激光成像雷达是从上世纪70年代以来发展起来的一门新的技术,随着激光成像雷达的发展激光雷达图像处理也变得逐渐重要起来,现行的激光成像雷达在图像采集目标跟踪方面一般分为:预处理,兴趣检测,提取、分解、匹配这五个部分,本文主要关注前三个部分,特别是以兴趣检测和轮廓提取作为重点介绍。在这五个部分中,前面的一个子系统都是后一个子系统的基础,所以在研究兴趣检测和轮廓提取之前必须对预处理有一个初步的了解。为了更好的抑制噪声,本文首先介绍了激光雷达的噪声种类及成因,在强度像方面以散斑噪声为主,在距离像距离反常以逸出值为主。本文分别分析了散斑噪声的概率分布,反常概率与阈值的关系,散斑噪声需要利用一些专门的方法进行屡出;同时证明了阈值增加可以有效地降低距离反常发生的概率,但会造成信息丢失,对于逸出值来说属于随机噪声适合用统计顺序滤波予以滤处。在第三章中研究了背景抑制一些基本方法,研究了均方根误差评价法RMSE与阈值系数的关系。并且研究了现有距离像反常抑制方法,并对这些方法进行了效果和实时性的比较,计算了各种算法的RMSE和运行单次时间,给出了频域的初步分析。经过对现有方法分析研究基础上提出了一种新的去噪方法—自适应直方法,并且研究了中值方法和直方图法的复合。在本章的最后利用真实的实验数据进行了对自适应直方法关于模板大小和形状对效果的影响的研究,并用真实数据进行了处理效果和时效性与已有的最好方法—顺序均值加权法的对比,结果表明在时效性和处理效果方面均优于顺序均值加权法。具有应用的价值。本文在第四章对兴趣检测和轮廓提取进行了研究,建立了两个场景,这两个场景分别命名为坦克场景和航母场景,其中坦克场景属于复杂环境场景,航母场景属于较单一背景场景。对两个场景进行兴趣检测处理,获得了联合兴趣CI图像,并把兴趣检测得到的距离片段窗口WRS窗口用于下一步轮廓提取当中。在轮廓提取方面,首先提出了一种对轮廓提取的评价体系的轮廓提取估计ESE体系,利用3个指标对轮廓提取进行衡量,研究了轮廓提取的效果与载噪比CNR和距离的关系,并总结出可以用净击中率来表示轮廓提取的效果。在本章的最后对仿真实验所用到的算法进行了算法分析,为了与真实情况贴近重点研究了时间复杂度,给出了定量的描述,经过计算机仿真证明,该算法有比较好的时效性,为以后的算法改进提供了基础。