采用不同模板的均值滤波器和高斯滤波器来增强图像。
根据三角窗函数的对称*和三角滤波器的递归*，给出了高斯滤波器的实用逼近算法
导出了一类跳跃马尔可夫系统的递推贝叶斯滤波方程，进而给出了此类系统的高斯滤波和交互多模型粒子滤波算法。
根据视觉测量图像质量较好及以高斯噪声为主的特点，提出采用简单的高斯滤波或者SUSAN去噪算法对图像在卡尺范围内进行滤波处理的方法。
在中心极限定理和逼近理论的基础上，提出了一种用三角滤波器的级联来实现高斯滤波器的新方法。
此方法分为4个阶段：①用均值滤波去除随机噪声；②用高斯滤波去除高斯噪声；③用直方图均衡化法平衡立体图对间的亮度差异；④用拉普拉斯锐化增强图像的边缘和细节。
提出一种“高斯滤波”的方法去除这些白点，使二值化图像平滑、少毛刺，并具有较好的连通*。
然后采用高斯滤波和有限对比适应*直方均衡化（CLAHE）对图像进行预处理，以削弱噪声、光照和对比度的影响；
针对目标随机施放干扰的情况，将线*高斯滤波应用于观测噪声中带有尖头干扰信号的系统中，实现机动目标的反干扰跟踪。
