Haut PDF Extraction de caractéristiques de texture pour la classification d'images satellites

Extraction de caractéristiques de texture pour la classification d'images satellites

Extraction de caractéristiques de texture pour la classification d'images satellites

Résumé : Cette thèse s’inscrit dans le cadre général du traitement des données multimédias. Nous avons plus particulièrement exploité les images satellitaires pour la mise en application de ces traitements. Nous nous sommes intéressés à l’extraction de variables et de caractéristiques texturelles ; nous avons proposé une nouvelle méthode de pré-traitement des textures afin d’améliorer l’extraction de ces attributs caractéristiques. L’augmentation de la résolution des satellites récents a, paradoxalement, perturbé les chercheurs lors des premières classifications sur des données à haute résolution. Les cartes très homogènes, obtenues jusqu’alors en moyenne résolution, devenaient très fragmentées et difficiles à utiliser avec les mêmes algorithmes de classification. Une façon de remédier à ce problème consiste à caractériser le pixel en cours de classification par des paramètres mesurant l’organisation spatiale des pixels de son voisinage. Il existe plusieurs approches à l’analyse de texture dans les images. Dans le cadre des images satellitaires, l’approche statistique semble être habituellement retenue, ainsi que les méthodes des matrices de cooccurrences et du corrélogramme, basées sur l’analyse statistique au deuxième ordre (au sens des probabilités sur des couples de pixels). Et ce sont les deux dernières méthodes sur lesquelles nous allons se baser pour en extraire l’information texturelle sous forme d’un vecteur. Ces matrices présentent des inconvénients, tels que la taille mémoire nécessaire et le temps de calcul des paramètres élevé. Pour contourner ce problème, nous avons cherché une méthode de réduction du nombre de niveaux de gris appelée codage de rang (permettant de passer, dans un premier temps de 256 niveaux à 9 niveaux de gris, puis ensuite pour améliorer la qualité de l’image, passer de 9 à 16 niveaux de gris), tout en conservant la structure et la texture de l’image. L’ensemble de cette thèse a donc permis de montrer que la méthode de codage est une meilleure façon pour compresser une image sans toutefois perdre de l’information texturelle. Il permet de réduire la taille des données, ce qui réduira le temps de calcul des caractéristiques.
En savoir plus

97 En savoir plus

Extraction de caractéristiques de texture pour la classification d’images satellites

Extraction de caractéristiques de texture pour la classification d’images satellites

Résumé : Cette thèse s’inscrit dans le cadre général du traitement des données multimédias. Nous avons plus particulièrement exploité les images satellitaires pour la mise en application de ces traitements. Nous nous sommes intéressés à l’extraction de variables et de caractéristiques texturelles ; nous avons proposé une nouvelle méthode de pré-traitement des textures afin d’améliorer l’extraction de ces attributs caractéristiques. L’augmentation de la résolution des satellites récents a, paradoxalement, perturbé les chercheurs lors des premières classifications sur des données à haute résolution. Les cartes très homogènes, obtenues jusqu’alors en moyenne résolution, devenaient très fragmentées et difficiles à utiliser avec les mêmes algorithmes de classification. Une façon de remédier à ce problème consiste à caractériser le pixel en cours de classification par des paramètres mesurant l’organisation spatiale des pixels de son voisinage. Il existe plusieurs approches à l’analyse de texture dans les images. Dans le cadre des images satellitaires, l’approche statistique semble être habituellement retenue, ainsi que les méthodes des matrices de cooccurrences et du corrélogramme, basées sur l’analyse statistique au deuxième ordre (au sens des probabilités sur des couples de pixels). Et ce sont les deux dernières méthodes sur lesquelles nous allons se baser pour en extraire l’information texturelle sous forme d’un vecteur. Ces matrices présentent des inconvénients, tels que la taille mémoire nécessaire et le temps de calcul des paramètres élevé. Pour contourner ce problème, nous avons cherché une méthode de réduction du nombre de niveaux de gris appelée codage de rang (permettant de passer, dans un premier temps de 256 niveaux à 9 niveaux de gris, puis ensuite pour améliorer la qualité de l’image, passer de 9 à 16 niveaux de gris), tout en conservant la structure et la texture de l’image. L’ensemble de cette thèse a donc permis de montrer que la méthode de codage est une meilleure façon pour compresser une image sans toutefois perdre de l’information texturelle. Il permet de réduire la taille des données, ce qui réduira le temps de calcul des caractéristiques.
En savoir plus

