基于多尺度特征融合Hessian稀疏编码的图像分类算法

针对传统稀疏编码图像分类算法提取单一类型特征,忽略图像的空间结构信息,特征编码时无法充分利用特征拓扑结构信息的问题,提出了基于多尺度特征融合Hessian稀疏编码的图像分类算法（HSC）。首先,对图像进行空间金字塔多尺度划分;其次,在各个子空间层将方向梯度直方图（HOG）和尺度不变特征转换（SIFT）进行有效的融合;然后,为了充分利用特征的拓扑结构信息,在传统稀疏编码目标函数中引入二阶Hessian能量函数作为正则项;最后,利用支持向量机（SVM）进行分类。在Scene15数据集上的实验结果表明,HSC的准确率比局部约束线性编码（LLC）高了3~5个百分点,比支持区别性字典学习（SDDL）等对比方法高了1~3个百分点;在Caltech101数据集上的耗时实验结果表明,HSC的用时比多核学习稀疏编码（MKLSC）少40%左右。所提HSC可以有效提高图像分类准确率,算法的效率也优于对比算法。     

PET纤维对聚丙烯结晶行为与力学性能的影响

以聚丙烯(PP)、聚酯(PET)纤维为主要原料,马来酸酐接枝PP(PP-g-MA)为相容剂,经熔融共混、粉碎、注塑加工成样条后进行表征,并研究了其性能。结果表明:PET纤维对PP具有异相成核作用,主要诱导PP形成α晶,可提高PP结晶温度并降低球晶尺寸;PET纤维可显著提高PP的拉伸强度和弹性模量,但会降低其冲击强度;加入相容剂PP-g-MA对PP/PET纤维共混物的结晶性能基本无影响,但对其力学性能影响显著,与未增容的PP/PET纤维共混物相比,经PP-g-MA增容后,共混物的拉伸强度、冲击强度、弹性模量均得到显著提升。