作为计算机视觉领域的热门方向之一，运动目标检测具有很高的理论研究价值和很广的实际应用空间。传统视觉背景提取器（Visual Background Extractor,ViBe）目标检测算法实时性高且内存消耗低，但存在受光照影响大、不能有效抑制拖影区域、无法消除阴影以及检测图像内部空洞等问题。鉴于以上不足，提出3点针对性改进策略：(1)优化算法核心参数。筛选最优值来替换以往经验值，从而提高算法性能，增强算法适应性。(2)引入光强检测算子。阈值半径随光强变化自适应，避免因光照变化而出现拖影区域。(3)增加阴影检测模型。利用感兴趣区域（Region of Interest,ROI）像素分布确定阴影位置，结合运动目标自身特性分割出目标区与阴影区。仿真实验结果证明：改进型ViBe算法不仅能够完整地检测、抓取运动目标，而且还可以有效地抑制拖影区域并消除目标阴影。

提出了一种基于波长编码的超短太赫兹(THz)脉冲单次探测方法。该方法将新型正交平衡电光取样技术和波长编码技术结合起来, 同时拥有这两种方法的优点：能对超快太赫兹脉冲实现高调制度和高信噪比的单次实时测量。为了实现单次测量, 采用线性啁啾激光脉冲作为探测光, 将太赫兹电场对探测脉冲的时域调制映射到频域, 并用光谱仪对频域信息进行单次采集。在电光取样技术方面, 采用正交平衡探测取代传统波长编码单次测量, 通过设置两臂静态偏置相位, 使它们大小相等、符号相反, 实现对称推挽式调制, 从而有效提高近0°偏置点附近的探测线性度和调制深度, 并有效抑制动态噪声。

针对下雪天气条件下高精度的运动目标检测，本文在GMM 算法基础上进行改进，首先采用多分辨率、高低阈值的思想对其进行优化，克服下雪天动态背景噪声的影响；然后运用计算颜色模型，抑制运动目标产生的弱阴影和光照变化；最后在各目标最小约束矩形内进行空洞修补，填充由于阴影过度抑制和被雪覆盖目标表面丢失的运动掩模。实验结果表明：改进算法7 项指标都优于GMM 算法，与当前较优秀的FTSG 算法相比，7 项指标中有4 项超越，2 项接近。

空域重叠的模糊和噪声引起图像退化，修复通常比较复杂。为简化图像修复，提高修复质量，提出利用二阶逼近算子将传统图像修复中既含噪声又含模糊的双退化模型转化为只含“动态噪声”的单退化模型。在传统全变差模型的基础上，提出了一种利用低维差分投影的思想，建立元素可分离的全变差模型，利用一阶梯度下降算法解决“动态噪声”问题。仿真结果表明，该方法适用于多种退化模型，即使在强退化环境下，依然可以有效地去除噪声和模糊，保留图像边缘和细节信息，使退化图像恢复到较理想的状态。