97 En savoir plus

Unsupervised amplitude and texture based classification of SAR images with multinomial latent model

Unsupervised amplitude and texture based classification of SAR images with multinomial latent model

1 Introduction The aim of image classification is to assign each pixel of the image to a class with regard to a feature space. These features can be the basic image properties as in- tensity or amplitude. Moreover, some more advance abstract image descriptors as textures can also be exploited as feature. In remote sensing, image classifica- tion finds many applications varying from crop and forest classification to urban area extraction and epidemiological surveillance. Radar images are preferred in remote sensing because the acquisition of the images are not affected by light and weather conditions. First use of the radar images can be found in vegeta- tion classification [2], [3] for instances. By the technological developments, we are now able to work with high resolution SAR images. The scope of this study is high resolution SAR image classification and we follow the model-based clas- sification approach. To model the statistics of SAR images, both empirical and theoretical probability density functions (pdfs) have been proposed [1]. Basic theoretical multi-look models are the Gamma and the Nakagami densities for intensity and amplitude images respectively. A recent review on the densities used in intensity and amplitude based modelling can be found in [4]. In this study, we work with SAR image amplitudes and consequently use the Nakagami density in model-based classification.
En savoir plus

33 En savoir plus

Unsupervised amplitude and texture classification of SAR images with multinomial latent model

Unsupervised amplitude and texture classification of SAR images with multinomial latent model

ATML-CEM (U) 94.17 98.76 80.93 91.29 advantage of using texture model, we exploit the ATML-CEM algorithm for urban area extraction problem on TSX2 image in Fig. 6(a). Table IV lists the accuracy of the classification in water, urban and land areas and average according to a groundtruth class map (Courtesy of A. Voisin). We include the result of CoDSEM-GLCM [11] which is the extended version of the DSEM method by including texture information. In both supervised and unsupervised cases, ATML-CEM provides better results than the others. The combination of the ampli- tude and the texture features helps to increase the quality of classification in average. From Fig. 6, we can see that the MLS and K-MnL methods fail to classify the urban areas. MLS provides a noisy classification map. The classification map of ATML-CEM agglomerates the tree and hill areas into urban area, since their textures are more similar to urban texture than the others. Misclassification in water areas is caused by the dark shadowed regions. Fig. 1(c) shows the ICL and BIC values. From this plot, we can see that the necessary number of classes should be 3, since both plots are saturated after 3. Fig. 7 presents the classification maps for 3-, 5-, 7- and 12-classes cases.
En savoir plus

13 En savoir plus

Analyse de la texture des images mammaires par une fusion des lois de Zipf et des Ondelettes pour la classification des tumeurs mammaires via l’analyse en composantes principale

Analyse de la texture des images mammaires par une fusion des lois de Zipf et des Ondelettes pour la classification des tumeurs mammaires via l’analyse en composantes principale

24 III.4.1. Détection des tumeurs assistée par ordinateur (CADe) Les systèmes de détection automatisée des anomalies dans des images de mammographie utilisent des techniques de détection basées régions en segmentant des régions d’intérêt pour en extraire les caractéristiques qui seront par la suite utilisées pour classifier les régions comme suspect ou non suspect (Tang, Rangayyan, Xu, El Naqa, & Yang, 2009). De plus, nous distinguons d’autres techniques basées analyse de pixels (Minh-Nguyen et al. 2013) qui admettent que les pixels à l'intérieur d'une tumeur présentent des descripteurs différents par rapport aux autres pixels du tissu parenchyme mammaire. Ces descripteurs peuvent consister en des valeurs de niveaux de gris, des mesures de texture ou des mesures morphologiques. Nous pouvons attester que le but des systèmes de détection des tumeurs assistée par ordinateur (CADe) est de localiser des masses (Hamoud M.2015).
En savoir plus

71 En savoir plus

analyse de la texture des images mammaires par une fusion des lois de Zipf et desLBP pour la classification des tumeurs mammaires via les algorithmes génétiques

analyse de la texture des images mammaires par une fusion des lois de Zipf et desLBP pour la classification des tumeurs mammaires via les algorithmes génétiques

