A gradient-like variational Bayesian approach for joint image super-resolution and source separation, application to astrophysical map-making - CentraleSupélec Accéder directement au contenu
Communication Dans Un Congrès Année : 2013

A gradient-like variational Bayesian approach for joint image super-resolution and source separation, application to astrophysical map-making

H Ayasso
GIPSA - Communication Information and Complex Systems
Thomas Rodet
Laboratoire des signaux et systèmes
Alain Abergel
  • Fonction : Auteur
Institut d'astrophysique spatiale
Karin Dassas
  • Fonction : Auteur
Institut d'astrophysique spatiale

Domaines

Traitement du signal et de l'image [eess.SP] Traitement du signal et de l'image [eess.SP]

Thomas Rodet  : Connectez-vous pour contacter le contributeur

https://centralesupelec.hal.science/hal-00832883

Soumis le : mardi 11 juin 2013-15:11:46

Dernière modification le : jeudi 4 avril 2024-21:25:15

Fichier non déposé

Dates et versions

hal-00832883 , version 1 (11-06-2013)

Identifiants

Citer

H Ayasso, Thomas Rodet, Alain Abergel, Karin Dassas. A gradient-like variational Bayesian approach for joint image super-resolution and source separation, application to astrophysical map-making. ICASSP 2013 - 38th IEEE International Conference on Acoustics, Speech and Signal Processing, May 2013, Vancouver, Canada. pp.5830-5834, ⟨10.1109/icassp.2013.6638782⟩. ⟨hal-00832883⟩

Exporter

BibTeX XML-TEI Dublin Core DC Terms EndNote DataCite

Collections

INSU EC-PARIS UGA CNRS GIPSA GIPSA-DIS SUP_LSS GIPSA-CICS SATIE SUP_SIGNAUX UNIV-PARIS-SACLAY SATIE-SIAME GS-PHYSIQUE IAS
147 Consultations
0 Téléchargements

Altmetric

Partager

Gmail Facebook X LinkedIn More