为了解决可见光通信技术（VLC）中的信息孤岛问题，完善上行链路的通信需求，用电力线通信（PLC）对传统VLC进行有效补充，使其在提供电源的同时接入上行骨干网。为了保障信号在PLC与VLC级联系统两级信道中的有效传输，提出了一种基于正交频分复用（OFDM）的中心节点解调调制（CNDM）模型。针对PLC多径衰落和VLC的反射特点建立级联系统信道模型，并结合OFDM与级联系统的信号特点设计了同时适用于PLC与VLC中直流偏置光OFDM系统的传输方案。为了有效抑制级联信道干扰，设计了多段联合控制信号帧结构。实验结果表明：仿真条件下，级联系统在不同调制策略下均能满足通信需求，且信号质量很好，误码率可达10^-4；实测条件下，级联系统能实现信号的有效传输，保障信号的可靠收发，整体最小误码率为0。

针对结构光测量系统直接标定法存在的物像映射模型全局适用性差问题，提出了一种基于畸变模型的分区域标定方法。首先，用张正友平面标定法则估计相机的线性成像投影矩阵。然后，将该矩阵作为初值，通过最小二乘法求解相机的畸变参数。最后，根据畸变偏移矢量分布规律划分出图像子区间并进行标定。在相同场景中的实验结果表明，相比全局直接标定方法，本方法在X方向和Y方向的标定精度分别提升了37.40%和56.20%，在结构光测量领域具有广泛的适用性。

为实现 MSTAR图像无监督分割，并提高分割精度和计算效率，提出了一种基于 Gabor滤波增强的自适应阈值分割算法。首先利用多尺度、多方向的 Gabor滤波器组对待分割图像进行滤波处理，抑制目标、阴影和背景区域内部的斑噪起伏，同时增强区域间的差异性；在此基础上，通过对增强图像统计特性的分析，给出了灰度阈值计算形式，实现了 MSTAR图像的自适应分割。实验结果表明，本文算法对不同斑噪强度的 MSTAR图像均具有良好的处理效果，在分割精度、计算效率等方面优于传统的 OTSU，以及 FCM、MRF等分割方法。

针对 SAR图像的目标自动分割问题, 在分析非下采样轮廓波变换和脉冲耦合神经网络的基础上, 提出了一种基于非下采样轮廓波域特征图和 PCNN的 SAR图像目标分割算法。对 SAR图像经过 NSCT分解后的高、低频图像分别运用不同方式进行处理。对低频图用 PCNN进行分割以获取目标所在的区域, 对高频子带构造了特征图, 对特征图利用 PCNN进行分割以获取目标的精细结构。利用 MSTAR数据进行了仿真实验, 并与基于模糊 C均值的分割算法、基于马尔可夫随机场的分割算法进行了对比。实验结果表明, 所提出算法对 SAR图像目标的分割结果更为准确, 同时较其它算法具有更强的抗噪性能, 是一种有效可行的 SAR目标分割算法。

针对目标监测分析中的SAR图像分割问题，构造了一种基于马尔可夫随机场(MRF)模型和形态学运算的处理方法。首先利用SAR图像邻域空间上的马尔可夫性以及像素灰度的高斯分布模型，以较少的迭代次数实现了SAR图像的初分割; 然后通过形态学运算进行处理，抑制干扰性分割，同时填充目标区域内部空洞，改善分割效果。实验结果显示，该方法可以较好地实现SAR图像目标区域的分割，且处理效率较高，利于实现SAR图像的快速有效分割。

针对TerraSAR-X图像中的斑点噪声抑制问题,分析了噪声的基本数学模型,并考察了经典处理方法,进而结合Kuan滤波的基本思想,给出了一种改进型梯度倒数加权(GIW)滤波算法,利用邻域像素和中心像素的灰度梯度倒数及其邻域统计信息构造滤波加权模板,然后通过卷积操作实现斑点噪声的抑制。对TerraSAR-X图像处理的结果表明该算法原理简单,实现方便,可有效抑制图像中的斑点噪声,同时具有优良的边缘细节保持能力,非常适合边缘提取、目标检测等后续处理。