光学相控阵作为一种先进的光束控制技术，在光通信、成像系统、雷达系统等领域具有广泛应用。然而，由于硬件误差、环境干扰等因素，光学相控阵系统中的相位误差会导致波束指向偏移、光斑发散角增大以及栅瓣能量上升，从而影响系统性能。为解决这一问题，研究提出了一种基于粒子群优化算法的相位误差补偿方法，通过优化阵列相位分布，提升光束集中度并减小栅瓣能量。为验证算法性能，构建了一维128路光学相控阵仿真模型，针对不同光斑尺寸限制下的波束优化效果进行了模拟仿真实验，并与梯度下降法进行了对比分析。实验结果表明，粒子群算法能够有效改善波束主瓣能量集中度并有效抑制栅瓣能量；与传统优化方法相比，粒子群算法在高精度需求和复杂阵列规模下表现出更强的适应能力。
光伏电池板组件的隐形缺陷包括隐裂、碎片、黑斑、阴影等是影响组件发电效率、寿命、安全性的重要因素。为了实现高辐照度下晶硅光伏电池组件隐形缺陷的在线检测，提出了缺陷成像系统的优化方法；包括带通短波红外成像系统组成、双曝光背景抑制、非线性变换图像锐化等。建立了光伏电池板电致或光致发光成像的信号动态范围模型；搭建了基于窄带短波红外InGaAs相机的高辐照度下光伏电池板电致发光成像的实验装置，并对提出的优化方法进行了验证。结果表明，在300W/m~2的辐照度下，本文方法可有效提高光伏电池板隐形缺陷的成像清晰度。
准直光学系统是光学测试装置的重要组成部分，在激光光束质量测量校准领域，对准直光学系统技术指标要求极为严格，文章介绍了一种离轴双曲面光学系统的高精度装配和调整方法。通过分析补偿法和无像差点法检验对双曲面反射镜圆锥系数k值的适用范围，根据主、次镜参数，分别选择补偿法和无像差点法进行面形检验，实现主次镜的高精度装配。结合离轴R-C系统结构特点，以机械端面及水平面为装调基准，使干涉仪光轴、平面镜法线、主镜光轴相互平行并与装调基准建立关系。通过分析次镜失调量与系统波相差之间的关系，采取计算机辅助装调，对次镜进行6个自由度的调整使系统波像差快速收敛，装调后系统波像差RMS优于0.0245λ@632.8nm,满足设计指标要求。
针对传统内窥镜仅依赖于形态学观察，对于初期或不明显病征难以准确诊断的问题，设计了一款集高清成像与拉曼光谱探测于一体的双模态内窥镜，旨实现可见光全视场高清成像和小视场拉曼探测光良好聚焦。采用共光路设计，前物镜组和中继系统共用既减小了内窥镜口径，又降低了成本。在成像系统上，实现了F数为7.3,全视场70°、小孔径的可见光高清成像，确保了工作距为10mm时调制传递函数不小于0.12@175lp/mm,最大畸变控制在11.64%以内，有效控制了像差提升了成像质量；在拉曼探测端选择785nm激发波长，光谱范围为785～1100nm,聚焦效果良好。与普通内窥镜相比不仅保留了形貌观测功能，还通过拉曼光谱技术实时获取分子结构和物质组成信息，可以提高诊断的准确性。
为了研究光学元件对光学系统性能的具体影响，人们采用Zernike多项式作为分析工具对其性能进行评估。文章从光学元件优化方法以及Zernike多项式的理论基础出发，介绍了圆Zernike多项式和环Zernike多项式的概念，并探讨了圆Zernike多项式与Seidel像差的关系及其在波前拟合中的应用；梳理了国内外在光学元件面形优化、结构优化以及系统成像性能优化方面的研究成果，展示了Zernike多项式在这些领域中的作用；分析了影响光学元件优化的关键因素，并指出了这些因素对Zernike多项式优化效果的影响。最后，对Zernike多项式在光学元件优化中的发展趋势进行了展望。
