判斷、相關處理、濾波與預測、平滑、外推等，最終實現(xiàn)對目標的穩(wěn)定連續(xù)跟蹤和對目標狀態(tài)的精確估計。其處理的關鍵技術在于測量數(shù)據(jù)組織、相關和濾波算法的實現(xiàn)。本文只針對其中的濾波處理進行了研究，濾波處理主要用于解決測量數(shù)據(jù)的不精確性和被測量目標狀態(tài)的跟蹤與預判，目前常用的濾波算法主要包括α-β濾波、Kalman濾波和最小二乘法，通過分析三種算法的原理，并比較其優(yōu)點有助于實踐應用者在選擇算法時做出最合理的選擇。1 濾波算法原理1.1 最小二乘法最小二乘法的濾波原理是

中最經(jīng)典的非線性濾波法是中值濾波(MF)[1]和它的相關改進方法[2]。然而，這些方法都是用濾波窗口的某一個像素點代替噪聲點，沒有很好的處理窗口內(nèi)高密度噪聲像素點對該像素點的影響。本文提出對圖像進行高斯濾波并對高斯濾波進行迭代濾波。對圖像進行多窗口中值濾波時，發(fā)現(xiàn)噪聲密度與中值濾波的窗口呈正相關性。但是中值濾波窗口越小圖像處理效果越清晰（PSNR越大），實驗證明當圖像受到較大密度噪聲（如：0.5）干擾時，單純靠某一個濾波窗口濾波效果并不理想，而且濾波后還會

個重要問題。去塊濾波技術可以在不明顯影響圖像內(nèi)容的情況下去除方塊效應的影響，顯著提高重構(gòu)圖像的主客觀質(zhì)量，是改善圖像塊效應的有效方法。文獻[1]針對H.264與HEVC去塊濾波算法的異同進行了研究，并列出相關數(shù)據(jù)說明了HEVC中去塊濾波算法的低碼率方面優(yōu)于H.264。文獻[2]針對HEVC的算法，提出了一種基于判決條件的快速算法，用來確定其濾波強度以及濾波方式。文獻[3]針對需要濾波塊中像素點間的相關性，提出了一種低復雜度的感知優(yōu)化，用以降低濾波器的計算復

圖像降噪的Lee濾波和Kuan濾波誤差較大的問題，提出了基于最小均方誤差(MMSE)準則的線性最優(yōu)濾波，線性最優(yōu)濾波通過把斑點噪聲的乘性模型同時展開為一階和二階泰勒級數(shù)，然后使用MMSE準則獲得線性濾波的統(tǒng)一模型，最后再對該統(tǒng)一模型使用MMSE準則而獲得。線性最優(yōu)濾波在所有的線性濾波中具有最低的濾波誤差，因而具有最高的濾波精度。對某鄉(xiāng)村和城區(qū)SAR圖像的降噪實驗表明：線性最優(yōu)濾波對邊緣細節(jié)的保留能力強于Kuan濾波，它對斑點噪聲的濾除能力強于Lee濾波；與