. Parmi ces méthodes, la classification supervisée a fait l'objet d'une attention particulière, ce qui a conduit à la mise au point de méthodes de classification efficaces. Ces méthodes visent à déduire la classe de chaque observation en se basant sur une nomenclature de classes prédéfinie et en exploitant un ensemble d'observations étiquetées par des experts. Grâce aux importants efforts de recherche de la communauté, les méthodes de classification sont devenues très précises. Néanmoins, les résultats d'une classification restent une interprétation haut-niveau de la scène observée puisque toutes les informations contenues dans une observation sont résumées en une unique classe. Contrairement aux méthodes de classification, les méthodes d'apprentissage de représentation sont fondées sur une modélisation des données et conçues spécialement pour traiter des données de grande dimension afin d'en extraire des variables latentes pertinentes. En utilisant une modélisation basée sur la physique des observations, ces méthodes permettent à l'utilisateur d'extraire des variables très riches de sens et d'obtenir une interprétation très fine de l'image considérée. L'objectif principal de cette thèse est de développer un cadre unifié pour l'apprentissage de représentation et la classification. Au vu de la complémentarité des deux méthodes, le problème est envisagé à travers une modélisation hiérarchique. L'approche par apprentissage de représentation est utilisée pour construire un modèle bas-niveau des données alors que la classification, qui peut être considérée comme une interprétation haut-niveau des données, est utilisée pour incorporer les informations supervisées. Deux paradigmes différents sont explorés pour mettre en place ce modèle hiérarchique, à savoir une modélisation bayésienne et la construction d'un problème d'optimisation. Les modèles proposés sont ensuite testés dans le contexte particulier de l'imagerie hyperspectrale où la tâche d'apprentissage de représentation est spécifiée sous la forme d'un problème de démélange spectral
Numerous frameworks have been developed in order to analyze the increasing amount of available image data. Among those methods, supervised classification has received considerable attention leading to the development of state-of-the-art classification methods. These methods aim at inferring the class of each observation given a specific class nomenclature by exploiting a set of labeled observations. Thanks to extensive research efforts of the community, classification methods have become very efficient. Nevertheless, the results of a classification remains a highlevel interpretation of the scene since it only gives a single class to summarize all information in a given pixel. Contrary to classification methods, representation learning methods are model-based approaches designed especially to handle high-dimensional data and extract meaningful latent variables. By using physic-based models, these methods allow the user to extract very meaningful variables and get a very detailed interpretation of the considered image. The main objective of this thesis is to develop a unified framework for classification and representation learning. These two methods provide complementary approaches allowing to address the problem using a hierarchical modeling approach. The representation learning approach is used to build a low-level model of the data whereas classification is used to incorporate supervised information and may be seen as a high-level interpretation of the data. Two different paradigms, namely Bayesian models and optimization approaches, are explored to set up this hierarchical model. The proposed models are then tested in the specific context of hyperspectral imaging where the representation learning task is specified as a spectral unmixing problem
APA, Harvard, Vancouver, ISO, and other styles
8

DUPUIS, XAVIER ROLAND GEORGES. "Etude de modeles non-lineaires dans le cadre de l'imagerie coherente. Application a la classification et a l'interferometrie d'image radar a ouverture synthetique." Nice, 1999. http://www.theses.fr/1999NICE5342.

Full text
Abstract:
Ce memoire est consacre a trois traitements de l'imagerie coherente et plus particulierement radar. Les donnees mesurees forment des images complexes, qui sont traitees tant sur le module que sur la phase. L'approche du filtrage du bruit de chatoiement, qui entache l'image du module, est basee sur la minimisation d'un critere deterministe non-lineaire. Le critere qui est defini prend explicitement en compte l'aspect multiplicatif de ce bruit et preserve les structures de l'image tout en lissant les zones homogenes. De plus, les coefficients qui ponderent l'influence des differents termes de ce critere s'auto-adaptent localement dans l'image. La methode fournit, outre la scene filtree, la carte des discontinuites et une estimation du bruit de chatoiement. Ces resultats sont utilises pour classifier les images du module. L'algorithme de classification supervisee est basee sur la minimisation de deux criteres deterministes qui s'appliquent sur l'image filtree et sur l'image des textures. Ces criteres prennent en compte les classes d'un voisinage ponderes par la carte de discontinuites calculee lors du filtrage. Le deroulement de phase est base sur une estimation du gradient. La preservation des contours et des zones non-coherence de l'interferogramme, lors du filtrage du gradient, permet d'eliminer les pics dus aux sauts de phase. Le gradient obtenu est integre en evitant les zones a problemes marquees lors du filtrage.
APA, Harvard, Vancouver, ISO, and other styles
9

