Search

Your search keyword '"Chanussot, Jocelyn"' showing total 16 results
Start Over Author "Chanussot, Jocelyn" Language french
16 results on '"Chanussot, Jocelyn"'

1. ANR HYEP ANR 14-CE22-0016-01Hyperspectral imagery forEnvironmental urban Planning HyepProgramme Mobilité et systèmes urbains 2014

Author

Weber, Christiane, Houet, Thomas, Gadal, Sebastien, Aguejdad, Rahim, Skupinski, Grzegorz, Serradj, Aziz, Deville, Yannick, Chanussot, Jocelyn, Dalla Mura, Mauro, Briottet, Xavier, Mallet, Clément, Le Bris, Arnaud, Centre National de la Recherche Scientifique (CNRS), Littoral, Environnement, Télédétection, Géomatique UMR 6554 (LETG), Université de Caen Normandie (UNICAEN), Normandie Université (NU)-Normandie Université (NU)-Université d'Angers (UA)-École pratique des hautes études (EPHE), Université Paris sciences et lettres (PSL)-Université Paris sciences et lettres (PSL)-Université de Brest (UBO)-Université de Rennes 2 (UR2), Université de Rennes (UNIV-RENNES)-Université de Rennes (UNIV-RENNES)-Centre National de la Recherche Scientifique (CNRS)-Institut de Géographie et d'Aménagement Régional de l'Université de Nantes (IGARUN), Université de Nantes (UN)-Université de Nantes (UN), Aix Marseille Université (AMU), Études des Structures, des Processus d’Adaptation et des Changements de l’Espace (ESPACE), Université Nice Sophia Antipolis (... - 2019) (UNS), COMUE Université Côte d'Azur (2015-2019) (COMUE UCA)-COMUE Université Côte d'Azur (2015-2019) (COMUE UCA)-Avignon Université (AU)-Aix Marseille Université (AMU)-Centre National de la Recherche Scientifique (CNRS)-Université Côte d'Azur (UCA), Institut de recherche en astrophysique et planétologie (IRAP), Institut national des sciences de l'Univers (INSU - CNRS)-Université Toulouse III - Paul Sabatier (UT3), Université Fédérale Toulouse Midi-Pyrénées-Université Fédérale Toulouse Midi-Pyrénées-Observatoire Midi-Pyrénées (OMP), Météo France-Centre National d'Études Spatiales [Toulouse] (CNES)-Université Fédérale Toulouse Midi-Pyrénées-Centre National de la Recherche Scientifique (CNRS)-Institut de Recherche pour le Développement (IRD)-Météo France-Centre National d'Études Spatiales [Toulouse] (CNES)-Centre National de la Recherche Scientifique (CNRS)-Institut de Recherche pour le Développement (IRD)-Centre National de la Recherche Scientifique (CNRS), ONERA / DOTA, Université de Toulouse [Toulouse], ONERA-PRES Université de Toulouse, Institut National de l'Information Géographique et Forestière [IGN] (IGN), CNRS UMR TETIS, ESPACE, LETG, ONERA, GIPSA-lab, IRAP, IGN, Normandie Université (NU)-Normandie Université (NU)-Université d'Angers (UA)-École Pratique des Hautes Études (EPHE), Université Paris sciences et lettres (PSL)-Université Paris sciences et lettres (PSL)-Université de Brest (UBO)-Université de Rennes 2 (UR2)-Centre National de la Recherche Scientifique (CNRS)-Institut de Géographie et d'Aménagement Régional de l'Université de Nantes (IGARUN), Université Nice Sophia Antipolis (1965 - 2019) (UNS), Université Toulouse III - Paul Sabatier (UT3), Université de Toulouse (UT)-Université de Toulouse (UT)-Institut national des sciences de l'Univers (INSU - CNRS)-Observatoire Midi-Pyrénées (OMP), Institut de Recherche pour le Développement (IRD)-Université Toulouse III - Paul Sabatier (UT3), and Université de Toulouse (UT)-Université de Toulouse (UT)-Institut national des sciences de l'Univers (INSU - CNRS)-Centre National d'Études Spatiales [Toulouse] (CNES)-Centre National de la Recherche Scientifique (CNRS)-Météo-France -Institut de Recherche pour le Développement (IRD)-Institut national des sciences de l'Univers (INSU - CNRS)-Centre National d'Études Spatiales [Toulouse] (CNES)-Centre National de la Recherche Scientifique (CNRS)-Météo-France -Centre National de la Recherche Scientifique (CNRS)

