@InProceedings{2015_duval391,
	author = "Laurent Duval and Aurélie Pirayre and Xiaoran Ning and Ivan w. Selesnick",
	title = "Suppression de ligne de base et débruitage de chromatogrammes par pénalisation asymétrique de positivité et dérivées parcimonieuses",
	booktitle = "25° Colloque sur le traitement du signal et des images",
	year = "2015",
	publisher = "GRETSI - Groupe de Recherche en Traitement du Signal et des Images",
	number = "001-0108",
	pages = "p. 433-436",
	month = "Sep # 8--11",
	address = "Lyon",
	doi = "",
	pdf = "2015_duval391.pdf",
	abstract = "Bon nombre de mesures expérimentales sont altérées par des fluctuations stochastiques et/ou systémiques, souvent inhérentes aux protocoles expérimentaux et aux méthodes d'acquisition. Dans ce contexte, cet article présente une méthode permettant de retrouver le signal d'intérêt débruité et corrigé de sa tendance ou ligne de base. En s'appuyant sur différents a priori sur les signaux (ainsi que sur leurs dérivées) comme la linéarité, la positivité, ou encore la parcimonie, ce problème est formulé comme la minimisation d'une fonction comportant un terme quadratique de fidélité aux données, d'une pénalité régularisée de type l1 asymétrique promotrice de positivité, ainsi qu'une contrainte de parcimonie. Cette modélisation étant assez générique, la méthode proposée (BEADS) est susceptible d'être appliquée à d'autres types de signaux. Nous nous intéressons ici au cas des analyses physico-chimiques, et particulièrement à la chromatographie, où les chromatogrammes sont bruités et présentent de fortes dérives de la ligne de base, biaisant ainsi les informations qui peuvent en être extraites. Les performances sont évaluées sur des données simulées et réelles..pdf",
}