逆光条件下弹载红外图像的密集鱼鳞波、海面亮带以及岛屿杂波严重影响了远距离红外小目标的检测性能。本文通过感知非平稳海面杂波成份存在的区域及起伏状态构建海面场景信息，采取与背景杂波相适应的信号处理方法精细检测小目标。首先，结合结构张量和Hough变换检测海天岛屿区，利用Bernaola-Galavan分割算法和方差加权信息熵表征的复杂度感知鱼鳞波、海面亮带等杂波成份，构建出海天区、平稳海区、波动海区、岛屿区的场景信息。然后，针对边缘性结构强的海天线和岛屿，提出基于方向性差异的杂波抑制算法压制杂波；在平稳海区使用顶帽变换压制杂波；在鱼鳞波、海面亮带的波动海区，提出融合灰度梯度杂波抑制算法抑制背景。最后，海天岛屿区、波动海区采用恒虚警阈值检测目标，而平稳海区采用局部峰值判决策略检测目标。相比现有先进信号检测法，实验结果表明所提方法能有效适应不同海面背景杂波，提高复杂背景下小目标检测准确性和鲁棒性。

红外图像的场景感知与分类分级是图像识别的一项关键技术，对于红外侦察与制导具有重要意义。为有效解决红外图像多场景多目标的场景感知及分类分级的问题，本文提出一种基于弱监督学习的多标签红外图像分类算法。将多标签图像分类技术应用于红外前视图像领域，针对多场景的红外图像进行弱监督的图像级标注，使用主干网络Resnet-50对图像进行特征提取；引入类特定的空间残差注意力模块CSRA以捕捉图像中不同类别所占据的不同空间区域，提高类别特征的表达性能；引入先进的损失函数ASL以解决多标签分类中正负标签数量失衡问题，使训练过程中更多地关注阳性样本，提高检测准确率。试验结果表明，本文算法对于多场景多目标的红外图像分类具有更好的适应性和准确率，算法检测率可达90%以上，能够很好地完成红外图像分类分级任务。

在汽车智能驾驶系统中，激光雷达由于其独特的三维成像能力，成为场景探测感知传感器群组中不可或缺的组成部分。为提升单一波长激光雷达在物性探测分类和状态上的性能，借鉴多光谱探测具有物性探测能力的原理，论文对适用于汽车智能驾驶的多光谱激光雷达的波段选择进行了可行性研究，利用主成分分析法对智能驾驶中典型目标进行光谱计算及分析，结合激光光源特性以及光电探测器的特性，综合多光谱激光雷达波段选择方法和智能驾驶应用场景中典型目标地物光谱特性，以及商用激光雷达的可获得性, 得出了适用汽车智能驾驶的多光谱激光雷达的波长可以选择808 nm、905 nm、1 064 nm、1 310 nm，并通过测试验证了多光谱激光雷达所选波长的有效性。