Analyse de Séries Temporelles D'images À Moyenne Résolution Spatiale PDF Download
Are you looking for read ebook online? Search for your book and save it on your Kindle device, PC, phones or tablets. Download Analyse de Séries Temporelles D'images À Moyenne Résolution Spatiale PDF full book. Access full book title Analyse de Séries Temporelles D'images À Moyenne Résolution Spatiale by Xing Gong. Download full books in PDF and EPUB format.
Author: Xing Gong
Publisher:
ISBN:
Category :
Languages : en
Pages : 0
Get Book Here
Book Description
This PhD dissertation is concerned with time series analysis for medium spatial resolution (MSR) remote sensing images. The main advantage of MSR data is their high temporal rate which allows to monitor land use. However, two main problems arise with such data. First, because of cloud coverage and bad acquisition conditions, the resulting time series are often corrupted and not directly exploitable. Secondly, pixels in medium spatial resolution images are often “mixed” in the sense that the spectral response is a combination of the response of “pure” elements.These two problems are addressed in this PhD. First, we propose a data assimilation technique able to recover consistent time series of Leaf Area Index from corrupted MODIS sequences. To this end, a plant growth model, namely GreenLab, is used as a dynamical constraint. Second, we propose a new and efficient unmixing technique for time series. It is in particular based on the use of “elastic” kernels able to properly compare time series shifted in time or of various lengths.Experimental results are shown both on synthetic and real data and demonstrate the efficiency of the proposed methodologies.
Author: Xing Gong
Publisher:
ISBN:
Category :
Languages : en
Pages : 0
Get Book Here
Book Description
This PhD dissertation is concerned with time series analysis for medium spatial resolution (MSR) remote sensing images. The main advantage of MSR data is their high temporal rate which allows to monitor land use. However, two main problems arise with such data. First, because of cloud coverage and bad acquisition conditions, the resulting time series are often corrupted and not directly exploitable. Secondly, pixels in medium spatial resolution images are often “mixed” in the sense that the spectral response is a combination of the response of “pure” elements.These two problems are addressed in this PhD. First, we propose a data assimilation technique able to recover consistent time series of Leaf Area Index from corrupted MODIS sequences. To this end, a plant growth model, namely GreenLab, is used as a dynamical constraint. Second, we propose a new and efficient unmixing technique for time series. It is in particular based on the use of “elastic” kernels able to properly compare time series shifted in time or of various lengths.Experimental results are shown both on synthetic and real data and demonstrate the efficiency of the proposed methodologies.
Author: Xing Gong
Publisher:
ISBN:
Category :
Languages : en
Pages : 117
Get Book Here
Book Description
This PhD dissertation is concerned with time series analysis for medium spatial resolution (MSR) remote sensing images. The main advantage of MSR data is their high temporal rate which allows to monitor land use. However, two main problems arise with such data. First, because of cloud coverage and bad acquisition conditions, the resulting time series are often corrupted and not directly exploitable. Secondly, pixels in medium spatial resolution images are often "mixed" in the sense that the spectral response is a combination of the response of "pure" elements.These two problems are addressed in this PhD. First, we propose a data assimilation technique able to recover consistent time series of Leaf Area Index from corrupted MODIS sequences. To this end, a plant growth model, namely GreenLab, is used as a dynamical constraint. Second, we propose a new and efficient unmixing technique for time series. It is in particular based on the use of "elastic" kernels able to properly compare time series shifted in time or of various lengths.Experimental results are shown both on synthetic and real data and demonstrate the efficiency of the proposed methodologies.
Author: Abdourrahmane M. Atto
Publisher: ISTE Group
ISBN: 1789480574
Category : Science
Languages : fr
Pages : 296
Get Book Here
Book Description
Cet ouvrage traite de l’analyse des séries temporelles d’images de télédétection par apprentissages statistique, automatique et/ou profond. Détection de changements et analyse des séries temporelles d’images 2 présente un éventail de modèles et de méthodes supervisées d’analyse, d’extraction d’informations spatio-temporelles et de classification, à partir de séries chronologiques d’observations des états de la surface terrestre par télédétection spatiale. L’ouvrage met en lumière des contributions sur la détection de changements multidates dans des données mono- et multi-modales, sur les classes de transitions et d’entités dynamiques, sur l’analyse des tendances et des fluctuations spatio-temporellles, ou encore sur le suivi et l’analyse prédictive d’évolution. De nombreuses applications illustrent les études sur l’évolution de la surface terrestre (cartographie d’exploitation des terres, analyse de l’état des glaciers, dynamique urbaine, évaluation de la neige, etc.) et sur les risques naturels (évaluation des inondations, activités volcaniques, surveillance des avalanches, etc.). Les orientations futures sont également exposées.
