为扣除溶剂或其他背景组分的干扰, 测量红外光谱时常常需要获得期望强度的高质量背景单光束谱。 通常, 实验上获得期望强度的背景谱是极其困难的。 为实现这一重要且十分困难的目标, 引进了杂化单光束谱的概念。 同一溶液但不同厚度的b1和b2的两样品的单光束谱分别为b1和b2, 则定义它们的线性组合α=αb1+(1－α)b2为杂化单光束谱, 其中α(0≤α≤1)称为组分因子。 调整组分因子α数值, 就可以精确调控杂化谱的强度。 在合适的条件下, 杂化谱α与厚度为b2－αb2+αb1的真实样品的光谱高度类似, 即b2－αb2+αb1≈α。 因此, 不用制备厚度为b2－αb2+αb1的样品, 其单光束谱可以用α来替代。 随着α变化, 可以得到不同的α, 厚度在b1和b2间的真实样品的单光束谱都可用相应的α来替代。 实验结果证实, 杂化谱提供了一种简单和易操作的扣除背景干扰的高效方法。

为准确且无损测定小麦叶片的反射光谱, 研究了不同背景对叶片表面反射光谱的影响, 在400～1 000 nm波段范围测定了小麦叶片8种背景下的反射光谱以及叶绿素含量。 以PLATE模型为基础, 首次提出了BPLT(background plate)模型, 扣除由不同背景导致的叶片反射光谱的变化。 模型以背景下叶片的反射率R0, 不同背景反射率σ为输入, 空气和致密叶片的界面反射比R12, 致密叶片和空气的界面反射比R21, 致密叶片的透射系数τ三参数中间变量, 得到最终无背景时叶片反射率R值的2-3-1模型。 采用方差分析法(analysis of variance, ANOVA)进行了BPLT模型验证, 对比分析了背景扣除前后10种叶绿素指数值的变化。 结果表明, 当反演的确定系数DC(determination coefficients)>0.90且残差平方和SSE<1时, 反演的灵敏度较高, 对小麦叶片不同叶绿素浓度的背景扣除有着较好的效果; 采用BPLT模型背景扣除后, 背景因素所占的百分比低于5%; 优选了NDI&MCARI的函数关系, NDI&MCARI的斜率和叶绿素浓度的R2由背景扣除前的0.847 4提高到背景扣除后的0.977 8。 为真实测定不同背景下小麦叶片的反射光谱提供了依据。

针对可调谐半导体激光吸收光谱（TDLAS）连续检测技术中, 二次谐波背景信号存在漂移的现象, 提出改变激光器中心电流实时提取背景信号, 以消除连续检测过程中背景信号的漂移对浓度反演的影响。 依据波长调制理论推导了二次谐波背景信号的理论表达式, 并分析了实际情况下影响二次谐波背景信号的因素。 给出激光器在不同工作温度时电流和输出光强度之间的关系曲线, 并分析了改变激光器中心电流实时提取背景信号的可行性。 结合背景信号搜索方法设计了基于LabVIEW的背景信号提取流程图。 设计以氨气为检测对象的TDLAS实验系统, 选取了氨气的吸收谱线以及对应的吸收中心电流。 在激光器电流全工作区间内只存在唯一吸收峰的情况下, 确定实验中各参数的数值及搜索背景的电流范围。 实验结果表明: 该方法可实时提取谐波背景信号。 结合线性最小二乘法拟合反演可有效地减小检测误差及背景信号对浓度反演精度的影响, 提高浓度的检测精度及准确性。 在连续检测实验中, 反演浓度的标准差由2.688 3降到1.856 1, 减小背景信号漂移对检测浓度准确性的影响, 提高了连续检测的准确性。

针对凝视观测模式下光测图像中弱小目标的检测问题, 提出一种多帧频域特征累积的目标检测方法。利用恒星匹配、临帧差分等方法消除背景变化的影响, 通过图像时频域特征分析, 推导出递归形式频域特征累积方程, 并由此检测图像中的弱小目标。实验结果表明采用多帧频域特征累积方法能将图像信噪比提高3倍以上, 有利于检测出弱小目标。

在应用可调谐半导体激光吸收光谱（TDLAS）技术的开放和密闭式气体检测中，提出一种基于无吸收谱线区域检测谐波（HDINASR）的背景消除方法。分析了背景信号成分，设计了背景信号搜索方法和谱线选取原则，给出相邻吸收谱线之间的最小波长间距公式。以氟化氢（HF）气体为检测对象，利用TDLAS实验系统设计相应的实验，确定HF目标吸收谱线、激光器工作温度、背景搜索温度范围和采样周期。实验结果表明，使用HDINASR背景消除前后的曲线相关度提高了3.4%，体积分数精度提高的相对幅度为5.8%。HDINASR为开放和密闭式的气体检测提供一种有效的背景消除方法。

在分水岭分割算法的基础上，提出基于模糊逻辑理论的集水盆合并方法，对自然背景下人工目标的检测与分割以及自然背景的抑制与消除进行了探讨和研究。