Subjects
[INFO.INFO-TS]Computer Science [cs]/Signal and Image Processing, [SDE.ES]Environmental Sciences/Environmental and Society
Published
2018

2. Démélange aveugle d'images hyperspectrales à l'aide d'un modèle linéaire étendu tenant compte de la variabilité spectrale

Author

Drumetz, Lucas, Henrot, Simon, Veganzones, Miguel Angel, Chanussot, Jocelyn, Jutten, Christian, GIPSA - Signal Images Physique (GIPSA-SIGMAPHY), Département Images et Signal (GIPSA-DIS), Grenoble Images Parole Signal Automatique (GIPSA-lab), Université Stendhal - Grenoble 3-Université Pierre Mendès France - Grenoble 2 (UPMF)-Université Joseph Fourier - Grenoble 1 (UJF)-Institut polytechnique de Grenoble - Grenoble Institute of Technology (Grenoble INP )-Centre National de la Recherche Scientifique (CNRS)-Université Stendhal - Grenoble 3-Université Pierre Mendès France - Grenoble 2 (UPMF)-Université Joseph Fourier - Grenoble 1 (UJF)-Institut polytechnique de Grenoble - Grenoble Institute of Technology (Grenoble INP )-Centre National de la Recherche Scientifique (CNRS)-Grenoble Images Parole Signal Automatique (GIPSA-lab), Université Stendhal - Grenoble 3-Université Pierre Mendès France - Grenoble 2 (UPMF)-Université Joseph Fourier - Grenoble 1 (UJF)-Institut polytechnique de Grenoble - Grenoble Institute of Technology (Grenoble INP )-Centre National de la Recherche Scientifique (CNRS)-Université Stendhal - Grenoble 3-Université Pierre Mendès France - Grenoble 2 (UPMF)-Université Joseph Fourier - Grenoble 1 (UJF)-Institut polytechnique de Grenoble - Grenoble Institute of Technology (Grenoble INP )-Centre National de la Recherche Scientifique (CNRS), GIPSA - Communication Information and Complex Systems (GIPSA-CICS), GIPSA - Vision and Brain Signal Processing (GIPSA-VIBS), European Project: 320684,EC:FP7:ERC,ERC-2012-ADG_20120216,CHESS(2013), European Project: 320594,EC:FP7:ERC,ERC-2012-ADG_20120216,DECODA(2013), Drumetz, Lucas, Challenges in Extraction and Separation of Sources - CHESS - - EC:FP7:ERC2013-03-01 - 2018-02-28 - 320684 - VALID, Tensor Decomposition for Data Analysis with Applications to Health and Environment - DECODA - - EC:FP7:ERC2013-09-01 - 2018-08-31 - 320594 - VALID, Université Pierre Mendès France - Grenoble 2 (UPMF)-Université Stendhal - Grenoble 3-Université Joseph Fourier - Grenoble 1 (UJF)-Institut polytechnique de Grenoble - Grenoble Institute of Technology (Grenoble INP )-Centre National de la Recherche Scientifique (CNRS)-Université Pierre Mendès France - Grenoble 2 (UPMF)-Université Stendhal - Grenoble 3-Université Joseph Fourier - Grenoble 1 (UJF)-Institut polytechnique de Grenoble - Grenoble Institute of Technology (Grenoble INP )-Centre National de la Recherche Scientifique (CNRS)-Grenoble Images Parole Signal Automatique (GIPSA-lab), and Université Pierre Mendès France - Grenoble 2 (UPMF)-Université Stendhal - Grenoble 3-Université Joseph Fourier - Grenoble 1 (UJF)-Institut polytechnique de Grenoble - Grenoble Institute of Technology (Grenoble INP )-Centre National de la Recherche Scientifique (CNRS)-Université Pierre Mendès France - Grenoble 2 (UPMF)-Université Stendhal - Grenoble 3-Université Joseph Fourier - Grenoble 1 (UJF)-Institut polytechnique de Grenoble - Grenoble Institute of Technology (Grenoble INP )-Centre National de la Recherche Scientifique (CNRS)

