学术报告：高光谱图像去噪的秩逼近方法

主办单位：英国立博官网中文版

报告专家：李红，华中科技大学

报告时间：2018年9月21日（星期五）下午4:30

报告地点：数统学院201报告厅

专家简介：李红，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。主要从事逼近与计算、机器学习与模式识别等方面的研究，在IEEE Trans等重要学术期刊上发表学术论文50余篇。主持国家自然科学基金、“十二五”航天支撑计划项目及国防预研基金等多个科研项目。2006年至2017年期间多次应邀访问香港浸会大学、澳门大学、美国加州大学尔湾分校（UCI）、澳大利亚悉尼大学等，十余次出席国际学术会议。2006年获宝钢教育基金“优秀教师”奖；2009年主持建设的“复变函数与积分变换”课程被评为国家精品课程，2013年评为国家精品资源共享课程；2013年获湖北省教学成果二等奖；2014年获湖北省名师称号。

报告摘要：Mixture noise removal is a fundamental problem in hyperspectral images (HSIs) processing that holds significant practical importance for subsequent applications. This problem can be recast as an approximation issue of a low-rank matrix. In this paper, a general non-convex smooth rank approximation (NCSRA) model is proposed to handle these mixture noises for hyperspectral images. The main idea is to use a general non-convex smooth function under some assumptions to directly approximate the rank function, which seeks a closer approximation than traditional methods.This non-convex optimization model can be easily solved by the convex analysis tooland remove the mixture noises of hyperspectral images quickly and effectively. Subsequently, we give a NCSRA iterative algorithm, and the corresponding convergence analysis is discussed and proved mathematically. Experimental results from simulated and real datasets illustrate that the non-convex smooth rank approximation method significantly outperforms the state-of-the-art methods on hyperspectral images denoising.