Blansché, Alexandre. "Classification non supervisée avec pondération d'attributs par des méthodes évolutionnaires." Université Louis Pasteur (Strasbourg) (1971-2008), 2006. https://publication-theses.unistra.fr/public/theses_doctorat/2006/BLANSCHE_Alexandre_2006.pdf.

Full text
APA, Harvard, Vancouver, ISO, and other styles
10

Lehureau, Gabrielle. "Fusion de données optique et radar à haute résolution en milieu urbain." Paris, Télécom ParisTech, 2010. http://www.theses.fr/2010ENST0035.

Full text
Abstract:
La nouvelle génération de satellites de télédétection, optique et radar, avec des résolutions de l'ordre du mètre, introduit de nouvelles problématiques, notamment en reconnaissance des formes et interprétation des données. La complémentarité entre ces deux types d'images en terme d'utilisation et d'information délivrée montre l'intérêt d'une interprétation conjointe. Nous proposons une méthode de recalage des images optique et radar fondée sur le contenu de la scène et sans utilisation des paramètres capteurs. Notre approche permet de déterminer la transformation rigide entre les images à travers une représentation hiérarchique de leur contenu, puis la transformation polynomiale à partir de couples de points obtenus à l'aide de l'information mutuelle. Nous avons développé une technique de classification permettant d'identifier le contenu de la scène, exploitant à la fois les informations de l'image optique et celles issues de l'image radar. La méthode, utilisant les séparateurs à vaste marge, montre l'interêt d'utiliser conjointement les informations contenues dans chaque image, en particulier pour la détection des routes et des bâtiments et est robuste face à la segmentation. Finalement nous présentons une méthode originale de recalage fin des bâtiments fondée sur l'hypothèse qu' “un classificateur peut reconnaître un bâtiment bien recalé si nous le lui avons appris". Ainsi nous classons des bâtiments avec des caractéristiques correspondant à plusieurs translations afin de déterminer leurs positions. Nous montrons également l'importance d'utiliser l'information contextuelle dans le recalage des objets, en particulier pour les bâtiments
The increasing quality of satellite images has generated interest in extracting man-made structures. Optical and radar sensors deliver images with unlike physical properties, thus it is interesting to fuse such images in order to benefit from joint observation. Such a process begins with registration of these images. We propose an automatic registration of radar and optical images without using sensors parameters. First, a rigid transformation is determined using a multi-scale pyramid of features representing the contours of roads and buildings. Secondly, a polynomial transformation is determined. The coefficients are obtained by associating points in both images using mutual information. We also developped a classification process in order to identify all scene objects. This method used both information from optical and radar images and svm classifier. We proved in this part a good robustness to segmentation and the interest of using both data to improve the classification, especially for roads and buildings. Finally we present an original method of fine registration for the buildings based on the assumption that “a trained classifier can recognize registrated buildings from unregistrated“. So, buildings are classified considering many translations in order to determine the good one. We also show the importance of contextual information to improve the fine registration, especially for buildings
APA, Harvard, Vancouver, ISO, and other styles
More sources

Books on the topic "Images de télédétection – Classification"

1

Létourneau, Guy. Description des données brutes de télédétection. Montréal, Qué: Centre Saint-Laurent, Conservation de l'environnement, Environnement Canada, 1996.

Find full text
APA, Harvard, Vancouver, ISO, and other styles
2

M, Benning Vivien, and Ching Neville P, eds. Classification of remotely sensed images. Bristol: A. Hilger, 1987.