Chapitre IV Aide au diagnostic du Cancer du sein assisté par ordinateur médical du cancer du sein (CAD) soit basée sur une large gamme de caractéristiques de texture ainsi que de fonctionnalités obtenues avec d'autres méthodes de traitement d'image. Dans [33] les auteurs affirment que l'analyse manuelle d'image mammaire par un spécialiste est très compliquée du fait du faible contraste. Comme alternative, les auteurs proposent le diagnostic assisté par ordinateur du tissu mammaire basé sur l’analyse de la texture de toute la région de l’image, en partant des régions externes de l’image pour s’étendre aux régions intérieures. Pour cette tâche, ils utilisent des indices de diversité phylogénétique qui désigne une branche de la génétique traitant des modifications génétiques au sein des espèces animales ou végétales : la diversité pure ou la diversité phylogénétique; la somme des distances phylogénétiques; la distance moyenne du voisin le plus proche; la variabilité des espèces phylogénétiques; et la richesse en espèces phylogénétiques.
En savoir plus

75 En savoir plus

Audio classification from time-frequency texture

Audio classification from time-frequency texture

In this paper, we investigate an audio classification algo- rithm purely in the visual domain, with time-frequency rep- resentations of audio signals considered as texture images. Inspired by the recent biologically-motivated work on ob- ject recognition by Poggio, Serre and their colleagues [16], and more specifically on its variant [21] which has been shown to be particularly efficient for texture classification, we propose a simple feature extraction scheme based on time- frequency block matching (the effectiveness of application of time-frequency blocks in audio processing has been shown in previous work [19, 20]). Despite its simplicity, the proposed algorithm relying only on visual texture features achieves sur- prisingly good performance in musical instrument classifica- tion experiments.
En savoir plus

5 En savoir plus

Analyse de la texture des images mammaires par une fusion Des lois de  Zipf et de la transformée de Fourier pour la classification des tumeurs mammaires via L’analyse en composantes principales

Analyse de la texture des images mammaires par une fusion Des lois de Zipf et de la transformée de Fourier pour la classification des tumeurs mammaires via L’analyse en composantes principales

psycho-physiologie, informatique, électronique, et d'autres disciplines scientifiques. En fait, le but est la compréhension de l'image, la capacité non seulement de récupérer la structure de l'image, mais aussi de savoir ce qu'elle représente (Hamoud 2015). Lorsqu’un humain analyse une image, il exprime l’information contenu au sein de cette dernière en utilisant des descripteurs faciles à percevoir, consistants en les descripteurs psychophysiques tels que la couleur, le contraste, les contours, la forme, la texture...etc. Nous allons nous intéresser à l'analyse de la texture qui est un domaine important pour la vision par ordinateur. En effet, l’analyse de la texture a prie un grand intérêt en vision humaine et en psychophysique, mais, les caractéristiques de texture peuvent ne pas être perçues de façon évidente par la vision humaine. Les chercheurs en analyse d’image et vision par ordinateur visent à caractériser cette texture à travers des descripteurs numériques pertinents et discriminants permettant la détection des objets et régions saillantes.
En savoir plus

67 En savoir plus

analyse de la texture des images mammaires par une fusion des lois de Zipf et des matrices de co-occurrence des niveaux de gris dans un processus de classification des tumeurs mammaires

analyse de la texture des images mammaires par une fusion des lois de Zipf et des matrices de co-occurrence des niveaux de gris dans un processus de classification des tumeurs mammaires

Dans [41], les auteurs proposent des nouveaux systèmes de CAD basés sur des nouvelles méthodologies en mode B ainsi qu’en échographies modernes consistantes en l’élastographie et les ultrasons mammaires automatisés. Des caractéristiques de texture invariantes en niveaux de gris ont été utilisées où la classification des tumeurs malignes était performante. Une nouvelle technique exploitée dans les systèmes de CAD afin d'améliorer la précision et l'efficacité des programmes de dépistage pour la détection et le diagnostic du cancer du sein est la fractale. L'approche fractale consiste à identifier des structures géométriques présentant une auto-similarité à différentes échelles par la détection des lésions dans les mammographies. En effet, dans le cas des tissus fibroglandulaires, les deux seins sont symétriques et donc pour chaque densité asymétrique, une évaluation de la malignité devient nécessaire. Dans [49], les auteurs définissent de nouvelles caractéristiques fractales basées sur l'extraction d'informations asymétriques à partir de lésions où un classifieur SVM a été appliqué et une grande précision dans la classification des mammographies a été obtenue.
En savoir plus

