利用Gm-APD （Geiger mode avalanche photon diode）激光雷达对浓密烟雾背后的目标进行成像时，烟雾对激光的强后向散射和吸收能力，严重限制了传统算法对淹没在烟雾信号中目标信号的提取能力。提出了一种基于双参量估计的Gm-APD激光雷达透烟雾成像算法，介绍了基于Gm-APD激光雷达的触发模型和根据探测概率求解实际接收回波信号的原理，并且基于光子与烟雾粒子的碰撞理论和Mie散射理论，详细推导了Gamma模型两个参数的物理关系。根据推导的关系式提出了一种双参量估计算法，该算法考虑了如何精确估计μ，k两个参数。最后，开展了仿真和室内透雾实验，利用仿真实验检验μ，k关系式的正确性，利用室内实验验证提出算法的透雾成像能力。实验结果表明，相较于传统算法，本文提出算法重构图像的目标复原度提升了73%，结构相似性提升了0.228 9。该研究有效提升了Gm-APD激光雷达在烟雾环境中的目标感知能力。

针对水下激光雷达探测得到的尾流回波信号由于非稳态造成特征提取困难、不易识别的问题，提出了基于PCA特征提取与弹性BP神经网络结合的水下气泡识别算法。首先对连续采集的回波信号进行切片预处理，然后采用PCA算法对拼接的高维样本进行主要特征提取，确定特征值个数，其次对弹性BP神经网络进行参数的选择，确定能实现最优分类的隐含层节点数、特征个数等，最后根据室内搭建的尾流探测模拟平台，实现对气泡群和干扰目标的识别。实验结果表明：在隐含节点为12，增量因子为1.15，减量因子为0.55时，选取两个特征值能对有气泡、无气泡及干扰物进行有效分类；识别率随着气泡群密度的增大提升13.4%，在低密度下的识别率随激光能量的增加平均提升6.3%，识别率随距离的增加先增大后减小，气泡群在2.2 m时的目标峰特征明显，平均识别率提升3.5%。通过与自适应附加动量BP对比，该方法在减少识别时间的同时准确率达到99.1%，证明该算法可有效运用于激光雷达舰船尾流气泡的识别。

针对目前激光雷达三维距离像分辨率低的问题，使用成本低且有效的图像处理方法获得高分辨三维距离像。首先，利用多传感器系统的特点，将低分辨率Gm-APD激光雷达与高分辨率ICCD激光雷达相结合，获得配准后的低分辨距离像和高分辨强度像，然后，提出了一种改进的图像引导算法实现低分辨图像超分辨重构。该方法使用马尔科夫随机场模型，定义了全局能量函数，该函数将距离保真项和正则化项相结合，通过求解优化模型获得高分辨三维距离像。通过对仿真图像和激光雷达距离像的超分辨重构处理，以主观视觉效果和图像质量客观评价指标来验证此方法。实验结果表明，该方法提高了距离像的分辨率，且很好地保护了图像的边缘结构，在无参考图像质量评价指标上较双三次插值、引导滤波和TGV取得更优值。