Détection de changements et analyse des séries temporelles d’images 2 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 Détection de changements et analyse des séries temporelles d’images 2 PDF full book. Access full book title Détection de changements et analyse des séries temporelles d’images 2 by Abdourrahmane M. Atto. Download full books in PDF and EPUB format.
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: 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: 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: Abdourrahmane M. Atto
Publisher: John Wiley & Sons
ISBN: 178945056X
Category : Computers
Languages : en
Pages : 306
Get Book Here
Book Description
Change Detection and Image Time Series Analysis 1 presents a wide range of unsupervised methods for temporal evolution analysis through the use of image time series associated with optical and/or synthetic aperture radar acquisition modalities. Chapter 1 introduces two unsupervised approaches to multiple-change detection in bi-temporal multivariate images, with Chapters 2 and 3 addressing change detection in image time series in the context of the statistical analysis of covariance matrices. Chapter 4 focuses on wavelets and convolutional-neural filters for feature extraction and entropy-based anomaly detection, and Chapter 5 deals with a number of metrics such as cross correlation ratios and the Hausdorff distance for variational analysis of the state of snow. Chapter 6 presents a fractional dynamic stochastic field model for spatio temporal forecasting and for monitoring fast-moving meteorological events such as cyclones. Chapter 7 proposes an analysis based on characteristic points for texture modeling, in the context of graph theory, and Chapter 8 focuses on detecting new land cover types by classification-based change detection or feature/pixel based change detection. Chapter 9 focuses on the modeling of classes in the difference image and derives a multiclass model for this difference image in the context of change vector analysis.
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: 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:
Publisher:
ISBN:
Category : Artificial satellites in earth sciences
Languages : en
Pages : 1084
Get Book Here
Book Description
Author:
Publisher:
ISBN:
Category : Geophysics
Languages : en
Pages : 1084
Get Book Here
Book Description
Author: Andreea Maria Julea
Publisher: Omniscriptum
ISBN: 9783841787859
Category :
Languages : fr
Pages : 236
Get Book Here
Book Description
Les Séries Temporelles d'Images Satellitaires (STIS), visant la même scène en évolution, sont très intéressantes parce qu'elles acquièrent conjointement des informations temporelles et spatiales. L'extraction de ces informations pour aider les experts dans l'interprétation de données satellitaires devient une nécessité impérieuse. Dans ce livre, on expose comment on peut adapter l'extraction de motifs séquentiels fréquents à ce contexte spatio-temporel dans le but d'identifier de ensembles de pixels suffisamment connexes qui partagent la même évolution temporelle. La démarche originale est basée sur la conjonction de la contrainte de support avec différentes contraintes de connexité qui peuvent filtrer ou élaguer l'espace de recherche pour obtenir en efficacité des Motifs Séquentiels Fréquents Groupés (MSFG) avec signification pour l'utilisateur. La méthode d'extraction proposée est non supervisée et basée sur le niveau pixel. Pour vérifier la généricité du concept de MSFG et la capacité de la méthode proposée d'offrir de résultats intéressants à partir de STIS, sont réalisées des expérimentations sur des données réelles optiques et radar.
Author:
Publisher:
ISBN:
Category : Remote sensing
Languages : en
Pages : 442
Get Book Here
Book Description
Author: Andreea Maria Julea
Publisher:
ISBN:
Category :
Languages : fr
Pages : 196
Get Book Here
Book Description
Les Séries Temporelles d'Images Satellitaires (STIS), visant la même scène en évolution, sont très intéressantes parce qu'elles acquièrent conjointement des informations temporelles et spatiales. L'extraction de ces informations pour aider les experts dans l'interprétation des données satellitaires devient une nécessité impérieuse. Dans ce mémoire, nous exposons comment on peut adapter l'extraction de motifs séquentiels fréquents à ce contexte spatio-temporel dans le but d'identifier des ensembles de pixels connexes qui partagent la même évolution temporelle. La démarche originale est basée sur la conjonction de la contrainte de support avec différentes contraintes de connexité qui peuvent filtrer ou élaguer l'espace de recherche pour obtenir efficacement des motifs séquentiels fréquents groupés (MSFG) avec signification pour l'utilisateur. La méthode d'extraction proposée est non supervisée et basée sur le niveau pixel. Pour vérifier la généricité du concept de MSFG et la capacité de la méthode proposée d'offrir des résultats intéressants à partir des SITS, sont réalisées des expérimentations sur des données réelles optiques et radar.