Find full text
APA, Harvard, Vancouver, ISO, and other styles
3

Minvielle, Erwann. L' analyse statistique et spatiale: Statistiques, cartographie, télédétection, SIG. Nantes [France]: Éditions du Temps, 2003.

Find full text
APA, Harvard, Vancouver, ISO, and other styles
4

Jenicka, S. Land Cover Classification of Remotely Sensed Images. Cham: Springer International Publishing, 2021. http://dx.doi.org/10.1007/978-3-030-66595-1.

Full text
APA, Harvard, Vancouver, ISO, and other styles
5

Lalonde, Sophie. Milieux humides du lac Saint-Pierre: Évolution temporelle. Montréal, Qué: Centre Saint-Laurent, Conservation de l'environnement, Environnement Canada, 1996.

Find full text
APA, Harvard, Vancouver, ISO, and other styles
6

Yin, Xiao-Xia, Sillas Hadjiloucas, and Yanchun Zhang. Pattern Classification of Medical Images: Computer Aided Diagnosis. Cham: Springer International Publishing, 2017. http://dx.doi.org/10.1007/978-3-319-57027-3.

Full text
APA, Harvard, Vancouver, ISO, and other styles
7

Létourneau, Guy. Cartographie des marais, marécages et herbiers aquatiques le long du Saint-Laurent par télédétection aéroportée. Montréal, Qué: Centre Saint-Laurent, Conservation de l'environnement, Environnement Canada, 1996.

Find full text
APA, Harvard, Vancouver, ISO, and other styles
8

Létourneau, Guy. Marais, marécages et herbiers le long du Saint-Laurent. Montréal, Qué: Centre Saint-Laurent, Conservation de l'environnement, Environnement Canada, 1996.

Find full text
APA, Harvard, Vancouver, ISO, and other styles
9

Lehmann, Thomas Martin. ˜Theœ IRMA code for unique classification of medical images. Aachen: Universitätsbibliothek der RWTH Aachen, 2016.

Find full text
APA, Harvard, Vancouver, ISO, and other styles
10

Létourneau, Guy. Hydrodynamique et dynamique sédimentaire du lac Saint-François. Montréal, Qué: Centre Saint-Laurent, Conservation de l'environnement, Environnement Canada, 1996.

Find full text
APA, Harvard, Vancouver, ISO, and other styles
More sources

Book chapters on the topic "Images de télédétection – Classification"

1

Knoblauch, Kenneth, and Laurence T. Maloney. "Classification Images." In Modeling Psychophysical Data in R, 167–94. New York, NY: Springer New York, 2012. http://dx.doi.org/10.1007/978-1-4614-4475-6_6.

Full text
APA, Harvard, Vancouver, ISO, and other styles
2

Koprowski, Robert. "Classification." In Processing of Hyperspectral Medical Images, 83–109. Cham: Springer International Publishing, 2016. http://dx.doi.org/10.1007/978-3-319-50490-2_5.

Full text
APA, Harvard, Vancouver, ISO, and other styles
3

Manohar, N., M. A. Pranav, S. Aksha, and T. K. Mytravarun. "Classification of Satellite Images." In Information and Communication Technology for Intelligent Systems, 703–13. Singapore: Springer Singapore, 2020. http://dx.doi.org/10.1007/978-981-15-7078-0_70.

Full text
APA, Harvard, Vancouver, ISO, and other styles
4

Peters, James F. "Pattern-Based Picture Classification." In Topology of Digital Images, 317–42. Berlin, Heidelberg: Springer Berlin Heidelberg, 2014. http://dx.doi.org/10.1007/978-3-642-53845-2_12.

Full text
APA, Harvard, Vancouver, ISO, and other styles
5

Yin, Xiao-Xia, Sillas Hadjiloucas, and Yanchun Zhang. "Pattern Classification." In Pattern Classification of Medical Images: Computer Aided Diagnosis, 93–128. Cham: Springer International Publishing, 2017. http://dx.doi.org/10.1007/978-3-319-57027-3_4.

