点云数据滤波是机载激光雷达(LiDAR)数据处理研究中很重要的问题之一。提出了一种基于区域预测的LiDAR 点云数据形态学滤波算法，该算法由点云数据建立规则格网、去除粗差点，对实验区域进行分块，然后使用各个分块区域的高程标准差预测地形坡度参数s 从而进行渐进式形态学滤波，最终确定地面点。文中算法优点在于可以根据区域地形起伏情况自适应地得到阈值进行滤波。使用国际摄影测量与遥感学会(ISPRS)提供的测试数据进行实验，实验结果表明，提出的算法能够有效去除地物点和保留地面点，并且能有效降低总误差。

针对海面运动载体的可见光序列图像，结合复杂海空背景图像的特点，提出了一种不以检测海天线为前提的弱小目标检测方法。首先，修复图像中被高亮度噪声损毁的部分，如曝光区域或反光区域; 接着，量化子图像的区域复杂度以及单元区域上下邻域的灰度差异，据此来判断海天线区域是否存在，若存在则预测海天线区域的位置，否则放弃后续处理; 然后，采取Mean-shift分割算法中先滤波后聚类的策略，使用周围纹理抑制滤波来平滑海天线区域，并以像素点和点集为单位对平滑图像进行聚类; 最后，将最大面积区域与其他区域分离来二值化图像，完成目标提取。试验证明，该方法能够很好地定位目标信息，单帧处理平均耗时为35 ms，具有准确性和实时性。

针对海面运动载体的可见光序列图像，紧密结合海面图像的特点，提出了一种适用于海天背景和海岸背景的海界线检测方法。根据量化子图像的区域复杂度以及单元区域上下邻域的灰度差异，来判断海界线区域是否存在，若存在则预测海界线区域的位置，若不存在则放弃后续处理。由于海界线是自然视野中最长的连续性最好的直线，所以先利用周围纹理抑制的改进Canny算子提取轮廓边缘，然后对Hough变换进行投票加权，精细检测水平或倾斜的海界线。实验证明，该方法能够快速定位海界线区域，并得出既包含有效信息又大幅缩减了无意义信息的二值图像，可在轮廓边缘中准确找到海界线，具有很好的稳健性和实时性，可以应用于需要精确的海界线信息的工程任务中。

针对钢轨磨耗动态测量中激光光条中心快速精确提取的问题，提出一种卡尔曼滤波和Hessian矩阵相结合的激光光条中心快速提取方法。首先，利用卡尔曼滤波实时预测钢轨磨耗动态测量中激光光条在图像中所在区域；然后，在预测的激光光条区域内，逐行搜索图像灰度最大点，将该灰度最大点作为激光光条图像中心的初始位置，在激光光条图像中心初始位置处利用Hessian矩阵计算得到光条中心的亚像素图像坐标；最终实现在激光光条区域内光条亚像素图像中心的快速提取。该方法显著减少了搜索区域及高斯卷积的数目，提高了激光光条中心提取的鲁棒性及速度。实验结果表明，在保证激光光条提取精度的前提下，每帧提取时间可达到1.6 ms。