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 201903-174
论文题目 超像素分割在高光谱图像稀疏解混中的应用
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

超像素分割在高光谱图像稀疏解混中的应用

首发时间:2019-03-14

崔颖 1   

崔颖(1979-),女,副教授,主要研究方向:智能信号处理、图像处理、无线传感器网络优化

王恒 1   

王恒(1993-),男,硕士研究生,主要研究方向:高光谱图像处理

朱海峰 1   

朱海峰(1977-),男,博士研究生,主要研究方向:高光谱图像处理

  • 1、哈尔滨工程大学信息与通信工程学院,黑龙江哈尔滨 154000

摘要:经典的协同稀疏解混算法认为高光谱图像中的所有像元共享相同的端元集,对求解的丰度矩阵添加全局协同稀疏限制。但由于高光谱图像中的端元总是呈现于空间同质区域而并非整个图像场景,只有局部同质区域内的像元所对应的丰度具有协同稀疏性。为在稀疏解混模型中更有效地包含局部空间信息,本文提出了基于超像素的局部协同稀疏解混(Super-Pixel-based Local Collaborative Sparse Unmixing, SP-LCSU)算法,主要对比了基于四元数颜色距离超像素分割算法的局部协同稀疏解混(QSP-LCSU)算法与基于简单线性迭代聚类超像素分割算法的局部协同稀疏解混(SSP-LCSU)算法的解混性能。与现有稀疏解混算法相比,合成数据与真实高光谱数据实验仿真验证了所提出算法的有效性与优越性。

关键词: 信号与信息处理 高光谱图像 稀疏解混 局部空间信息 超像素分割

For information in English, please click here

Application of super-pixel segmentation in sparse unmixing of hyperspectral image

CUI Ying 1   

崔颖(1979-),女,副教授,主要研究方向:智能信号处理、图像处理、无线传感器网络优化

WANG Heng 1   

王恒(1993-),男,硕士研究生,主要研究方向:高光谱图像处理

ZHU Haifeng 1   

朱海峰(1977-),男,博士研究生,主要研究方向:高光谱图像处理

  • 1、College of Information and Communication Engineering, Harbin Engineering University, Harbin 154000

Abstract:The classical collaborative sparse unmixing algorithm considers that all pixels in a hyperspectral image share the same set of endmembers, adding a global collaborative sparse constraint to the abundance matrix of the solution. However, since the endmembers in the hyperspectral image are always presented in the spatially homogeneous region rather than the entire image scene, only the abundance corresponding to the pixels in the local homogeneous region has synergistic sparsity. In order to more effectively contain local spatial information in the sparse unmixing model, this paper proposes a super-pixel-based local collaborative sparse unmixing (SP-LCSU) algorithm, mainly compares unmixing performance of the local collaborative sparse unmixing algorithm based on quaternion color distance super-pixel segmentation algorithm (QSP-LCSU) and the local collaborative sparse unmixing algorithm based on simple linear iterative clustering super-pixel segmentation algorithm (SSP-LCSU). Compared with the existing sparse unmixing algorithm, the synthetic data and real hyperspectral data experimental simulation verify the effectiveness and superiority of the proposed algorithm.

Keywords: signal and information processing; hyperspectral image; sparse unmixing; local spatial information; superpixel segmentation

Click to fold

点击收起

论文图表:

引用

导出参考文献

.txt .ris .doc
崔颖,王恒,朱海峰. 超像素分割在高光谱图像稀疏解混中的应用[EB/OL]. 北京:中国科技论文在线 [2019-03-14]. http://www.paper.edu.cn/releasepaper/content/201903-174.

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

超像素分割在高光谱图像稀疏解混中的应用