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：数统学院201学术报告厅

专家简介：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.