Subjects
variabilité spectrale, images hyperspectrales, démélange, [SPI.SIGNAL]Engineering Sciences [physics]/Signal and Image processing, [SPI.SIGNAL] Engineering Sciences [physics]/Signal and Image processing
Abstract

National audience; Par simplicité, un modèle de mélange linéaire est souvent utilisé pour démélanger des images hyperspectrales, mais il suppose qu'une unique signature spectrale peut représenter complètement un endmember. Cependant, dans beaucoup de cas, cette hypothèse n'est pas valide car de nombreux facteurs tels que les conditions d'illumination et la variabilité intrinsèque des matériaux ont des conséquences sur les signatures spectrales de ces derniers. Dans cet article, nous proposons un algorithme simple mais flexible pour démélanger des images hyperspectrales en utilisant un modèle linéaire étendu proposé récemment. Ce modèle autorise une variation des spectres des endmembers dans chaque pixel en considérant des variantes mises à l'échelle d'endmembers de référence. Les résultats sur des données synthétiques montrent que la méthode proposée obtient de meilleures performances que d'autres méthodes prenant en compte la variabilité spectrale, et fournit une estimation précise de cette dernière dans la scène observée grâce à l'estimation des facteurs d'échelle, du moment que l'abondance du matériau correspondant est suffisante.

Published
2015

3. Segmentation hiérarchique d'images multimodales

Author

Tochon, Guillaume, Dalla Mura, Mauro, Chanussot, Jocelyn, GIPSA - Signal Images Physique (GIPSA-SIGMAPHY), Département Images et Signal (GIPSA-DIS), Grenoble Images Parole Signal Automatique (GIPSA-lab), Université Stendhal - Grenoble 3-Université Pierre Mendès France - Grenoble 2 (UPMF)-Université Joseph Fourier - Grenoble 1 (UJF)-Institut polytechnique de Grenoble - Grenoble Institute of Technology (Grenoble INP )-Centre National de la Recherche Scientifique (CNRS)-Université Stendhal - Grenoble 3-Université Pierre Mendès France - Grenoble 2 (UPMF)-Université Joseph Fourier - Grenoble 1 (UJF)-Institut polytechnique de Grenoble - Grenoble Institute of Technology (Grenoble INP )-Centre National de la Recherche Scientifique (CNRS)-Grenoble Images Parole Signal Automatique (GIPSA-lab), Université Stendhal - Grenoble 3-Université Pierre Mendès France - Grenoble 2 (UPMF)-Université Joseph Fourier - Grenoble 1 (UJF)-Institut polytechnique de Grenoble - Grenoble Institute of Technology (Grenoble INP )-Centre National de la Recherche Scientifique (CNRS)-Université Stendhal - Grenoble 3-Université Pierre Mendès France - Grenoble 2 (UPMF)-Université Joseph Fourier - Grenoble 1 (UJF)-Institut polytechnique de Grenoble - Grenoble Institute of Technology (Grenoble INP )-Centre National de la Recherche Scientifique (CNRS), Faculty of Electrical and Computer Engineering, University of Iceland, ERC-12-AdG-320684-CHESS, European Project: 320684,EC:FP7:ERC,ERC-2012-ADG_20120216,CHESS(2013), Tochon, Guillaume, Challenges in Extraction and Separation of Sources - CHESS - - EC:FP7:ERC2013-03-01 - 2018-02-28 - 320684 - VALID, Université Pierre Mendès France - Grenoble 2 (UPMF)-Université Stendhal - Grenoble 3-Université Joseph Fourier - Grenoble 1 (UJF)-Institut polytechnique de Grenoble - Grenoble Institute of Technology (Grenoble INP )-Centre National de la Recherche Scientifique (CNRS)-Université Pierre Mendès France - Grenoble 2 (UPMF)-Université Stendhal - Grenoble 3-Université Joseph Fourier - Grenoble 1 (UJF)-Institut polytechnique de Grenoble - Grenoble Institute of Technology (Grenoble INP )-Centre National de la Recherche Scientifique (CNRS)-Grenoble Images Parole Signal Automatique (GIPSA-lab), Université Pierre Mendès France - Grenoble 2 (UPMF)-Université Stendhal - Grenoble 3-Université Joseph Fourier - Grenoble 1 (UJF)-Institut polytechnique de Grenoble - Grenoble Institute of Technology (Grenoble INP )-Centre National de la Recherche Scientifique (CNRS)-Université Pierre Mendès France - Grenoble 2 (UPMF)-Université Stendhal - Grenoble 3-Université Joseph Fourier - Grenoble 1 (UJF)-Institut polytechnique de Grenoble - Grenoble Institute of Technology (Grenoble INP )-Centre National de la Recherche Scientifique (CNRS), and University of Iceland [Reykjavik]

