太赫兹无损检测是一种非侵入、非接触性的新型检测技术，在无损检测领域极具潜力。但在实际探测中，对于复杂的太赫兹回波信号，如色散回波和重叠回波，仅利用传统的信号处理方法（如直接法、反卷积法）难以满足对飞行时间定位精度的要求。稀疏表示法作为一种太赫兹信号处理的新方法，具有良好的定位精度和抗噪性。提出基于最小绝对收缩和选择算子（LASSO）的稀疏表示法，从复杂的太赫兹回波信号中重建脉冲响应函数，并构建双过完备字典完成对太赫兹反射信号的色散补偿。针对重建脉冲响应函数幅值不准确的问题，提出幅值衰减系数，修正脉冲响应函数幅值，有效提升时域峰-峰值的成像质量。通过数值计算和实验分析，验证了所提方法的有效性。可以预期，基于LASSO的稀疏表示法能够为太赫兹无损检测中的信号处理提供新的解决思路。

合成孔径雷达（SAR）在成像过程中由于固有成像机制的缺陷导致图像被乘性噪声污染，图像噪声对后续目标检测识别等处理过程造成了阻碍。现有的去噪算法存在不能自适应估计噪声大小和对边缘保持效果不理想的问题，如何自适应处理不同噪声水平的图像是一个研究难点。提出一种基于盲估计和双边滤波的SAR图像稀疏去噪算法。首先利用双边滤波得到具有良好边缘保持特性的预处理图像；接着利用盲估计获取图像全域噪声水平，将其充当稀疏重建过程中的残差阈值；最后利用稀疏编码和字典学习算法，用尽可能少的原子信息来表示图像，达到图像去噪的目的。实验结果表明，结合了盲估计的稀疏重建算法不仅有效去除了图像噪声，使等效视数获得了显著提升，而且峰值信噪比和边缘保持指数也有良好的表现，有效保留了原图的细节纹理信息。

胶接结构广泛应用于航空航天等**领域，但在工艺制作及使用过程可能会产生胶接界面脱粘缺陷和损伤，由于太赫兹无损检测技术对非金属材料良好的穿透性能，已被广泛应用于复合材料的无损检测中，太赫兹无损检测技术在多层胶接结构样件胶层内部缺陷的无损检测方面具有较大优势。利用反射式太赫兹时域光谱系统检测多层胶接结构样件，得到的具有样件内部材料信息的太赫兹时域信号，但信号中还包含了大量的冗余特征和噪声等无效信息，这些无效信息大大降低了信号处理和分析效率。针对这一问题，文中提出了基于二阶梯度法提取太赫兹时域信号有效特征，以飞行时间误差为限制条件基于信号的时域特征自适应确定阈值，稀疏太赫兹时域信号，减少信号中冗余无效信息，实现太赫兹时域信号的有效压缩。然后，通过二值化图像分割识别多高斯恢复信号和太赫兹时域光谱系统检测信号的太赫兹图像缺陷区域。最后，制备具有脱粘缺陷的多层胶接结构样件，开展太赫兹无损检测实验。结果表明：文中算法的数据压缩率达到了81%，相比传统压缩算法离散余弦变换提高了59%，相比主成分分析算法提高了75%，相比K-SVD字典学习算法提高了26%，缩短了约80%的数据计算时间，减小了约95%数据存储空间占用，且缺陷识别偏差不超过0.05。文中算法极大地提高了数据处理和分析效率，保证了缺陷识别的精度。

稀疏表示广泛用于高光谱图像分类任务中。针对字典原子空间信息和光谱信息未得到充分利用的问题，提出了基于空谱字典的加权联合稀疏表示高光谱图像分类算法。计算测试像元与字典原子的空谱联合距离，选择相似度最高的K个字典原子，并将被选择字典原子的超像素邻域扩充到新的字典中，形成空谱字典。在联合稀疏模型中，对测试像元的超像素邻域像元使用不同的权重，在空谱字典上构建加权稀疏表示模型。基于所选的两个高光谱数据集的实验证明所提算法能够有效地提高分类精度。

针对隧道出入口光照强度不足导致成像质量不佳的问题，提出了一种基于低照度隧道口红外与可见光图像融合方法。首先利用双边滤波与光照分量，对隧道口低照度红外和可见光源图像进行自适应图像增强；其次通过非下采样轮廓波进行多尺度、多方向分解以弥补预处理后的图像信息损失；在低频系数上，采用基于卷积稀疏表示与局部能量特征相结合的方法进行融合；在高频系数上，根据底层视觉特征构建新活性度量方法与光谱边缘处理；最后，将得到的低频和高频融合层进行重构得到最终的融合图像。实验结果表明，所提出的融合算法与BF、SE、NSCT-BF、SF-Energy-Q、SR-C&L五种算法相比，主观上视觉效果更好，辨识度高，整幅图像场景得以凸显，互信息量、信息熵、标准差均为最高，分别为7.596 2、7.764 2、82.194 1，运算时间至多减少0.023 2 s。该方法在降低噪声、均衡光照、恢复细节方面有参考意义。

合成孔径雷达（Synthetic aperture radar，SAR）自动目标识别（Automatic target recognition，ATR）是现代战场情报侦察、精确打击的重要支撑技术。为提升SAR ATR整体性能，提出基于二维投影特征多重集典型相关分析（Multiset canonical correlations analysis，MCCA）的方法。首先，采用若干二维随机投影矩阵对SAR图像进行特征提取，获得多层次特征描述。考虑到这些结果之间的相关性和可能存在的冗余及干扰，进一步通过MCCA对它们进行融合处理，获取单一特征矢量。基于稀疏表示分类器（Sparse representation-based classification，SRC）对融合特征矢量进行处理，判决目标类别。实验基于MSTAR数据集开展，对方法性能进行检验确认，结果能够验证其有效性。