您当前所在位置: 首页 > 首发论文
动态公开评议须知

1. 评议人本着自愿的原则,秉持科学严谨的态度,从论文的科学性、创新性、表述性等方面给予客观公正的学术评价,亦可对研究提出改进方案或下一步发展的建议。

2. 论文若有勘误表、修改稿等更新的版本,建议评议人针对最新版本的论文进行同行评议。

3. 每位评议人对每篇论文有且仅有一次评议机会,评议结果将完全公示于网站上,一旦发布,不可更改、不可撤回,因此,在给予评议时请慎重考虑,认真对待,准确表述。

4. 同行评议仅限于学术范围内的合理讨论,评议人需承诺此次评议不存在利益往来、同行竞争、学术偏见等行为,不可进行任何人身攻击或恶意评价,一旦发现有不当评议的行为,评议结果将被撤销,并收回评审人的权限,此外,本站将保留追究责任的权利。

5. 论文所展示的星级为综合评定结果,是根据多位评议人的同行评议结果进行综合计算而得出的。

勘误表

上传勘误表说明

  • 1. 请按本站示例的“勘误表格式”要求,在文本框中编写勘误表;
  • 2. 本站只保留一版勘误表,每重新上传一次,即会覆盖之前的版本;
  • 3. 本站只针对原稿进行勘误,修改稿发布后,不可对原稿及修改稿再作勘误。

示例:

勘误表

上传勘误表说明

  • 1. 请按本站示例的“勘误表格式”要求,在文本框中编写勘误表;
  • 2. 本站只保留一版勘误表,每重新上传一次,即会覆盖之前的版本;
  • 3. 本站只针对原稿进行勘误,修改稿发布后,不可对原稿及修改稿再作勘误。

示例:

上传后印本

( 请提交PDF文档 )

* 后印本是指作者提交给期刊的预印本,经过同行评议和期刊的编辑后发表在正式期刊上的论文版本。作者自愿上传,上传前请查询出版商所允许的延缓公示的政策,若因此产生纠纷,本站概不负责。

发邮件给 王小芳 *

收件人:

收件人邮箱:

发件人邮箱:

发送内容:

0/300

论文收录信息

论文编号 201512-309
论文题目 基于非局部联合稀疏模型的高光谱图像超分辨率重建
文献类型
收录
期刊

上传封面

期刊名称(中文)

期刊名称(英文)

年, 卷(

上传封面

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

编者.论文集名称(中文) [c].

出版地 出版社 出版年-

编者.论文集名称(英文) [c].

出版地出版社 出版年-

上传封面

期刊名称(中文)

期刊名称(英文)

日期--

在线地址http://

上传封面

文题(中文)

文题(英文)

出版地

出版社,出版日期--

上传封面

文题(中文)

文题(英文)

出版地

出版社,出版日期--

英文作者写法:

中外文作者均姓前名后,姓大写,名的第一个字母大写,姓全称写出,名可只写第一个字母,其后不加实心圆点“.”,

作者之间用逗号“,”分隔,最后为实心圆点“.”,

示例1:原姓名写法:Albert Einstein,编入参考文献时写法:Einstein A.

示例2:原姓名写法:李时珍;编入参考文献时写法:LI S Z.

示例3:YELLAND R L,JONES S C,EASTON K S,et al.

上传修改稿说明:

1.修改稿的作者顺序及单位须与原文一致;

2.修改稿上传成功后,请勿上传相同内容的论文;

3.修改稿中必须要有相应的修改标记,如高亮修改内容,添加文字说明等,否则将作退稿处理。

4.请选择DOC或Latex中的一种文件格式上传。

上传doc论文   请上传模板编辑的DOC文件

上传latex论文

* 上传模板导出的pdf论文文件(须含页眉)

* 上传模板编辑的tex文件

回复成功!


  • 0

基于非局部联合稀疏模型的高光谱图像超分辨率重建

首发时间:2015-12-07

李映 1   

李映(1969年出生),女,教授,博士生导师,主要研究方向:SAR图像处理, 调和分析, 计算智能和信号处理

杨静 1   

杨静出生于1990年,性别:女。 2015年获得西北工业大学理学院硕士学位,并于2015年开始在西北工业大学计算机学院攻读博士学位。研究方向和兴趣:图像/视频超分辨率重建,模式识别和图像处理。

  • 1、西北工业大学,计算机学院,710129

摘要:本文提出了一种基于非局部联合稀疏模型的高光谱图像超分辨率重建算法。该算法首先利用在线字典学习方法对低空间分辨率的高光谱训练图像集合进行字典训练,获得对应的谱域字典;然后借助同一场景的全色图像,对相似像素点进行联合稀疏表示并重建高分辨率图像;最后利用迭代反向投影图像后处理技术对高分辨率重建图像进行处理,得到重建误差更小,视觉重建质量更高的高分辨率高光谱图像。实验结果表明,本文提出的算法能够在保持图像谱域信息完整的同时,在空域更加有效的重建图像的边缘、纹理等结构特征。

关键词: 计算机应用技术 超分辨率重建 高光谱图像 谱域字典 非局部自相似 联合稀疏模型

For information in English, please click here

Hyperspectral Image Super-resolution Based on Nonlocal Joint Sparse Model

LI Ying 1   

李映(1969年出生),女,教授,博士生导师,主要研究方向:SAR图像处理, 调和分析, 计算智能和信号处理

YANG Jing 1   

杨静出生于1990年,性别:女。 2015年获得西北工业大学理学院硕士学位,并于2015年开始在西北工业大学计算机学院攻读博士学位。研究方向和兴趣:图像/视频超分辨率重建,模式识别和图像处理。

  • 1、School of Computer Science, Northwestern Polytechnical University, Xi'an, China, 710129

Abstract:In this paper, a hyperspectral image super-resolution method based on nonlocal joint sparse model is proposed. The proposed algorithm trains the spectral dictionary with the low-resolution hyperspectral image via an online dictionary learning method. In addition, the algorithm encodes the similar pixels via a joint sparse model and reconstruct the high resolution image, with the help of a panchromatic image of the same sense. Finally, the algorithm apply iterative back projection operator on the reconstructed image to further reduce the reconstruction error. Experimental results suggest that the proposed algorithm can reconstruct the edge and texture of the image effectively, while keep the spectral information completely.

Keywords: Technology of Computer Application Super-resolution Reconstruction Hyperspectral Image Spectral Dictionary Non-local Self-similarity Joint Sparse Model

Click to fold

点击收起

论文图表:

引用

导出参考文献

.txt .ris .doc
李映,杨静. 基于非局部联合稀疏模型的高光谱图像超分辨率重建[EB/OL]. 北京:中国科技论文在线 [2015-12-07]. https://www.paper.edu.cn/releasepaper/content/201512-309.

No.4663989111227214****

同行评议

共计0人参与

评论

全部评论

0/1000

勘误表

基于非局部联合稀疏模型的高光谱图像超分辨率重建