Subjects
[INFO.INFO-TS]Computer Science [cs]/Signal and Image Processing, [INFO.INFO-TS] Computer Science [cs]/Signal and Image Processing
Abstract

Hierarchies of partitions are widely used in the context of image segmentation. However,in the case of multimodal images, the fusion of multiple hierarchies remains a challenge. Recently, braids of partitions have been proposed as a possible solution to this issue, but have never been implemented in a practical case.In this paper, we propose a new methodology to achieve multimodal segmentation, based on this notion of braids of partitions. This new method is applied in a practical case, namely the joint segmentation of hyperspectral and LiDAR data. Obtained results confirm the potential of the proposed method., Les hiérarchies de partitions sont couramment utilisées pour segmentation d'images. Dans le cas d'images multimodales toutefois, la fusion de plusieurs hiérarchies reste un problème. Récemment, les tresses de partitions ont été proposées comme une possible solution à ce problème, mais n'ont jamais été implémentées dans un cas pratique. Nous proposons ainsi une nouvelle méthodologie, basée sur cette notion de tresse de partitions, pour effectuer la segmentation d'images multimodales. Cette méthode est appliquée dans un cas concret, à savoir la segmentation conjointe de données hyperspectrales et LiDAR. Les résultats obtenus confirment le potentiel de la méthode proposée.

Published
2015

4. Nouvelle méthode d'estimation de la dispersion à partir d'un réseau linéaire de capteurs

Author

Roueff, Antoine, Mars, Jerome, Chanussot, Jocelyn, Pedersen, Helle, Laboratoire des images et des signaux (LIS), Institut National Polytechnique de Grenoble (INPG)-Université Joseph Fourier - Grenoble 1 (UJF)-Centre National de la Recherche Scientifique (CNRS), and Chanussot, Jocelyn

Subjects
[INFO.INFO-TI] Computer Science [cs]/Image Processing [eess.IV], [INFO.INFO-TS]Computer Science [cs]/Signal and Image Processing, [INFO.INFO-TS] Computer Science [cs]/Signal and Image Processing, [INFO.INFO-TI]Computer Science [cs]/Image Processing [eess.IV], [SPI.SIGNAL]Engineering Sciences [physics]/Signal and Image processing, [SPI.SIGNAL] Engineering Sciences [physics]/Signal and Image processing
Published
2004

5. Démélange robuste d'images hyperspectrales en interprétant les pôles de mélange comme des données directionnelles.

Author

Drumetz, Lucas, Chanussot, Jocelyn, and Akira Iwasaki

Subjects
*IMAGE, *BRAIN
Abstract

Le démélange d'images hyperspectrales vise à extraire les spectres des matériaux purs de la scène observée (pôles de mélange ou endmembers), ainsi que leurs proportions dans chaque pixel de l'image (abondances). La plupart des algorithmes s'appuient sur des techniques classiques d'extraction d'endmembers qui peuvent échouer dans des scénarios difficiles. Dans cet article, nous abordons ce problème en même temps que la variabilité des matériaux en considérant qu'un endmember est une direction dans l'espace ambiant plutôt qu'un seul point. Sous ce paradigme, nous proposons un algorithme pour fournir des spectres de référence robustes. Nous montrons le potentiel de l'algorithme proposé sur un jeu de données synthétiques en utilisant des spectres réels présentant de la variabilité intra-classe, et une image d'une scène naturelle complexe. [ABSTRACT FROM AUTHOR]

