载波相位平滑伪距的主要目的是通过高精度的载波相位测量值作为辅助量，使伪距测量值中、大随机误差得以消减。针对GPS伪距测量中未知时变的噪声，提出基于极大后验时变噪声统计估计器的自适应衰减因子Kalman滤波算法(AFKF)，采用衰减的加权因子，使估计器逐渐忘记陈旧数据的作用，同时增加新数据的比重，避免滤波过程的发散。结合载波相位平滑伪距原理，利用AFKF算法对全球导航卫星系统(GNSS)的国际 GNSS 服务组织(IGS)的跟踪站实测数据进行仿真分析，并提出利用伪距双差值及伪距三差值来直观体现不同算法的效果比较，结果表明：与标准Kalman滤波相比，AFKF算法在伪距平滑应用中取得很好的效果。

由于受大气湍流的影响,利用地基光学望远镜获取的天文目标图像会发生严重的模糊或降质.解决这一问题的主要途径之一就是斑点成像技术,该方法利用短曝光"冻结"大气,获取天文目标的斑点图再经后处理重建高清晰图像.本文将动态支持域约束的思想与广义极大似然估计重建算法相结合,提出一种改进的基于广义极大似然原理的天文图像高清晰重建算法.该算法创新性地提出了动态支持域约束的思想,在代价函数中增加了非线性滤波项,它可以对上一次的迭代结果进行非线性处理,根据阈值自动调整目标的支持域,使支持域随着迭代次数的增加实现动态调整,克服了已有算法在整个迭代过程中支持域不变的缺点,使得该算法也可对扩展目标实现高清晰重建.实验结果表明,该算法不仅对点源天文星体短曝光图像实现了高清晰重建,而且将模拟扩展目标图像重建结果的峰值信噪比提高10%以上,对自适应光学长曝光图像也有较好的恢复效果.

一种新颖的多尺度分割方法被引入到多分辨率运动图像分割框架中,形成了一种新的多尺度运动图像分割方法.这种方法是由多尺度随机场和序贯极大后验估计器两个基本概念组成,它可以解决多尺度图像分割中仍然存在的计算复杂度问题,并通过上下文图像模型达到准确的图像分割.