Author: Mahmoud El Hajj
Publisher:
ISBN:
Category :
Languages : fr
Pages :
Get Book Here
Book Description
Author: François Petitjean
Publisher:
ISBN:
Category :
Languages : fr
Pages : 0
Get Book Here
Book Description
Les séries temporelles d'images satellites (STIS) sont des données cruciales pour l'observation de la terre. Les séries temporelles actuelles sont soit des séries à haute résolution temporelle (Spot-Végétation, MODIS), soit des séries à haute résolution spatiale (Landsat). Dans les années à venir, les séries temporelles d'images satellites à hautes résolutions spatiale et temporelle vont être produites par le programme Sentinel de l'ESA. Afin de traiter efficacement ces immenses quantités de données qui vont être produites (par exemple, Sentinel-2 couvrira la surface de la terre tous les cinq jours, avec des résolutions spatiales allant de 10m à 60m et disposera de 13 bandes spectrales), de nouvelles méthodes ont besoin d'être développées. Cette thèse se focalise sur la comparaison des profils d'évolution radiométrique, et plus précisément la mesure de similarité « Dynamic Time Warping », qui constitue un outil permettant d'exploiter la structuration temporelle des séries d'images satellites.
Author: Abdourrahmane M. Atto
Publisher: ISTE Group
ISBN: 1789480566
Category : Science
Languages : fr
Pages : 324
Get Book Here
Book Description
Cet ouvrage traite des avancées en analyse des séries chronologiques d’images de télédétection par apprentissages statistique, automatique et/ou profond. Il présente un éventail de modèles mathématiques, de méthodes d’extraction d’informations spatio-temporelles et d’applications en observation de la Terre. Détection de changements et analyse des séries temporelles d’images 1 est structuré selon les stratégies d’apprentissage supervisé, semi-supervisé et non supervisé sur les séries temporelles d’images optiques et radar à synthèse d’ouverture. L’ouvrage met en lumières des contributions sur la détection de changements multidates dans des données mono- et multi-modales, sur les classes de transitions et d’entités dynamiques, sur l’analyse des tendances et des fluctuations spatio-temporelles, ou encore sur le suivi et l’analyse prédictive d’évolution. De nombreuses applications illustrent les études sur l’évolution de la surface terrestre (cartographie d’exploitation des terres, analyse de l’état des glaciers, dynamique urbaine, évaluation de la neige, etc.) et sur les risques naturels (évaluation des inondations, activités volcaniques, surveillance des avalanches, etc.). Les orientations futures sont également exposées.
