hyperspectral images – French Translation – Keybot Dictionary

Spacer TTN Translation Network TTN TTN Login Deutsch Français Spacer Help
Source Languages Target Languages
Keybot      37 Results   15 Domains
  www.dyneff.es  
Show textShow cached sourceOpen source URL
My current concern is the hyperspectral images classification through Stacked Autoencoders and Deep Learning.
Compare text pagesCompare HTM pagesOpen source URLOpen target URLDefine hds.utc.fr as primary domain
My current concern is the hyperspectral images classification through Convolutional Neural Networks and Deep Learning.
  2 Hits www.unikcom.fr  
Show textShow cached sourceOpen source URL
High-resolution hyperspectral images in the case of the Raglan mine area;
Compare text pagesCompare HTM pagesOpen source URLOpen target URLDefine effigis.com as primary domain
Images hyperspectrales de haute résolution, dans le cas du secteur de la mine Raglan
  7 Hits www5.agr.gc.ca  
Show textShow cached sourceOpen source URL
Mahesh, S., Jayas, D.S., Paliwal, J., and White, N.D.G. (2011). "Identification of wheat classes at different moisture levels using near-infrared hyperspectral images of bulk samples.", Sensing and Instrumentation for Food Quality and Safety, 5(1), pp. 1-9.
Compare text pagesCompare HTM pagesOpen source URLOpen target URLDefine www5.agr.gc.ca as primary domain
Mahesh, S., Jayas, D.S., Paliwal, J., et White, N.D.G. (2011). « Identification of wheat classes at different moisture levels using near-infrared hyperspectral images of bulk samples. », Sensing and Instrumentation for Food Quality and Safety, 5(1), p. 1-9. doi : 10.1007/s11694-010-9104-2
  www.premeta.lt  
Show textShow cached sourceOpen source URL
Use recent technological advances – object-oriented classifications of hyperspectral images, long-term seasonality time series at 1 km spatial resolution – to produce a highly detailed remote-sensed vegetation map based on seasonal vegetation activity (degree of deciduousness of the vegetation) and topsoil water content.
Compare text pagesCompare HTM pagesOpen source URLOpen target URLDefine coforchange.eu as primary domain
Utilisation des progrès technologiques récents (classification orientée-objet d'images satellitaires hyperspectrales, séries chronologiques de long terme à 1 km de résolution spatiale) pour aboutir à une carte de végétation à haute résolution basée sur l'activité saisonnière de la végétation (intensité du caractère décidu) et sur la teneur en eau de la couche superficielle du sol.
  7 Hits www.listeriosis-listeriose.investigation-enquete.gc.ca  
Show textShow cached sourceOpen source URL
Mahesh, S., Jayas, D.S., Paliwal, J., and White, N.D.G. (2011). "Identification of wheat classes at different moisture levels using near-infrared hyperspectral images of bulk samples.", Sensing and Instrumentation for Food Quality and Safety, 5(1), pp. 1-9.
Compare text pagesCompare HTM pagesOpen source URLOpen target URLDefine listeriosis-listeriose.investigation-enquete.gc.ca as primary domain
Mahesh, S., Jayas, D.S., Paliwal, J., et White, N.D.G. (2011). « Identification of wheat classes at different moisture levels using near-infrared hyperspectral images of bulk samples. », Sensing and Instrumentation for Food Quality and Safety, 5(1), p. 1-9. doi : 10.1007/s11694-010-9104-2
  7 Hits www.agr.ca  
Show textShow cached sourceOpen source URL
Mahesh, S., Jayas, D.S., Paliwal, J., and White, N.D.G. (2011). "Identification of wheat classes at different moisture levels using near-infrared hyperspectral images of bulk samples.", Sensing and Instrumentation for Food Quality and Safety, 5(1), pp. 1-9.
Compare text pagesCompare HTM pagesOpen source URLOpen target URLDefine agr.ca as primary domain
Mahesh, S., Jayas, D.S., Paliwal, J., et White, N.D.G. (2011). « Identification of wheat classes at different moisture levels using near-infrared hyperspectral images of bulk samples. », Sensing and Instrumentation for Food Quality and Safety, 5(1), p. 1-9. doi : 10.1007/s11694-010-9104-2
  www.asc-csa.gc.ca  
Show textShow cached sourceOpen source URL
According to Corson, “HICO has recorded almost 4,000 hyperspectral images of coastal environments worldwide during its ongoing mission.” “HICO will continue its pathfinder missions, providing image data to dozens of government and university researchers.”
Compare text pagesCompare HTM pagesOpen source URLOpen target URLDefine asc-csa.gc.ca as primary domain
Les premières images de l'appareil HREP-HICO ont été saisies le 25 septembre 2009. Selon M. Corson, « l'imageur HICO a saisi près de 4000 images hyperspectrales d'environnements côtiers à travers le monde au cours de sa mission qui se poursuit encore aujourd'hui. L'appareil HICO va continuer d'accomplir ses missions exploratoires et de fournir des images à des douzaines de chercheurs gouvernementaux et universitaires. »
  www.complexedesjardins.com  
Show textShow cached sourceOpen source URL
1) continue the validation of the processing chain for biodiversity mapping from imaging spectroscopy, using various biodiversity indicators, 2) participate in the finalization of a data simulation platform for multispectral and hyperspectral images based on radiative transfer model DART, and
Compare text pagesCompare HTM pagesOpen source URLOpen target URLDefine pasi.irstea.fr as primary domain
Ce projet de thèse vise à évaluer le potentiel des données acquises par les satellites Sentinel-2 pour la cartographie de la biodiversité en milieux de forêts tropicales, notamment la distribution spatiale des communautés d’espèces. Le travail réalisé los de cette thèse s’appuiera sur un certain nombre d’outils et données disponibles : des données Sentinel-2 mises à disposition dans le cadre du pôle Théia et de la plateforme SEAS Guyane , une adaptation au cas multispectral d’une méthodologie permettant la cartographie de la biodiversité tropicale à partir de données d’imagerie hyperspectrale, une plateforme de simulation permettant de générer des données de télédétection à l’aide du modèle de transfert radiatif DART, et un jeu de données expérimentales issu d’une campagne couplée aéroportée/terrain réalisée en 2016 sur des sites expérimentaux documentes de Guyane Française. Cette campagne de terrain comprend des données hyperspectrales et LiDAR aéroportées, des acquisitions au LiDAR terrestre ainsi qu’une base de données de propriétés optiques de végétation et d’éléments forestiers. Au cours de cette thèse, un passage à l’échelle sera effectué depuis les données terrain vers les données aéroportées puis vers les données satellite en s’appuyant sur des données expérimentales et des données simulées issues de la modélisation du transfert radiatif en 3 dimensions. Cette mise à l’échelle permettra notamment de 1) continuer la validation la chaine de traitement pour la cartographie de la biodiversité à partir des données hyperspectrales en utilisant différents indicateurs de biodiversité, 2) participer à la finalisation d’une plateforme de simulation de données multispectrales et hyperspectrales basée sur le modèle de transfert radiatif DART, et 3) contribuer à la définition des variables essentielles de biodiversité mesurables par télédétection (satellite remote sensing essential biodiversity variables, SRS-EBV) dirigée par le Group on Earth Observations – Biodiversity Observation Network (GEO BON).