97 En savoir plus

Apport des SIG et des images satellites pour la cartographie numérique de la forêt du Chettabah

Apport des SIG et des images satellites pour la cartographie numérique de la forêt du Chettabah

1.2- Cartographie des espèces de la forêt domaniale de Chettabah par classification des images satellitaires LANDSAT 5 (TM) : La classification supervisée (maximum de vraisemblance) des espèces forestières du massif de Chettabah (Wilaya de Constantine), nous a permis d’obtenir une carte d’une bonne qualité. Cela est dû, d’une part, à la date de prise des images hors saison de végétation. D’autre part, les jeunes peuplements de pin d’Alep (fourrés) et les parcelles de reboisement récent, ont été mal reconnues par le classificateur. Ils sont souvent mélangés avec le Chêne vert et les broussailles basses, ce qui a rendu l’identification de ces zones mixtes complexe. De plus, le cyprès et l’amandier qui occupent une faible surface dans le massif (surface plus petite que celle du pixel de l’image), a rendu leur discrimination difficile (six parcelles de Cyprès qui ne dépassent pas 30 ares et une parcelle d’Amandier de 28 ares). L’incapacité de séparation des résineux n’est pas nécessairement liée à la méthode appliquée ou aux caractéristiques des données, mais à leurs signatures spectrales semblables et au matériel de télédétection disponible (LANDSAT 5 à résolution spectrale de 30 m). Si l'on souhaite obtenir une cartographie bien exploitable, il est nécessaire de délimiter les parcelles (cyprès et amandier) non-identifiées par le classificateur par une approche terrain. La précision de la classification a été sensible à l’effet du cortège de végétation.
En savoir plus

216 En savoir plus

Extraction des informations sur la morphologie des milieux urbains par analyse des images satellites radars interférométriques

Extraction des informations sur la morphologie des milieux urbains par analyse des images satellites radars interférométriques

67 Dans les autres approches, nous pouvons inclure les algorithmes de parcours minimal appliqués surtout sur des images optiques (e.g. Vincent, 1998). Cette technique consiste à trouver les chemins parcourant l’image d’un côté à l’autre et qui minimisent une fonction (e.g. somme des intensités). Parmi les publications suivant cette approche avec des images RSO, nous pouvons citer celle de Gamba et Houshmand (1999). Ici, les auteurs utilisent une image multipolarisée aéroportée pour générer l’image “primitive” du réseau par classification floue. Un pixel de route est alors choisi au hasard sur l’un des côtés de l’image et le chemin possédant le coût minimal pour aller de l’autre côté de l’image, dans la direction des lignes et des colonnes, est recherché. Ils proposent également l’introduction du MNS issu de l’interférométrie pour éliminer certains segments faussement détectés dont la hauteur diffère significativement de la hauteur locale du réseau. Cette méthode est reprise par Dell’Acqua et Gamba (2001) avec l’ajout de différents algorithmes flous pour améliorer le rendu de l’image “primitive”. La qualité de la détection du réseau routier sur des images aéroportées en bande C dans un milieu urbain dense avec des routes de différentes caractéristiques est de l’ordre de 60%. Dans un article plus récent, Dell’Acqua et ses collaborateurs (2003) essaient d’améliorer davantage l’image “primitive” du réseau en utilisant divers détecteurs et en fusionnant les résultats à partir de différentes règles. L’exactitude de localisation du réseau dans différentes zones urbaines et péri-urbaines varie entre environ 30 et 60% tandis que le meilleur score concernant l’exhaustivité de la détection est de l’ordre de 75%.
En savoir plus

185 En savoir plus

Feature Extraction on Local Jet Space for Texture Classification

Feature Extraction on Local Jet Space for Texture Classification

In the context of image representation, the behavior of local jet can be used to highlight the geometric characteristics of texture patterns. Further- more, the local jet decomposition creates a similarity space of image that can be explored to classify texture images. Texture features have been played a significant role in pattern recognition and image analysis, including appli- cations using real and synthetic images in several fields, for example plant analysis and identification [5, 6, 7, 8], medical image analysis [9, 10, 11] and many others. Aiming to increase the potential of traditional texture descrip- tors, our proposal is to enhance the texture feature extraction process using the local jet decomposition as initial transformation. The texture image is represented by a set of features composed by the result of the application of a texture descriptor on the local jet components.
En savoir plus