Full text
APA, Harvard, Vancouver, ISO, and other styles
6

Castillo-Rosado, Katy, and José Hernández-Palancar. "Rolled-Plain Fingerprint Images Classification." In Advanced Information Systems Engineering, 556–63. Berlin, Heidelberg: Springer Berlin Heidelberg, 2014. http://dx.doi.org/10.1007/978-3-319-12568-8_68.

Full text
APA, Harvard, Vancouver, ISO, and other styles
7

White, Richard L. "Object Classification in Astronomical Images." In Statistical Challenges in Modern Astronomy II, 135–51. New York, NY: Springer New York, 1997. http://dx.doi.org/10.1007/978-1-4612-1968-2_8.

Full text
APA, Harvard, Vancouver, ISO, and other styles
8

Yanai, Keiji. "Image Classification by Web Images." In Lecture Notes in Computer Science, 613–14. Berlin, Heidelberg: Springer Berlin Heidelberg, 2002. http://dx.doi.org/10.1007/3-540-45683-x_83.

Full text
APA, Harvard, Vancouver, ISO, and other styles
9

de la Calleja, Jorge, and Olac Fuentes. "Automated Classification of Galaxy Images." In Lecture Notes in Computer Science, 411–18. Berlin, Heidelberg: Springer Berlin Heidelberg, 2004. http://dx.doi.org/10.1007/978-3-540-30134-9_55.

Full text
APA, Harvard, Vancouver, ISO, and other styles
10

Freire, Daniela L., André Carlos Ponce de Leon Ferreira de Carvalho, Leonardo Carneiro Feltran, Lara Ayumi Nagamatsu, Kelly Cristina Ramos da Silva, Claudemir Firmino, João Eduardo Ferreira, et al. "Lawsuits Document Images Processing Classification." In Progress in Artificial Intelligence, 41–52. Cham: Springer International Publishing, 2022. http://dx.doi.org/10.1007/978-3-031-16474-3_4.

Full text
APA, Harvard, Vancouver, ISO, and other styles

Conference papers on the topic "Images de télédétection – Classification"

1

Malkauthekar, Mahananda D. "Classification of facial images." In 2011 International Conference on Emerging Trends in Electrical and Computer Technology (ICETECT 2011). IEEE, 2011. http://dx.doi.org/10.1109/icetect.2011.5760168.

Full text
APA, Harvard, Vancouver, ISO, and other styles
2

Al-Hujazi, Ezzet H., and Arun K. Sood. "Classification of range images." In Orlando '90, 16-20 April, edited by Mohan M. Trivedi. SPIE, 1990. http://dx.doi.org/10.1117/12.21063.

Full text
APA, Harvard, Vancouver, ISO, and other styles
3

Karahan, Esin, and Cengizhan Ozturk. "Multivariate classification of fMRI images." In 2009 14th National Biomedical Engineering Meeting. IEEE, 2009. http://dx.doi.org/10.1109/biyomut.2009.5130368.

Full text
APA, Harvard, Vancouver, ISO, and other styles
4

Thakur, Ramesh Kumar, and Chandran Saravanan. "Classification of color hazy images." In 2016 International Conference on Electrical, Electronics, and Optimization Techniques (ICEEOT). IEEE, 2016. http://dx.doi.org/10.1109/iceeot.2016.7755074.

Full text
APA, Harvard, Vancouver, ISO, and other styles
5

Kannan, Anitha, Partha Pratim Talukdar, Nikhil Rasiwasia, and Qifa Ke. "Improving Product Classification Using Images." In 2011 IEEE 11th International Conference on Data Mining (ICDM). IEEE, 2011. http://dx.doi.org/10.1109/icdm.2011.79.

Full text
APA, Harvard, Vancouver, ISO, and other styles
6

Cusano, Claudio, and Simone Santini. "Cooperative classification of shared images." In IS&T/SPIE Electronic Imaging, edited by Qian Lin, Zhigang Z. Fan, Theo Gevers, Raimondo Schettini, and Cees Snoek. SPIE, 2010. http://dx.doi.org/10.1117/12.847979.

