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 201901-138
论文题目 自适应高光谱图像去高脉冲噪声的校正方法
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

自适应高光谱图像去高脉冲噪声的校正方法

首发时间:2019-01-22

田欣 1   

田欣(1992-), 女, 硕士研究生, 主要研究方向: 张量优化.

白敏茹 1   

白敏茹(1968-), 女, 教授、博导, 主要研究方向: 张量优化.

  • 1、湖南大学数学与计量经济学院,长沙 410082

摘要:针对高光谱图像(HSI)中高强度脉冲噪声的去除问题,本文提出了基于张量表示和TV正则化的自适应校正模型.自适应校正的过程分为两步:第一步是通过求解LRTDTV模型生成初值;第二步即校正步,校正步可能会重复多次,其目的是进一步提高L1-范数拟合项的稀疏性.最后对六种模拟噪声数据进行数值实验,实验结果体现了本文所提方法的优越性,尤其是针对高水平椒盐噪声的去除.

关键词: 图像处理 高光谱 低秩 稀疏 总变分 脉冲噪声

For information in English, please click here

Adaptive correction procedure for Hyperspectral image deblurring under heavy impulse noise

Tian Xin 1   

田欣(1992-), 女, 硕士研究生, 主要研究方向: 张量优化.

Bai Minru 1   

白敏茹(1968-), 女, 教授、博导, 主要研究方向: 张量优化.

  • 1、College of Mathematics and Econometrics, Hunan University, 长沙 410082

Abstract:This paper studies the Hyperspectral image (HSI) denoising problem under the assumption that the signal is corrupted by heavy impulse noise. In order to removal the high level impulse noise, we propose an adaptive correction procedure for LRTDTV model based on tensor representation and TV regularization. The process of adaptive correction is as follows: the first step is to generate the initial value by solving the LRTDTV model; The second step is the correction step, which may be repeated many times. The correction step is to correct for sparsity of the L1-norm data term. Six kinds of experiment on simulated noise HSI data are carried out to demonstrate the superiority of the proposed method, especially for the removal of high level pepper and salt and pepper noise.

Keywords: Image Procssing Hyperspectral image low rank sparsity Total Variation impulse noise

Click to fold

点击收起

基金:

引用

导出参考文献

.txt .ris .doc
田欣,白敏茹. 自适应高光谱图像去高脉冲噪声的校正方法[EB/OL]. 北京:中国科技论文在线 [2019-01-22]. https://www.paper.edu.cn/releasepaper/content/201901-138.

No.****

动态公开评议

共计0人参与

动态评论进行中

评论

全部评论

0/1000

勘误表

自适应高光谱图像去高脉冲噪声的校正方法