数字全息图像在压缩过程中产生的失真会降低其重建像的质量，增加了散斑噪声去除的难度。此外，现有散斑去噪方法需要针对不同程度的压缩失真分别训练不同的网络，这限制了其在实际应用中的灵活性。针对上述问题，提出了一种面向压缩失真的数字全息重建像无监督散斑噪声去除方法。基于压缩过程的质量因子，设计了一个压缩感知注意力模块动态调整网络的权重，实现对去噪过程的自适应控制。其次，使用散斑噪声相关性卷积并结合盲点网络架构，以避免采样密度受限而导致细节信息丢失。最后，引入非线性注意力模块增加全局信息的交互，使网络更加精确地捕获散斑噪声。实验结果表明，所提出方法在有效去除散斑噪声的同时能够保留更多的细节信息。与现有方法相比，所提出方法在客观质量评估和主观视觉感知两方面均取得更好的结果。
在离轴数字全息中，物光和参考光之间存在一定的离轴角度，离轴角度的大小反映了全息图频谱中+1级像和-1级像频谱位置分离的程度，解决了同轴全息中孪生像混叠的问题。然而，离轴角度也会给相位测量引入倾斜畸变，影响相位测量的准确性。为了消除数字全息中的离轴倾斜畸变，提出一种基于高斯高通滤波器(GHPF)的自适应离轴倾斜畸变补偿法，通过对相位图像进行傅里叶变换和高通频域滤波，并根据大部分能量集中在频谱图中很小范围的圆域内的特点，利用能量阈值自适应的选取滤波器的截止频率，提取出相位图像的细节信息等高频部分，实现了去除离轴倾斜畸变和相位成像精度改善。以基于Mach-Zehnder干涉仪的全息光路捕获的全息图为对象进行实验验证，并与其他去除离轴倾斜畸变方法相比较，验证了该方法在离轴倾斜畸变补偿方面的优势。
太赫兹波对非极性材料的穿透能力强，利用内部介质不连续形成的回波成像，具有分辨率高、非接触等特点，是高压陶瓷套管等绝缘设备现场无损检测领域的研究热点。首先介绍了太赫兹波的透射和反射传输模型，给出采用透射和反射方式提取材料电磁参数的方法。然后通过扫描成像，检测出高压陶瓷套管试件外部防污闪涂层的厚度分布，定位了涂层厚度异常区域，同时检测出陶瓷内部的缝隙缺陷及空间分布。检测结果表明太赫兹成像技术具备在高压绝缘设备中进行表面绝缘涂层评估和近表面微缺陷检测的双重能力。
点云分割是隧道施工中检测超欠挖区域及体积的关键步骤，但由于超欠挖隧道轮廓不平整，在进行点云分割时对于靠近轮廓的干扰物体难以有良好的分割精度。针对这一问题，提出了一种基于Transformer的模型。模型通过引入自注意力机制建模全局长距离依赖关系，并结合局部信息融合模块，融合局部几何与特征上下文信息，采用类似DGCNN的架构提升特征表达能力。实验基于构建的超欠挖隧道3D点云数据集，与DGCNN和Point Transformer模型对比，结果表明，模型在推理速度、计算资源需求和分割精度(mIoU达到75.8%)上均优于对比模型，性能提升显著。模型可为超欠挖隧道开挖和衬砌隧道点云分割提供技术支持，助力隧道工程可视化施工，提升工程质量和效率。
主观散斑广泛应用于光学成像、目标检测等多个领域，尤其是面内位移测量领域更是备受关注，其中照明激光则是影响其测量的关键因素之一。首先基于信息光学理论研究了球面波和平面波照明下的透镜成像原理；然后搭建了一个主观散斑光学系统，分别在球面波和平面波照明下利用数字图像相关法对散射物体的面内位移进行了测量，并根据上述原理分析讨论了两种波面对测量的影响。结果发现两种波面对面内位移的测量误差影响有限，但对测量极限影响较大，球面波照明下的面内位移测量极限要低于平面波照明下的极限值。
