En savoir plus

Notre utilisation de cookies

« Cookies » désigne un ensemble d’informations déposées dans le terminal de l’utilisateur lorsque celui-ci navigue sur un site web. Il s’agit d’un fichier contenant notamment un identifiant sous forme de numéro, le nom du serveur qui l’a déposé et éventuellement une date d’expiration. Grâce aux cookies, des informations sur votre visite, notamment votre langue de prédilection et d'autres paramètres, sont enregistrées sur le site web. Cela peut faciliter votre visite suivante sur ce site et renforcer l'utilité de ce dernier pour vous.

Afin d’améliorer votre expérience, nous utilisons des cookies pour conserver certaines informations de connexion et fournir une navigation sûre, collecter des statistiques en vue d’optimiser les fonctionnalités du site. Afin de voir précisément tous les cookies que nous utilisons, nous vous invitons à télécharger « Ghostery », une extension gratuite pour navigateurs permettant de les détecter et, dans certains cas, de les bloquer.

Ghostery est disponible gratuitement à cette adresse : https://www.ghostery.com/fr/products/

Vous pouvez également consulter le site de la CNIL afin d’apprendre à paramétrer votre navigateur pour contrôler les dépôts de cookies sur votre terminal.

S’agissant des cookies publicitaires déposés par des tiers, vous pouvez également vous connecter au site http://www.youronlinechoices.com/fr/controler-ses-cookies/, proposé par les professionnels de la publicité digitale regroupés au sein de l’association européenne EDAA (European Digital Advertising Alliance). Vous pourrez ainsi refuser ou accepter les cookies utilisés par les adhérents de l'EDAA.

Il est par ailleurs possible de s’opposer à certains cookies tiers directement auprès des éditeurs :

Catégorie de cookie

Moyens de désactivation

Cookies analytiques et de performance

Realytics
Google Analytics
Spoteffects
Optimizely

Cookies de ciblage ou publicitaires

DoubleClick
Mediarithmics

Les différents types de cookies pouvant être utilisés sur nos sites internet sont les suivants :

Cookies obligatoires

Cookies fonctionnels

Cookies sociaux et publicitaires

Ces cookies sont nécessaires au bon fonctionnement du site, ils ne peuvent pas être désactivés. Ils nous sont utiles pour vous fournir une connexion sécuritaire et assurer la disponibilité a minima de notre site internet.

Ces cookies nous permettent d’analyser l’utilisation du site afin de pouvoir en mesurer et en améliorer la performance. Ils nous permettent par exemple de conserver vos informations de connexion et d’afficher de façon plus cohérente les différents modules de notre site.

Ces cookies sont utilisés par des agences de publicité (par exemple Google) et par des réseaux sociaux (par exemple LinkedIn et Facebook) et autorisent notamment le partage des pages sur les réseaux sociaux, la publication de commentaires, la diffusion (sur notre site ou non) de publicités adaptées à vos centres d’intérêt.

Sur nos CMS EZPublish, il s’agit des cookies sessions CAS et PHP et du cookie New Relic pour le monitoring (IP, délais de réponse).

Ces cookies sont supprimés à la fin de la session (déconnexion ou fermeture du navigateur)

Sur nos CMS EZPublish, il s’agit du cookie XiTi pour la mesure d’audience. La société AT Internet est notre sous-traitant et conserve les informations (IP, date et heure de connexion, durée de connexion, pages consultées) 6 mois.

Sur nos CMS EZPublish, il n’y a pas de cookie de ce type.

Pour obtenir plus d’informations concernant les cookies que nous utilisons, vous pouvez vous adresser au Déléguée Informatique et Libertés de l’INRA par email à cil-dpo@inra.fr ou par courrier à :

INRA
24, chemin de Borde Rouge –Auzeville – CS52627
31326 Castanet Tolosan cedex - France

Dernière mise à jour : Mai 2018

Menu Logo Principal

Laboratoire Ecosystèmes et Sociétés En Montagne

Soutenance de thèse d'Eduardo TUSA

Jeudi 17 décembre 2020 à 14h - INRAE - Centre de Lyon-Grenoble Auvergne-Rhône-Alpes

Fusion of 3D point clouds and hyperspectral data for the extraction of geometric and radiometric features of trees

Thèse de DOCTORAT de l'Université Grenoble Alpes (UGA)
École doctorale : Electronique, Electrotechnique, Automatique, Traitement du Signal (EEATS)
Spécialité : Signal, image, parole, télécom (SIPT)

Thèse dirigée par : Jocelyn Chanussot (SIGMA-Phy), Mauro Dalla mura (SIGMA-Phy), Jean-Baptiste Barré (INRAE) et Jean-Matthieu Monnet (INRAE)
Thèse préparée au sein du laboratoire Gipsa-lab et à l'unité de recherche LESSEM (INRAE).

ACCÈS par VISIOCONFÉRENCE

Informations de connexion : https://grenoble-inp.zoom.us/j/91002767291
Meeting ID: 910 0276 7291 - Passcode: 85566
One tap mobile : +33170372246
Dial by your location : +33 1 7037 2246 France
Find your local number: https://grenoble-inp.zoom.us/u/ackgRsfgF7
Join by SIP : 91002767291@zoomcrc.com
Join by H.323 : 162.255.37.11 (US West) - 162.255.36.11 (US East) - 213.19.144.110 (Amsterdam Netherlands) - 213.244.140.110 (Germany)

MEMBRES DU JURY

Florence Tupin, Professeur, TelecomParisTech, Présidente
Nesrine Chehata, MCF HDR, Bordeaux INP, Rapportrice
Sylvie Durrieu, DR INRAE Montpellier, Rapportrice
Markus Hollaus, MCF HDR, TU Wien, Autriche, Examinateur
Emmanuel Trouvé, Professeur, Université Savoie Mont Blanc, Examinateur
Jocelyn Chanussot, Professeur, Grenoble INP, directeur de thèse

INVITÉS :
Mauro Dalla mura, MCF, Grenoble INP, co-encadrant
Matthieu Monnet, IR INRAE Grenoble, co-encadrant
Jean-Baptiste Barré, IR IGE Grenoble, co-encadrant

RÉSUMÉ DE THÈSE

The main topic of this PhD is the fusion of 3D point cloud and hyperspectral data for the extraction of geometric and radiometric features of forest trees. We present the integration of remotely sensed data for the analysis of forest areas. In particular, we focus our attention on hyperspectral and LiDAR data that are of primary importance in the study of forest areas. Our attention is also devoted to the use of unsupervised and supervised machine learning techniques for the use of the information contained in such data acquired over forest areas. To summarize, the thesis objectives answer the three scientific challenges:

Q1. How data processing methods are applied in each level of data fusion for forest monitoring?

Q2. How a crown shape model can improve the segmentation of individual tree crowns?

Q3. Which combination of feature sets contribute to characterize the forest tree species composition?