针对部分遥感图像整体亮度偏暗、边缘细节特征模糊和可视性不够理想的缺点,提出了一种基于非下采样轮廓波变换(NSCT)与加权引导滤波的增强方法来改善图像质量。先利用NSCT获取图像多尺度子带图像,再对低频子带图像采取全局映射调整亮度,利用加权引导滤波器代替Retinex中的高斯滤波器获取细节分量和基础分量,同时采用比例因子调整两分量在低频子带图像中的比例;采用改进的自适应贝叶斯阈值和非线性增益函数增强各个高频子带图像;最后将各子带信息通过NSCT逆重构得到增强图像。与传统图像增强算法相比,该方法在清晰度和信息熵等方面有所提高,较好地保留细节特征,明显提高视觉效果。

分析了红外焦平面阵列(IRFPA)基于定标的非均匀性校正法(NUC)和基于场景的NUC算法各自的优势和问题, 在此基础上提出了联合非均匀性校正方法。根据上电时刻焦平面衬底的温度值, 从FLASH中提取事先存储的对应温度区间的增益和偏置校正参数, 初步消除探测器的非均匀性。通过分析初步校正后图像残余非均匀性噪声的特性, 提出了一种自适应非均匀性校正算法NSCT, 对经过NSCT分解后的子带图像, 利用贝叶斯阈值逐点进行信号方差和噪声方差估计, 计算出残余非均匀性噪声后并加以去除。实验结果表明, 该算法能有效提高校正精度, 并具有更强的环境适应性。

针对光纤周界安防系统入侵信号的非线性、非平稳性和间歇性等特点，提出了一种时域与频域特征相结合的方法，对光纤周界安防系统入侵振动信号进行识别与定位。采用计算嵌入维数方法，确定信号的最小分帧长度，因而能够较好地保留信号时间序列内在的动力学特性；提出了对入侵振动信号两级判定识别方法，利用短时能量和短时平均过零率特征来判断是否有振动信号产生，依据振动信号各层小波系数的能量分布特点来识别入侵信号，该方法有效地降低了周界安防系统的漏识率和误识率；为提高入侵信号定位的准确性，采用小波域贝叶斯自适应阈值对入侵信号作降噪处理，将重建的信号转换到频率域来确定入侵信号的位置。通过实验验证了所提方法的有效性。

针对长时间工作后红外焦平面阵列(IRFPA)响应特性发生漂移，图像质量下降的问题，分析了两点校正(TPC)后残留非均匀噪声的特性，在TPC的基础上提出了一种自适应非均匀性校正方法。将两点校正后的图像进行小波分解，利用贝叶斯阈值逐点进行信号方差和噪声方差的估计，计算出残留非均匀噪声并加以去除。实验结果表明，该算法可以有效去除残留非均匀噪声，避免因红外焦平面阵列响应特性漂移而导致的图像降质。