基于核拉普拉斯稀疏编码的图像分类

使用稀疏编码解决计算机视觉问题可以取得良好的效果.然而,以往的稀疏编码都是在原始特征空间进行.受核方法可以获得特征的高维非线性映射的启发,扩展了拉普拉斯稀疏编码(LSc),提出了核拉普拉斯稀疏编码(KLSc),它可以降低特征量化误差,增强稀疏编码的性能.在3个标准数据集上的实验结果表明,所提出的基于KLSc的图像分类算法具有良好的分类效果,分类正确率优于LSc.

透火焰红外数字全息图像的分辨率增强算法

近年来,高温干扰遮蔽情况下利用红外热成像与数字全息成像相结合的新技术观察火场中目标成为时下的研究重点。理论上火焰和浓烟对长波长的红外数字全息成像没有影响,但在现实火场环境中,燃烧物的大颗粒灰尘将会干扰光路,严重增加了全息图重建图像的噪声。本文提出了一种新的图像处理算法来抑制红外数字全息重建的噪声。该算法利用双边滤波器配合拉普拉斯金字塔算法将全息重建图像的细节和能量层分开,再对细节层进行滤波,然后用反向拉普拉斯金字塔算法将分离的层叠加回重建图像中,从而提高重建像的分辨率,并通过模拟火场环境验证了该算法对改善红外数字全息图重建像的分辨率具有显著效果。