Published
2018
Full Text
View/download PDF

6. Les activités en télédétection au sein de GIPSA-lab

Author

Chanussot, Jocelyn, Dalla Mura, Mauro, Gay, Michel, Vasile, Gabriel, Gay, Michel, GIPSA - Signal Images Physique (GIPSA-SIGMAPHY), Département Images et Signal (GIPSA-DIS), Grenoble Images Parole Signal Automatique (GIPSA-lab), Université Stendhal - Grenoble 3-Université Pierre Mendès France - Grenoble 2 (UPMF)-Université Joseph Fourier - Grenoble 1 (UJF)-Institut polytechnique de Grenoble - Grenoble Institute of Technology (Grenoble INP )-Centre National de la Recherche Scientifique (CNRS)-Université Stendhal - Grenoble 3-Université Pierre Mendès France - Grenoble 2 (UPMF)-Université Joseph Fourier - Grenoble 1 (UJF)-Institut polytechnique de Grenoble - Grenoble Institute of Technology (Grenoble INP )-Centre National de la Recherche Scientifique (CNRS)-Grenoble Images Parole Signal Automatique (GIPSA-lab), Université Stendhal - Grenoble 3-Université Pierre Mendès France - Grenoble 2 (UPMF)-Université Joseph Fourier - Grenoble 1 (UJF)-Institut polytechnique de Grenoble - Grenoble Institute of Technology (Grenoble INP )-Centre National de la Recherche Scientifique (CNRS)-Université Stendhal - Grenoble 3-Université Pierre Mendès France - Grenoble 2 (UPMF)-Université Joseph Fourier - Grenoble 1 (UJF)-Institut polytechnique de Grenoble - Grenoble Institute of Technology (Grenoble INP )-Centre National de la Recherche Scientifique (CNRS), and GIPSA-Services (GIPSA-Services)

Subjects
[INFO.INFO-TS]Computer Science [cs]/Signal and Image Processing, [INFO.INFO-TS] Computer Science [cs]/Signal and Image Processing, [SPI.SIGNAL]Engineering Sciences [physics]/Signal and Image processing, ComputingMilieux_MISCELLANEOUS, [SPI.SIGNAL] Engineering Sciences [physics]/Signal and Image processing
Abstract

National audience

Published
2012

7. Noyau de mahalanobis pour la classification d’images hyperspectrales: cartographie du frêne dans les Hautes-Pyrénées

Author

Fauvel, Mathieu, Villa, Alberto, Chanussot, Jocelyn, Sheeren, David, Benediktsson, Jon Atli, Dynamiques Forestières dans l'Espace Rural (DYNAFOR), Institut National de la Recherche Agronomique (INRA)-École nationale supérieure agronomique de Toulouse [ENSAT]-Institut National Polytechnique (Toulouse) (Toulouse INP), Université Fédérale Toulouse Midi-Pyrénées-Université Fédérale Toulouse Midi-Pyrénées, Institut National Polytechnique de Grenoble (INPG), University of Iceland, and ProdInra, Migration

Subjects
[SDV] Life Sciences [q-bio], noyau de mahalanobis, [SDV]Life Sciences [q-bio], [SHS] Humanities and Social Sciences, image hyperspectrale, ECOLOGIE, écologie, [SHS]Humanities and Social Sciences
Abstract

A kernel adapted to the high spectral dimension of hyperspectral images is discussed in this article. The kernel is based on the Mahalanobis distance defined for each class. A parsimonious probabilistic model is used for the inversion of the covariance matrix. The kernel reaches a trade-off between a conventional Gaussian kernel and a Gaussian kernel on the first principal components of the considered class. The proposed approach is compared to other methods for the classification of Ash tree in hyperspectral images. In terms of accuracies, the proposed kernel performs better than conventional Mahalanobis kernel and performs as well as the conventional Gaussian kernel., Un noyau adapté à la grande dimension spectrale des images hyperspectrales est proposé dans cet article. Ce noyau repose sur la distance de Mahalanobis calculée pour chaque classe. Le calcul est rendu possible en grande dimension par l’utilisation d’un modèle probabiliste parcimonieux permettant de stabiliser l’inversion de la matrice de covariance lors du calcul de la distance. Ce noyau réalise un compromis entre un noyau appliqué sur les données originales et un noyau appliqué les données projetées sur les premiers axes propres de la classe considérée. Cette approche est comparée à d’autres méthodes pour classifier le frêne sur des images hyperspectrales. En termes de précision, le noyau proposé permet d’améliorer les résultats par rapport au noyau classique de Mahalanobis et donne des résultats similaire au noyau gaussien.