21 En savoir plus

Méthode d'extraction des caractéristiques des images biométriques

Méthode d'extraction des caractéristiques des images biométriques

La biométrie est un domaine à la fois passionnant et complexe. Elle tente, par des outils mathématiques souvent très évolués, de faire la distinction entre des individus basés sur leurs caractéristiques physiologiques ( visage, empreinte, main, Iris) et/ou comportementales ( signature, frappe au clavier), ces caractéristiques sont extrait de façons et méthodes différente ( global, local, et hybride) avec la diversité des types de systèmes biométrique, une grande quantité d'informations importantes sont représentées par les points caractéristiques d'une image, ou ces derniers peuvent être des coins, couleur, forme, texture...etc.
En savoir plus

84 En savoir plus

Extraction de caractéristiques, segmentation d'image et morphologie mathématique

Extraction de caractéristiques, segmentation d'image et morphologie mathématique

4.3 Lien avec l’analyse dendronique Pour extraire le sens d’une observation complexe, un point de vue hi´erarchique est sou- vent une solution efficace. Ceci a d´ej`a ´et´e mis `a profit depuis longtemps. Nous pouvons citer les m´ethodes de classification hi´erarchiques [85], les techniques de r´esolution multi- ´echelles [43] et les applications des transform´ees d’ondelettes qui s’y rattachent [23]. Citons enfin les structures arborescentes de repr´esentations des signaux (bi- ou tri-dimensionels) d´efinissant une vue hi´erarchique du seuillage utilis´e comme processus structurant : celle inspir´ee des travaux de R.A. Kirsch [30] qui mettent en correspondance les composantes connexes des seuils successifs des signaux [10, 42] et celle inspir´ee des travaux de R. W. Ehrich [15], de P. V. Sankar et A. Rosenfeld [78] plus synth´etique d´efinissant des rela- tions de dominance entre les pics des signaux [28, 70, 71]. C’est particuli`erement sur cette derni`ere m´ethode que se portera notre attention du fait de la similitude qui existe entre cette approche et la notion d’arbres de fusion des extrema que nous venons d’introduire. Tr`es r´ecemment, les travaux de P. Hanusse et P. Guillateaux [27] ont permis d’entrevoir le grand int´erˆet de la m´ethode de repr´esentation propos´ee par R. W. Ehrich pour la repr´esentation simplifi´ee d’images et la r´esolution des probl`emes de reconnaissance de forme. P. Hanusse et P. Guillateaux ont ´etabli une m´ethode g´en´erale et efficace pour pro- duire la structure arborescente appel´ee dendrone et pour l’utiliser comme outil d’analyse de l’image, d´efinissant ainsi l’analyse dendronique.
En savoir plus

234 En savoir plus

Génération de contraintes pour le clustering à partir d'une ontologie - Application à la classification d'images satellites

Génération de contraintes pour le clustering à partir d'une ontologie - Application à la classification d'images satellites

2.2.1 Ontologie et clustering Des travaux existants dans la littérature ont exploré l’exploitation des ontologies dans le cadre du clustering textuel. Jing (Jing et al., 2006) a proposé une mesure de distance prenant en compte les corrélations entre les termes en se basant sur les connaissances a priori contenues dans l’ontologie. La mesure développée a été implémentée dans le cadre de K-Means et les ex- périmentations ont montré une amélioration des résultats du clustering. Hotho et al. (Hotho et al., 2002) ont utilisé les ontologies à différents stades du clustering. L’ontologie est d’abord exploitée dans la phase du pré-traitement des données afin de lier les termes au concepts et fil- trer les caractéristiques importantes pour le clustering, puis pour proposer des agrégations entre les clusters en se basant sur la hiérarchie des concepts. Ces travaux et d’autres dans le clustering de textes ont démontré l’utilité d’introduire les ontologies comme connaissance a priori. Ce- pendant, comme ils traitent directement de texte, le problème de l’ancrage sémantique qui est essentiel pour exploiter sémantiquement l’information numérique des images n’est pas abordé.
En savoir plus

13 En savoir plus

Analyse de la texture des images mammaires par une fusion des lois de Zipf et des SFTA pour la classification des tumeurs mammaires via l’analyse en composantes principales

