Attenzione: i dati modificati non sono ancora stati salvati. Per confermare inserimenti o cancellazioni di voci è necessario confermare con il tasto SALVA/INSERISCI in fondo alla pagina
CINECA IRIS Institutional Research Information System
A new technique for signal subspace identification in hyperspectral images is presented. It estimates the signal subspace by including both the abundant and the rare signal components. The method is derived by assuming a non stationary model for the noise affecting the data. It is particularly suitable for the processing of images acquired by new generation sensors where, due to the improved sensitivity of the electronic components, noise includes a signal dependent term. Results obtained by applying the new algorithm to simulated and real data are presented and discussed.
Robust hyperspectral signal subspace identification in the presence of signal dependent noise
A new technique for signal subspace identification in hyperspectral images is presented. It estimates the signal subspace by including both the abundant and the rare signal components. The method is derived by assuming a non stationary model for the noise affecting the data. It is particularly suitable for the processing of images acquired by new generation sensors where, due to the improved sensitivity of the electronic components, noise includes a signal dependent term. Results obtained by applying the new algorithm to simulated and real data are presented and discussed.
I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.
Utilizza questo identificativo per citare o creare un link a questo documento: http://hdl.handle.net/11568/202127
Attenzione
Attenzione! I dati visualizzati non sono stati sottoposti a validazione da parte dell'ateneo
Citazioni
ND
0
ND
social impact
simulazione ASN
Il report seguente simula gli indicatori relativi alla propria produzione scientifica in relazione alle soglie ASN 2021-2023 del proprio SC/SSD. Si ricorda che il superamento dei valori soglia (almeno 2 su 3) è requisito necessario ma non sufficiente al conseguimento dell'abilitazione. La simulazione si basa sui dati IRIS e sugli indicatori bibliometrici alla data indicata e non tiene conto di eventuali periodi di congedo obbligatorio, che in sede di domanda ASN danno diritto a incrementi percentuali dei valori. La simulazione può differire dall'esito di un’eventuale domanda ASN sia per errori di catalogazione e/o dati mancanti in IRIS, sia per la variabilità dei dati bibliometrici nel tempo. Si consideri che Anvur calcola i valori degli indicatori all'ultima data utile per la presentazione delle domande.
La presente simulazione è stata realizzata sulla base delle specifiche raccolte sul tavolo ER del Focus Group IRIS coordinato dall’Università di Modena e Reggio Emilia e delle regole riportate nel DM 589/2018 e allegata Tabella A. Cineca, l’Università di Modena e Reggio Emilia e il Focus Group IRIS non si assumono alcuna responsabilità in merito all’uso che il diretto interessato o terzi faranno della simulazione. Si specifica inoltre che la simulazione contiene calcoli effettuati con dati e algoritmi di pubblico dominio e deve quindi essere considerata come un mero ausilio al calcolo svolgibile manualmente o con strumenti equivalenti.