Published
2011

8. Couleur et images multi-variées

Author

Angulo, Jesus, Chanussot, Jocelyn, Centre de Morphologie Mathématique (CMM), MINES ParisTech - École nationale supérieure des mines de Paris, Université Paris sciences et lettres (PSL)-Université Paris sciences et lettres (PSL), GIPSA - Signal Images Physique (GIPSA-SIGMAPHY), Département Images et Signal (GIPSA-DIS), Grenoble Images Parole Signal Automatique (GIPSA-lab), Université Stendhal - Grenoble 3-Université Pierre Mendès France - Grenoble 2 (UPMF)-Université Joseph Fourier - Grenoble 1 (UJF)-Institut polytechnique de Grenoble - Grenoble Institute of Technology (Grenoble INP )-Centre National de la Recherche Scientifique (CNRS)-Université Stendhal - Grenoble 3-Université Pierre Mendès France - Grenoble 2 (UPMF)-Université Joseph Fourier - Grenoble 1 (UJF)-Institut polytechnique de Grenoble - Grenoble Institute of Technology (Grenoble INP )-Centre National de la Recherche Scientifique (CNRS)-Grenoble Images Parole Signal Automatique (GIPSA-lab), Université Stendhal - Grenoble 3-Université Pierre Mendès France - Grenoble 2 (UPMF)-Université Joseph Fourier - Grenoble 1 (UJF)-Institut polytechnique de Grenoble - Grenoble Institute of Technology (Grenoble INP )-Centre National de la Recherche Scientifique (CNRS)-Université Stendhal - Grenoble 3-Université Pierre Mendès France - Grenoble 2 (UPMF)-Université Joseph Fourier - Grenoble 1 (UJF)-Institut polytechnique de Grenoble - Grenoble Institute of Technology (Grenoble INP )-Centre National de la Recherche Scientifique (CNRS), and Talbot Hugues & Najman Laurent

Subjects
[INFO.INFO-CL]Computer Science [cs]/Computation and Language [cs.CL]
Published
2010

9. MEGATOR : premiers résultats en photogrammétrie et interférométrie RSO

Author

Trouvé, Emmanuel, Gay, Michel, Bolon, Philippe, Vasile, Gabriel, Nicolas, Jean-Marie, Chanussot, Jocelyn, Grussenmeyer, Pierre, Landes, Tania, Laboratoire d'Informatique, Systèmes, Traitement de l'Information et de la Connaissance (LISTIC), Université Savoie Mont Blanc (USMB [Université de Savoie] [Université de Chambéry]), Modèles et simulation pour l'architecture, l'urbanisme et le paysage (MAP), EC ARCHIT NANCY-EC ARCHIT TOULOUSE-EC ARCHIT MARSEILLE-EC ARCHIT LYON-Centre National de la Recherche Scientifique (CNRS)-Ministère de la Culture et de la Communication (MCC)-Institut National des Sciences Appliquées - Strasbourg (INSA Strasbourg), Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA), and Jusserand, Caroline

Subjects
interférométrie, [SHS.ARCHI]Humanities and Social Sciences/Architecture, space management, [SHS.ARCHI] Humanities and Social Sciences/Architecture, space management, photogrammétrie
Published
2005

10. Utilisation des statistiques d'ordres supérieurs en contrôle qualité de détecteurs de rayons X

Author

Maussang, Frederic, Chanussot, Jocelyn, Laboratoire des images et des signaux (LIS), Centre National de la Recherche Scientifique (CNRS)-Institut National Polytechnique de Grenoble (INPG)-Université Joseph Fourier - Grenoble 1 (UJF), and Maussang, Frédéric

Subjects
imagerie rayons X, statistiques d'ordres supérieurs, détection
Abstract

International audience; A quality control method for X-ray detector is proposed in this paper. The process is based on the statistical properties of the images obtained with this detector. Higher Order Statistics (HOS) tools, and more specifically the kurtosis (4th order statistical value), are used on these images in order to highlight the regions of interest likely to contain artifacts a human expert has to detect rapidly. The properties of these small structures being different from the background, HOS allow to extract the corresponding regions from the rest of the image. The results (size and amplitude of the highlighted regions) will help the expert to analyse the artifact.