Author: Jérôme Bruniquel
Publisher:
ISBN:
Category :
Languages : fr
Pages : 204
Get Book Here
Book Description
LES LANCEMENTS RECENTS DE PLUSIEURS SATELLITES D'OBSERVATION DE LA TERRE UTILISANT DES RADARS A SYNTHESE D'OUVERTURE (RSO), OPERANT QUELLES QUE SOIENT LES CONDITIONS METEOROLOGIQUES, OFFRENT L'OPPORTUNITE D'EXPLOITER DE LONGUES SERIES TEMPORELLES D'IMAGES. L'UTILISATION DE DONNEES MULTI-TEMPORELLES PERMET L'INTERFEROMETRIE ET LA DETECTION DE CHANGEMENTS D'ETAT DE SURFACE. LA VARIATION RADIOMETRIQUE ENTRE LES DATES ET LA COHERENCE SONT DEUX VARIABLES LARGEMENT UTILISEES. CEPENDANT, DU A LA NATURE COHERENTE DE L'ECLAIREMENT, LE SPECKLE PERTURBE L'EXPLOITATION DES DONNEES. JUSQU'A PRESENT, LA REDUCTION NECESSAIRE DU SPECKLE S'EFFECTUAIT DATE PAR DATE AU MOYEN DE FILTRES SPATIAUX QUI DETERIORENT LA RESOLUTION GEOMETRIQUE. L'OBJECTIF PRINCIPAL DE CETTE THESE EST D'UTILISER LA DIVERSITE DE PLUSIEURS IMAGES AFIN D'AMELIORER LA RADIOMETRIE D'UNE SERIE D'IMAGES RSO. DIVERSES SOMMATIONS PIXEL A PIXEL DE PLUSIEURS CANAUX SONT DEVELOPPEES PERMETTANT DE REDUIRE LE SPECKLE TOUT EN CONSERVANT L'INFORMATION RADIOMETRIQUE DE CHAQUE IMAGE DE LA SERIE. POUR LES DONNEES COMPLEXES, LE WHITENING FILTER PERMET UNE REDUCTION OPTIMALE ET CONSTANTE DU SPECKLE. POUR LES DONNEES INTENSITES, IL EST MONTRE QU'UNE SOMMATION A COMPENSATION RADIOMETRIQUE ET TEXTURALE PRESERVE DE MANIERE TRES SATISFAISANTE LA RESOLUTION SPATIALE. ENFIN, LA COMBINAISON D'UNE SOMMATION MULTI-CANAL COUPLEE A UN FILTRE SPATIAL PERMET D'OBTENIR UN EXCELLENT COMPROMIS ENTRE LA RESOLUTION RADIOMETRIQUE ET SPATIALE. DE PLUS, LE SPECKLE REND TRES INCERTAINE L'ESTIMATION DES DIFFERENTES VARIABLES RENCONTREES DANS L'ANALYSE DES SERIES TEMPORELLES. UNE ETUDE STATISTIQUE APPROFONDIE A PERMIS DE QUANTIFIER L'EFFET DU SPECKLE ET D'ETABLIR DES ESTIMATEURS APPROPRIES. ENFIN, LA COMPLEXITE DE L'INTERACTION DE L'ONDE EMISE AVEC LE MILIEU NATUREL REND LEUR INTERPRETATION PHYSIQUE DIFFICILE. UNE APPROCHE SIMPLIFIEE EST ABORDEE DE MANIERE A RELIER QUALITATIVEMENT, LES CHANGEMENTS DE SURFACE AUX INDICES APPORTES PAR L'IMAGERIE TEMPORELLE
Author: Bassam Abdel Latif
Publisher:
ISBN:
Category :
Languages : en
Pages : 128
Get Book Here
Book Description
Nous étudions dans ce mémoire de thése la capacité d'une méthode neuronale, la carte de Kohonen ou la carte auto-organisante de Kohonen (en anglais self-Organizing Map, SOM), à traiter des séries temporelles des données satellitaires issues de capteur optique moyenne résolution : "Moderate Resolution Imaging Spectroradiometer (MODIS)". L'objectif de ces séries temporelles de données, sur la région de Bretagne de la France, est de détecter et cartographier les parcelles agricoles laissées en sol nu pendant l'hiver. Ce type de données est caractérisé par sa résolution spatiale moyenne de 250m dans ses deux premiers canaux et par sa haute résolution temporelle. Ces deux caractéristiques permettent de les utiliser (dans une série temporelle) pour caractériser la couverture végétale hivernale de la Bretagne, en France. Le ciel en Bretagne est presque toujours couvert (200 jours de pluie par an). Pour cette raison, les images MODIS ne sont pas directement utilisables. Une méthode d'estimation des valeurs de réflectance des pixels masqués par des nuages ou des ombres est donc à développer. Ainsi, ce mémoire présente dans un premier temps une méthode basée sur la carte de Kohonen pour estimer les valeurs de réflectance masquées pendant l'acquisition. Dans un deuxième temps, la carte de Kohonen est utilisée pour identifier les pixels qui restent en sol nu ou qui changent de nature pendant la saison hivernale de façon supervisée et non-supervisée.
