红外偏振成像探测同时探测目标的强度辐射与反射偏振态，可以获取传统光学无法获取的目标。偏振探测获取的偏振度、偏振角等信息反映不同的物理特性，与强度图像有较强的互补性。针对该特性，提出一种沙漠背景目标红外偏振图像检测方法。使用一种改进的核模糊聚类算法对红外图像和偏振图像进行聚类处理；利用稀疏融合方法将聚类后的红外图像和偏振度图像中的物体信息充分结合，以区分目标与背景，以达到目标检测的目的。实验表明，提出的检测方法相对小波融合和拉普拉斯金字塔融合结果噪声更低、细节更清晰。

手脸近距遮挡属于深度传感器应用中具有代表性的难点问题，针对该问题提出了一种综合利用颜色与深度信息的手势识别方法。采用核模糊C-均值聚类，对手脸遮挡图像进行粗分割和灰度增强，实现手脸分离。引入初始化水平集函数，解决聚类方法导致的手势区域像元缺失问题。利用基于深度信息的梯度方向直方图(HOG) 特征对手势进行分类识别。通过采集不同人体手脸近距遮挡情形下的多种手势图像建立了样本数据库，进行了对比实验，实验结果验证了该方法的可行性和有效性。本文方法能有效分离近距遮挡的手和脸，提取得到相对完整的手势信息，深度HOG特征能够对手势空间信息进行精确描述，具有比传统形状特征更准确的识别效果。

针对目前图像去噪方法噪音抑制不彻底、容易模糊细节等问题，提出了一种利用核模糊C均值聚类和正则化的图像稀疏去噪方法.该方法首先将图像分成大小相同的若干块，并采用核模糊C均值聚类算法对相似的图像块进行聚类，从而保证同一类图像块共享相同的稀疏去噪模型；然后，选择由经典图像库中图像训练而得的全局字典作为初始字典，很好地适应图像的多种特征；接着，对于同一类图像块，通过施加1/2范数正则化约束，实现该类图像块在字典下的稀疏分解，确保分解系数更为稀疏；最后，通过改进的K-奇异值分解算法完成字典的更新，并选择与原稀疏模型差异最大的图像块来替换更新字典的冗余原子，从而有效地去除图像噪音.实验结果表明，与小波扩散去噪法、固定字典去噪法、最优方向去噪法、K-奇异值分解去噪法相比，该方法能更有效地去除图像噪音，保留图像细节，改善图像视觉效果.