Published
2005

11. Fusion de données statistiques locales pour la détection en imagerie SAS

Author

Maussang, Frederic, Rombaut, Michèle, Chanussot, Jocelyn, Hétet, Alain, Amate, Maud, Laboratoire des images et des signaux (LIS), Centre National de la Recherche Scientifique (CNRS)-Institut National Polytechnique de Grenoble (INPG)-Université Joseph Fourier - Grenoble 1 (UJF), Groupe d'Etudes Sous-Marines de l'Atlantique (DGA/DET/GESMA), DGA, and Maussang, Frédéric

Subjects
rehaussement, classification, automatique, théorie de l'évidence, Sonar à Antenne Synthéetique (SAS), segmentation, statistiques d'ordres supérieurs, fusion de données
Abstract

International audience; La détection de mines sous-marines est aujourd'hui un problème stratégique important. Les images fournies par un Sonar à Antenne Synthétique (SAS) sont alors d'un grand intérêt pour la détection et la classification d'objets posés sur le fond ou enfouis dans le sol marin. Cet article présente une méthode de détection de ces objets sous-marins utilisant la fusion, basée sur la théorie de l'évidence et des ensembles flous, de données statistiques locales préalablement extraites de l'image sonar. Ces données sont issues des propriétés statistiques des images SAS aux ordres 1, 2, 3 et 4.

Published
2004

12. Détection en Imagerie SAS par Fusion de Données de Statistiques Locales

Author

Maussang, Frederic, Rombaut, Michèle, Chanussot, Jocelyn, Maussang, Frédéric, Laboratoire des images et des signaux (LIS), and Centre National de la Recherche Scientifique (CNRS)-Institut National Polytechnique de Grenoble (INPG)-Université Joseph Fourier - Grenoble 1 (UJF)

Subjects
Fusion de données, ensembles flous, théorie de l'évidence, segmentation, statistiques d'ordres supérieurs, détection
Abstract

International audience; La détection de mines sous-marines est aujourd'hui un problème stratégique important. Les images fournies par un Sonar à Antenne Synthétique (SAS) sont alors d'un grand intérêt pour la détection et la classification d'objets posés sur le fond ou enfouis dans le sol marin. Cet article présente une méthode de détection de ces objets sous-marins utilisant la fusion, basée sur la théorie de l'évidence et des ensembles flous, de données statistiques locales préalablement extraites de l'image sonar. Ces données sont issues des propriétés statistiques des images SAS aux ordres 1, 2, 3 et 4.

Published
2004

13. Séparation d'ondes sismiques par ligne de partage des eaux sur des images temps-échelle

Author

Roueff, Antoine, Chanussot, Jocelyn, Nicolas, Barbara, Mars, Jerome, Nicolas, Barbara, Laboratoire des images et des signaux (LIS), and Institut National Polytechnique de Grenoble (INPG)-Université Joseph Fourier - Grenoble 1 (UJF)-Centre National de la Recherche Scientifique (CNRS)

Subjects
[INFO.INFO-TS]Computer Science [cs]/Signal and Image Processing, [INFO.INFO-TS] Computer Science [cs]/Signal and Image Processing, [SPI.SIGNAL]Engineering Sciences [physics]/Signal and Image processing, ComputingMilieux_MISCELLANEOUS, [SPI.SIGNAL] Engineering Sciences [physics]/Signal and Image processing
Abstract

National audience

Published
2001

14. Segmentation hyperspectrale de forêts tropicales par Arbres de Partition Binaires.

Author

Tochon, Guillaume, Féret, Jean-Baptiste, Valero, Silvia, Martin, Roberta E., Tupayachi, Raul, Chanussot, Jocelyn, Salembier, Philippe, and Asner, Gregory P.