Author: Antoine Lefebvre
Publisher:
ISBN:
Category :
Languages : fr
Pages : 280
Get Book Here
Book Description
Les données de télédétection acquises à Très Haute Résolution Spatiale (THRS) constituent une source d’information importante pour le suivi détaillé des changements d’occupation du sol sur de petites surfaces. Ces données sont particulièrement intéressantes pour les applications dans les milieux urbains et périurbains car elles permettent d’appréhender des changements brusques et irréguliers autant que des modifications subtiles et régulières. Toutefois, l’exploitation d’images à THRS nécessite des développements méthodologiques, les méthodes de détection de changement généralement utilisées pour traiter les images à basse et moyenne résolution n’étant pas adaptées : d’une part l’étendue et la résolution spectrale des capteurs à THRS sont souvent inférieures à celles des autres capteurs, la résolution spectrale des capteurs diminuant avec l’augmentation de leur résolution spatiale. D’autre part, la variabilité spectrale des pixels définissant les classes d’occupation du sol augmente en fonction de la résolution spatiale. Cette thèse présente ainsi une série d’outils méthodologiques qui permettent d’identifier et de caractériser automatiquement des changements affectant de petites surfaces à partir de données à THRS acquises à différentes dates et provenant de différentes sources. Contrairement à la majorité des méthodes utilisées en télédétection, l’originalité des outils présentés ne repose pas exclusivement ou essentiellement sur l’utilisation de l’information spectrale de l’image ; ils reposent surtout sur les propriétés de texture des objets géographiques observés. La texture est caractérisée à partir d’une analyse des coefficients issus d’une décomposition en ondelettes des images. Les outils développés comprennent : une méthode de correction de l’effet de vignettage des photographies aériennes anciennes ; une technique de segmentation d’images ; une méthode d’estimation de l’orientation dominante de motifs texturés ; une méthode de classification ; une méthode de détection de changements. L’ensemble de ces outils a été validé à partir d’exemples synthétiques, puis appliqué sur un secteur périurbain de l’agglomération rennaise afin de détecter les changements d’occupation et d’utilisation des sols à partir de photographies aériennes acquises en 1978 et 2001. Les taux de changement correctement détectés, qui varient de 78 % à 85 %, montrent l’intérêt d’exploiter la texture pour classer des images à THRS. Il est possible de détecter automatiquement différents types de changements et ainsi de distinguer des changements de pratiques culturales et des changements liés à l’artificialisation des sols. Les outils développés dans cette thèse sont génériques et s’appliquent à l’analyse de tout objet texturé. Ainsi nous avons exploité certains outils proposés pour détecter et caractériser des parcelles viticoles ou estimer des mouvements fluides en aéronautique
Author: Antoine Masse
Publisher:
ISBN:
Category :
Languages : fr
Pages : 223
Get Book Here
Book Description
La quantité de données de télédétection archivées est de plus en plus importante et grâce aux nouveaux et futurs satellites, ces données offriront une plus grande diversité de caractéristiques : spectrale, temporelle, résolution spatiale et superficie de l'emprise du satellite. Cependant, il n'existe pas de méthode universelle qui maximise la performance des traitements pour tous les types de caractéristiques citées précédemment; chaque méthode ayant ses avantages et ses inconvénients. Les travaux de cette thèse se sont articulés autour de deux grands axes que sont l'amélioration et l'automatisation de la classification d'images de télédétection, dans le but d'obtenir une carte d'occupation des sols la plus fiable possible. En particulier, les travaux ont portés sur la la sélection automatique de données pour la classification supervisée, la fusion automatique d'images issues de classifications supervisées afin de tirer avantage de la complémentarité des données multi-sources et multi-temporelles et la classification automatique basée sur des séries temporelles et spectrales de référence, ce qui permettra la classification de larges zones sans référence spatiale. Les méthodes ont été testées et validées sur un panel de données très variées de : capteurs : optique (Formosat-2, Spot 2/4/5, Landsat 5/7, Worldview-2, Pleiades) et radar (Radarsat,Terrasar-X), résolutions spatiales : de haute à très haute résolution (de 30 mètres à 0.5 mètre), répétitivités temporelles (jusqu'à 46 images par an) et zones d'étude : agricoles (Toulouse, Marne), montagneuses (Pyrénées), arides (Maroc, Algérie). Deux applications majeures ont été possibles grâce à ces nouveaux outils : l'obtention d'un bilan carbone à partir des rotations culturales obtenues sur plusieurs années et la cartographie de la trame verte (espaces écologiques) dans le but d'étudier l'impact du choix du capteur sur la détection de ces éléments
