随着激光技术的发展，激光成像雷达在现代战争复杂战场环境中逐渐获得了广泛的应用，目前激光成像雷达自动目标识别技术已成为国内外研究的热点问题。提出了基于组合矩的激光成像雷达目标识别算法，从激光成像雷达目标的距离像中提取低阶的Zernike矩、Hu矩和中心矩构成组合矩特征，该特征对距离像噪声不敏感，应用径向基函数(RBF)神经网络对三种地面目标进行分类识别。实验结果表明，该算法与应用Zernike矩和Hu矩特征进行分类识别相比，对三种激光成像雷达地面目标的平均识别率在高载噪比(20 dB)下分别提高了1.0%和3.7%；在低载噪比(10 dB)下分别提高了11.8%和42.5%；当载噪比高于17 dB时，该算法的平均识别率达到100%。因此该算法取得了比较好的识别效果。

提出了基于二维小波变换的激光成像雷达目标识别算法，首先对激光成像雷达目标的距离像进行二维小波变换；然后从近似分量和细节分量中提取奇异值特征，利用遗传算法对支持向量机参数进行智能优化；最后应用支持向量机对三种地面目标进行识别。仿真实验表明，该方法与直接应用距离像奇异值特征进行识别的方法相比，在高载噪比20 dB时的平均识别率提高了3.2%，在低载噪比10 dB时的平均识别率提高了6.5%，取得了比较好的识别效果。

针对相干激光雷达距离像的距离反常噪声抑制问题,阐述了相干激光雷达距离像的噪声机理,分析了应用传统中值滤波方法抑制距离反常的缺陷,提出了基于排序差分和自适应中值滤波的距离像距离反常抑制方法。该方法首先对5×5滤波窗口内的像素值进行排序差分;然后选择低于门限的长度最长的连续差分值所对应的像素值作为距离正常值;最后对距离反常的当前像素进行自适应中值滤波。实验结果表明,该方法有效抑制了距离反常噪声,较好地保护了距离像中目标的边缘细节,均方根误差分别比3×3和5×5滤波窗口的中值滤波方法降低了41.7%和25.4%。