Abstract

Copyright of Revue Francaise de Photogrammetrie et de Teledetection is the property of Societe Francaise de Photogrammetrie et de Teledetection and its content may not be copied or emailed to multiple sites or posted to a listserv without the copyright holder's express written permission. However, users may print, download, or email articles for individual use. This abstract may be abridged. No warranty is given about the accuracy of the copy. Users should refer to the original published version of the material for the full abstract. (Copyright applies to all Abstracts.)

Published
2013

15. Méthodes d'analyse de texture pour la cartographie d'occupations du sol par télédetection très haute résolution : application à la fôret, la vigne et les parcs ostréicoles

Author

Regniers, Olivier, STAR, ABES, Regniers, Olivier, Germain, Christian, Bombrun, Lionel, Martin-Herrero, Julio, Chanussot, Jocelyn, Rabatel, Gilles, Mercier, Grégoire, Laboratoire de l'intégration, du matériau au système (IMS), Université Sciences et Technologies - Bordeaux 1-Institut Polytechnique de Bordeaux-Centre National de la Recherche Scientifique (CNRS), Université de Bordeaux, Christian Germain, and Lionel Bombrun

Subjects
Multivariate modeling, Oyster fields, Pléiades satellite, Classification, Vineyards, Very high resolution, Transformée en ondelettes, [SDU.ENVI] Sciences of the Universe [physics]/Continental interfaces, environment, Parcs ostréicoles, Texture analysis, Forêt, Satellites Pléiades, Modélisation multivariée, Wavelet transform, Vigne, Forest, Analyse de texture, [SDU.ENVI]Sciences of the Universe [physics]/Continental interfaces, environment, [SPI.SIGNAL]Engineering Sciences [physics]/Signal and Image processing, Très haute résolution spatiale, [SPI.SIGNAL] Engineering Sciences [physics]/Signal and Image processing
Abstract

The prime objective of this thesis is to evaluate the potential of multivariate probabilistic models applied on wavelet subbands for the classification of very high resolution remote sensing optical data. Three main applications are investigated in this study: the differentiation of age classes of maritime pine forest stands, the detection of vineyards and the detection of oyster fields. One main contribution includes the proposal of an original supervised and object-oriented classification scheme based on similarity measurements adapted to the context of probabilistic modeling. This scheme involves the creation of a database of texture patches for the learning step and a pre-segmentation of the image to classify. The tested multivariate models were first evaluated in an image retrieval framework. The best models identified in this procedure were then applied in the proposed image processing scheme. In the three proposed thematic applications, multivariate models revealed remarkable abilities to represent the texture and reached higher classification accuracies than the method based on co-occurrence matrices. These results confirm the interest of the multi-scale and multi-orientation representation of textures through the wavelet transform, as well as the relevance of the multivariate modeling of wavelet coefficients., Le travail présenté dans cette thèse a pour objectif d’évaluer le potentiel de modèles probabilistes multivariés appliqués sur les sous-bandes d’une décomposition en ondelettes pour la classification d’images de télédétection optiques à très haute résolution spatiale. Trois thématiques principales ont été investiguées dans ce travail : la différenciation de classes d’âge de peuplements de pins maritimes, la détection de parcelles viticoles et la détection de parcs ostréicoles. Une contribution originale concerne la proposition d’une chaîne traitement pour une classification supervisée orientée objet se basant sur des mesures de similarité adaptées au contexte de modélisation probabiliste. Celle-ci implique la création d’une base de données de patchs de texture pour l’apprentissage et l’utilisation d’une pré-segmentation de l’image à classifier. Les modèles probabilistes multivariés testés ont tout d’abord été évalués dans une procédure d’indexation d’images. Les modèles les plus performants identifiés par cette procédure ont été ensuite appliqués dans la chaîne de traitement proposée. Dans les trois thématiques explorées, les modèles multivariés ont révélé des capacités remarquables de représentation de la texture et ont permis d’obtenir une qualité de classification supérieure à celle obtenue par la méthode des matrices de co-occurrence. Ces résultats démontrent l’intérêt de la représentation multi-échelles et multi-orientations de la texture dans l’espace transformé en ondelettes et la pertinence de la modélisation multivariée des coefficients d’ondelettes issus de cette décomposition.

Published
2014

Catalog

Books, media, physical & digital resources
See catalog results