澳门新葡新京,澳门新葡新京官方网站

欢迎来到:澳门新葡新京!

学术报告
当前位置: 澳门新葡新京 > 学术报告 > 正文
A Non-convex Smooth Rank Approximation Method for Hyperspectral Image Denoising
编辑:      澳门新葡新京:2017-05-14       点击数:
报告时间 报告地点
报告人

学术报告:A Non-convex Smooth Rank Approximation Method for Hyperspectral Image Denoising

报告专家:李红 教授

报告时间:2017年5月15日(星期一)8:40-9:40

报告地点:澳门新葡新京201学术报告厅

专家概况:李红,华中科技大学教授,博士生导师,科技部国际科技合作计划评议专家,湖北省计算数学学会理事,美国IEEE会员。1980年5月毕业于华中理工大学数学师资班,1986年获华中理工大学理学硕士学位,1999年12月毕业于华中理工大学图像识别研究所“模式识别与智能控制”专业,获工学博士学位。2002年晋升为教授。曾于1992年和1997年分别在厦门大学数学系、中国科学院数学研究所以访问学者身份从事专业研究,主要进行逼近与计算、小波分析与图像处理等方面的研究工作。2006年至2013年期间多次应邀访问香港浸会大学、澳门大学,合作进行小波分析、时频分析与信号处理、计算学习理论与模式识别领域的前沿性课题研究,十余次出席国际学术会议。

报告摘要:Hyperspectral images (HSIs) are always corrupted by mixed noises. Existing traditional approaches aimed at solving this problem are usually recast as a general approximation problem of a low-rank matrix. These approaches are based on the nuclear norm of the matrix, and thus in practice the rank may not be well approximated. In this talk, a general non-convex smooth rank approximation (NCSRA) model is proposed to handle these mixed noises.


Copyright ©版权所有:澳门新葡新京

地址:湖北省武汉市武昌区友谊大道368号 邮政编码:430062

Email:stxy@hubu.edu.cn 电话:027-88662127

XML 地图 | Sitemap 地图