Analyse de la texture des images mammaires par une fusion des lois de Zipf et des SFTA pour la classification des tumeurs mammaires via l’analyse en composantes principales

Les systèmes de diagnostic assisté par ordinateur (CADx) offrent une aide substantielle au processus de prise de décision des radiologistes. Le but de tels systèmes est de réduire l'effort requis pour le diagnostic d'une lésion. La méthodologie principale derrière les systèmes utilisés implique l'extraction de caractéristiques des lésions et l'application d'un classificateur pour obtenir une discrimination entre les masses bénignes et malignes ainsi que le tissu sein. Cependant, les systèmes de CADx souffrent d'un taux plus élevé de faux positifs et de faux négatifs, qui produisent une quantité accrue de biopsies inutiles. A cet effet, il est nécessaire de développer des systèmes de CADx avec une précision améliorée pour aider les radiologistes dans une détection précise et une meilleure planification du traitement. Ces erreurs sont principalement causées par les performances relativement faibles des systèmes de CADe en détection de masse.
En savoir plus

75 En savoir plus

Caractérisation d'une méthode Bayésienne de détection de bateaux dans des images satellites optiques

Caractérisation d'une méthode Bayésienne de détection de bateaux dans des images satellites optiques

– On seuille cette quantité. Les seuls paramètres à fixer pour cette méthode sont le seuil de détection et la taille de la fenêtre d’analyse. Il est à noter que cette méthode est optimale au sens du critère de Neymann-Pearson [13]. Bien évidemment, l’es- timation des paramètres ainsi que les écarts existants entre le modèle théorique (un bruit blanc gaussien de moyenne commune entre la cible et le fond) et la pratique ne permet pas de prétendre à cette optimalité dans notre cas. Mais la remarque précédente constitue une justification non négli- geable de son utilisation. Cette méthode est également à taux de fausse alarme constant (CFAR) [10] ce qui consti- tue un atout intéressant face aux problèmes d’illumination que présentent les acquisitions d’images satellites optiques.
En savoir plus

8 En savoir plus

Acquisition et extraction d'information des images polarimétriques actives.

Acquisition et extraction d'information des images polarimétriques actives.

Certaines espèces animales telle que la pieuvre (Octopus vulgaris) disposent de photorécep- teurs sensibles à la polarisation disposés orthogonalement les uns par rapport aux autres. Ceci lui permet de déjouer le camouage d'une proie. Depuis quelques années, des systèmes d'image- rie tentent de reproduire ce principe de fonctionnement en bénéciant des progrès constants des capteurs d'images et d'algorithmes de traitement du signal adaptés. L'imagerie polarimétrique permet en eet de mettre en évidence des contrastes qui ne sont pas présents dans les images d'in- tensité classiques. Les applications sont très nombreuses dans la télédétection, dans le domaine biomédical ou pour la vision à travers les milieux diusants. Dans ce manuscrit, nous allons focaliser notre attention sur les systèmes actifs, c'est-à-dire ceux qui requièrent l'illumination de la scène par une source dont l'état de polarisation est contrôlé.
En savoir plus

165 En savoir plus

TEXTURE REMOVAL BY PIXEL CLASSIFICATION USING A ROTATING FILTER

TEXTURE REMOVAL BY PIXEL CLASSIFICATION USING A ROTATING FILTER

Index Terms— Smoothing filter, rotating filter, texture, image segmentation, anisotropic diffusion. 1. INTRODUCTION The textural analysis has been a domain of active research for almost forty years [4] because texture brings many problems for image segmentation [1]. The texture is related to the spa- tial distribution or statistical grayscale intensity and contains important information about the structural arrangement of im- age surfaces and their relationships with their direct environ- ment. It is easy to a human observer to recognize a texture [5], however it remains difficult to precisely define and an- alyze it automatically [9]. This difficulty is reflected by the high number of different definitions of the texture. In this paper, we do not analyze the texture but simply identify and diffuse anisotropically it [11] so that it appears as an uniform region.
En savoir plus

5 En savoir plus

Analyse de texture et lissage optimal des images thermographiques par satellite

Analyse de texture et lissage optimal des images thermographiques par satellite

L’archive ouverte pluridisciplinaire HAL, est destinée au dépôt et à la diffusion de documents scientifiques de niveau recherche, publiés ou non, émanant des établissements d’enseignemen[r]

88 En savoir plus

Show all 6139 documents...