相对于传统阈值型和全波形激光雷达，光子计数激光雷达具有高密度、高分辨率、高穿透性等优势，然而光子计数激光雷达所获得的光子点云数据具有较多的背景噪声及干扰噪声，为准确识别目标上的有效光子信号，采用合适的光子滤波方法很有必要。目前主要存在的滤波方法有基于直方图统计去噪、基于局部距离统计去噪、基于密度的噪声空间聚类（DBSCAN）去噪等。为了解这些方法对山地和水体区域的适用性，选用机载多波束试验激光雷达分别对这些方法进行比较与分析。实验结果表明，3种去噪方法都可以准确提取有效的光子点云，其中直方图统计方法对于地形平坦区域和水体的去噪效果明显优于地形起伏区域，局部距离统计和DBSCAN的去噪效果受地形变化影响较小，且DBSCAN对山地数据的去噪效果最佳。用去噪精确度、去噪召回率和F1指标对这3种方法的去噪结果进行定量比较。3种方法对于山地区域内的有效光子去噪精度分别为0.9342、0.9524、0.9669，对于水体区域的有效光子去噪精度分别为0.9981、0.9492、0.9349。

为了有效剔除无效目标，降低雷达虚警概率，提出一种基于雷达环境噪声统计和目标功率分布特性的动态阈值计算方法。运用直方图统计方法估计每个距离门的噪声水平并对其进行峰值搜索找到局部峰值点，同时根据不同距离门雷达信号衰减的强弱，动态分配阈值增益，得到自适应峰值检测阈值。然后将局部峰值点作为参考单元的信号，并将其输入到检测方法中求解检测门限。实验结果表明，所提方法能够有效识别雷达在实际复杂应用场景下的目标。

为了高可靠性地提取星载云/气溶胶激光雷达层次信息, 设计了一种基于直方图统计的层次分类方法。对这种方法进行了理论分析。结果表明, 该方法应用于不同特征的数据, 均能准确、高可靠性地查找出云/气溶胶的层次信息。该方法避免了目前层次查找方法对数据特征的约束, 是一种高可靠性、适用范围广的层次查找算法。

高精度高动态红外图像具有对比度低和有效灰度范围窄的特点，因此为了提高红外图像细节纹理的显著性，避免空域处理中噪声和盲元对弱对比度细节纹理的影响，同时利用频域处理的全局性，提出了一种基于空域和频域处理的红外图像细节增强算法。首先在空域内对红外图像进行高频细节和低频背景的分离，然后将其转换到频域内并利用伽玛变换对细节的高频分量进行增强，同时对背景的高频分量进行抑制；将处理后的高频细节和低频背景在空域中以给定的权重值进行重建；最后利用直方图统计拉伸处理实现红外图像有效灰度范围的扩展和细节对比度的增强。实验结果表明，不论是人眼的主观评价还是客观评价，本算法都具有较强的细节增强能力和较佳的图像视觉表现，且具有实时处理的前景。

在分析了激光脉冲编码方式的基础上，提出基于自相关矩阵统计的激光脉冲编码识别方法：利用接收到的脉冲序列，构造一阶差分自相关矩阵和二阶差分自相关矩阵，分别对其进行直方图统计，根据直方图特点识别激光脉冲序列的编码方式，并解算出脉冲时间参数.通过仿真实验，验证算法的有效性，用计算机仿真生成不同类型的脉冲序列，并设定脉冲丢失概率和虚假脉冲概率，验证编码识别算法.实验证明该编码识别算法正确率高，实时性好，有较强的抗干扰脉冲能力.

针对传统图像增强方法的不足,提出一种基于模拟频域滤波重构直方图均衡的图像增强方法.将频率域滤波的思想引入空间域直方图运算当中,在模拟频率直方图统计中进行频率信息的统计,利用这些频率信息建立模拟频率域坐标,进行模拟频域滤波,对滤波处理后的直方图进行均衡化处理.实验表明:与传统方法相比,该算法优化了灰度级的动态分布范围,能得到更清晰的增强效果,且在图像中没有视觉明显的噪声放大.