Full text
APA, Harvard, Vancouver, ISO, and other styles
7

Fevralev, Dmitriy V., Vladimir V. Lukin, Nikolay N. Ponomarenko, Benoit Vozel, Kacem Chehdi, Andriy Kurekin, and Lik-Kwan Shark. "Classification of filtered multichannel images." In Remote Sensing, edited by Lorenzo Bruzzone. SPIE, 2010. http://dx.doi.org/10.1117/12.864215.

Full text
APA, Harvard, Vancouver, ISO, and other styles
8

Dinuls, Romans, and Ints Mednieks. "Nonparametric Classification of Satellite Images." In the 2018 International Conference. New York, New York, USA: ACM Press, 2018. http://dx.doi.org/10.1145/3274250.3274260.

Full text
APA, Harvard, Vancouver, ISO, and other styles
9

Schistad Solberg Asbjørn Berg, Anne, and Are F. C. Jensen. "Robust classification of hyperspectral images." In Remote Sensing, edited by Lorenzo Bruzzone. SPIE, 2007. http://dx.doi.org/10.1117/12.753095.

Full text
APA, Harvard, Vancouver, ISO, and other styles
10

Erol, Berna, and Jonathan J. Hull. "Semantic classification of business images." In Electronic Imaging 2006, edited by Edward Y. Chang, Alan Hanjalic, and Nicu Sebe. SPIE, 2006. http://dx.doi.org/10.1117/12.643463.

Full text
APA, Harvard, Vancouver, ISO, and other styles

Reports on the topic "Images de télédétection – Classification"

1

Fox, Neil D., and Pi-Fuay Chen. Improving Classification Accuracy of Radar Images Using a Multiple-Stage Classifier. Fort Belvoir, VA: Defense Technical Information Center, September 1988. http://dx.doi.org/10.21236/ada200291.

Full text
APA, Harvard, Vancouver, ISO, and other styles
2

Basri, Ronen, and Daphna Weinshall. Distance Metric between 3D Models and 2D Images for Recognition and Classification. Fort Belvoir, VA: Defense Technical Information Center, July 1992. http://dx.doi.org/10.21236/ada260069.

Full text
APA, Harvard, Vancouver, ISO, and other styles
3

Moyer, Elisabeth, Ian Foster, James Franke, Rob Jacob, Rebecca Willett, and Takuya Kuihana. New Understanding of Cloud Processes via Unsupervised Cloud Classification in Satellite Images. Office of Scientific and Technical Information (OSTI), April 2021. http://dx.doi.org/10.2172/1769754.

Full text
APA, Harvard, Vancouver, ISO, and other styles
4

Mbani, Benson, Timm Schoening, and Jens Greinert. Automated and Integrated Seafloor Classification Workflow (AI-SCW). GEOMAR, May 2023. http://dx.doi.org/10.3289/sw_2_2023.

Full text
Abstract:
The Automated and Integrated Seafloor Classification Workflow (AI-SCW) is a semi-automated underwater image processing pipeline that has been customized for use in classifying the seafloor into semantic habitat categories. The current implementation has been tested against a sequence of underwater images collected by the Ocean Floor Observation System (OFOS), in the Clarion-Clipperton Zone of the Pacific Ocean. Despite this, the workflow could also be applied to images acquired by other platforms such as an Autonomous Underwater Vehicle (AUV), or Remotely Operated Vehicle (ROV). The modules in AI-SCW have been implemented using the python programming language, specifically using libraries such as scikit-image for image processing, scikit-learn for machine learning and dimensionality reduction, keras for computer vision with deep learning, and matplotlib for generating visualizations. Therefore, AI-SCW modularized implementation allows users to accomplish a variety of underwater computer vision tasks, which include: detecting laser points from the underwater images for use in scale determination; performing contrast enhancement and color normalization to improve the visual quality of the images; semi-automated generation of annotations to be used downstream during supervised classification; training a convolutional neural network (Inception v3) using the generated annotations to semantically classify each image into one of pre-defined seafloor habitat categories; evaluating sampling strategies for generation of balanced training images to be used for fitting an unsupervised k-means classifier; and visualization of classification results in both feature space view and in map view geospatial co-ordinates. Thus, the workflow is useful for a quick but objective generation of image-based seafloor habitat maps to support monitoring of remote benthic ecosystems.
APA, Harvard, Vancouver, ISO, and other styles
5

Gletsos, M., S. G. Mougiakakou, G. K. Matsopoulos, K. S. Nikita, and D. Kelekis. Classification of Hepatic Lesions From CT Images Using Texture Features and Neural Networks. Fort Belvoir, VA: Defense Technical Information Center, October 2001. http://dx.doi.org/10.21236/ada412422.

Full text
APA, Harvard, Vancouver, ISO, and other styles
6

Arun, Ramaiah, and Shanmugasundaram Singaravelan. Classification of Brain Tumour in Magnetic Resonance Images Using Hybrid Kernel Based Support Vector Machine. "Prof. Marin Drinov" Publishing House of Bulgarian Academy of Sciences, October 2019. http://dx.doi.org/10.7546/crabs.2019.10.12.

Full text
APA, Harvard, Vancouver, ISO, and other styles
7

Rosen, David. Methods for Correcting Topographically Induced Radiometric Distortion on Landsat Thematic Mapper Images for Land Cover Classification. Portland State University Library, January 2000. http://dx.doi.org/10.15760/geogmaster.12.

Full text
APA, Harvard, Vancouver, ISO, and other styles
8

Becker, Sarah, Craig Daughtry, and Andrew Russ. Robust forest cover indices for multispectral images. Engineer Research and Development Center (U.S.), December 2021. http://dx.doi.org/10.21079/11681/42760.

Full text
Abstract:
Trees occur in many land cover classes and provide significant ecosystem services. Remotely sensed multispectral images are often used to create thematic maps of land cover, but accurately identifying trees in mixed land-use scenes is challenging. We developed two forest cover indices and protocols that reliably identified trees in WorldView-2 multispectral images. The study site in Maryland included coniferous and deciduous trees associated with agricultural fields and pastures, residential and commercial buildings, roads, parking lots, wetlands, and forests. The forest cover indices exploited the product of either the reflectance in red (630 to 690 nm) and red edge (705 to 745 nm) bands or the product of reflectance in red and near infrared (770 to 895 nm) bands. For two classes (trees versus other), overall classification accuracy was >77 percent for the four images that were acquired in each season of the year. Additional research is required to evaluate these indices for other scenes and sensors.
APA, Harvard, Vancouver, ISO, and other styles
9

Richardson, J. Automatic feature extraction and classification from digital x-ray images. Final report, period ending 1 May 1995. Office of Scientific and Technical Information (OSTI), December 1995. http://dx.doi.org/10.2172/224901.

Full text
APA, Harvard, Vancouver, ISO, and other styles
10

Olivier, Jason, and Sally Shoop. Imagery classification for autonomous ground vehicle mobility in cold weather environments. Engineer Research and Development Center (U.S.), November 2021. http://dx.doi.org/10.21079/11681/42425.

Full text
Abstract:
Autonomous ground vehicle (AGV) research for military applications is important for developing ways to remove soldiers from harm’s way. Current AGV research tends toward operations in warm climates and this leaves the vehicle at risk of failing in cold climates. To ensure AGVs can fulfill a military vehicle’s role of being able to operate on- or off-road in all conditions, consideration needs to be given to terrain of all types to inform the on-board machine learning algorithms. This research aims to correlate real-time vehicle performance data with snow and ice surfaces derived from multispectral imagery with the goal of aiding in the development of a truly all-terrain AGV. Using the image data that correlated most closely to vehicle performance the images were classified into terrain units of most interest to mobility. The best image classification results were obtained when using Short Wave InfraRed (SWIR) band values and a supervised classification scheme, resulting in over 95% accuracy.
APA, Harvard, Vancouver, ISO, and other styles
You might also be interested in the extended bibliographies on the topic 'Images de télédétection – Classification' for particular source types:
Journal articles Dissertations / Theses Books
We offer discounts on all premium plans for authors whose works are included in thematic literature selections. Contact us to get a unique promo code!

To the bibliography