圆形目标在增强现实、摄影测量和结构光投影测量系统等视觉测量领域应用广泛。然而，透视投影引起的圆形目标偏心误差严重影响测量精度。为了提高投影中心定位精度，提出了一种以同心圆为目标的精确投影中心定位方法。研究主要包括改进的投影中心定位方法以及考虑镜头畸变的迭代补偿。使用交比不变性避免了圆形目标因透视投影带来的偏心误差，随后将改进的投影中心坐标加入迭代求取相机参数的过程，消除镜头畸变对中心定位的影响，从而精确定位投影中心。实验结果表明，所提方法能够准确定位投影中心并且在相机标定中也具有良好表现。
针对验光仪半自动化带来人眼参数测量不准确及操作不便问题，利用光、机、电、算设计一种全自动验光仪并提出一种人眼自动定位方法。通过短焦相机实现人眼和相机平面中心对准，通过瞳孔相机实现人眼和相机纵向距离的对焦。对中时，采用优化的模板匹配算法定位短焦相机图像中的人眼区域，再根据人眼瞳孔特征从人眼区域中拟合出瞳孔轮廓椭圆，给出计算椭圆中心与相机在平面X/Z向偏移量的方法，控制三维移动平台实现对中。对焦时，采用Hu不变矩法提取瞳孔相机图像中反射靶环中线并拟合椭圆，计算光斑所在直线与椭圆相交的径距；又用椭圆径距-反射光斑点距比计算人眼和相机纵向距离(Y向)的方法，控制三维移动平台靠近或远离人眼实现对焦定位。实验结果表明人眼定位准确率高达98%,且未发现定位速度与市场样机有明显差异，适合实际应用。
现有疲劳驾驶检测模型存在评价标准单一、适应性不足、算力要求高，以及在夜间照明不足的情况下性能受限的问题。提出了基于自适应阈值优化的疲劳状态评估系统。系统在光照不足的环境下，利用线偏振照明技术提升图像质量，并结合YOLO-GM模型，对有遮挡情况采用边界约束优化眼嘴ROI筛选和识别，提高了特征识别的准确率；构建了基于多特征融合疲劳状态评估模型，提出了基于二分类决策树优化的自适应疲劳阈值评判方法，自适应调整疲劳评价阈值，提高了疲劳评估分类准确度；在YawDD和自建数据集上的实验表明，模型相较于原模型减少3.95MB,特征识别准确率达到95.08%,疲劳状态评估准确率达95%,平均每帧处理时间为88.5ms。由于该系统适用于夜间光照不足的情况，具备较高的实时性且对驾驶员个体差异的适应性强，可集成至车载等低算力平台。
与传统的降噪方法相比，基于深度学习的降噪算法能够对未见过的噪声类型进行降噪处理，提升了降噪后的图像的视觉质量。但深度学习网络需要大量的图片进行训练，而生物医学实验中往往没有大量的样本提供给神经网络学习。针对这种情况，提出了一种零样本学习的卷积神经网络，神经网络通过下采样技术生成不同的图片与噪声图片一起供残差网络学习，残差网络中的损失函数使用了残差损失、正则化损失和制导损失相结合的方式，同时在卷积层中加入注意力机制。在噪声标准差为10、25和50的情况下，算法的峰值信噪比为35.43dB、29.93dB和24.81dB。通过与其他降噪算法进行实验对比，本算法在噪声较小的情况下具有更优的降噪效果，在高噪声环境下也表现出与其他模型相当的性能，证明了其在有限样本情况下的高效性和稳定性。
评价Landsat 8卫星OLI影像信噪比变化特征，对确保Landsat数据连续性和扩展其在生态、资源等领域的应用至关重要。针对2014～2020年的OLI传感器影像信噪比进行了评估，技术流程包括：(1)筛选全球范围内沙漠戈壁、海洋、湖泊、积雪、浓密植被等均一同质地表区域及对应的影像；(2)利用“均值-标准差法”逐年计算OLI传感器影像的信噪比；(3)对2014～2020年OLI影像信噪比进行量化分析与评价。结果表明：7年来OLI影像各波段的信噪比维持在了一定的水平，能够满足地表变化研究的需求。其中，信噪比呈现出小幅的升降波动，2014年各波段影像的信噪比最高，2020年各波段影像的信噪比最低，整体呈下降趋势。结果对于OLI影像在长时序遥感变化分析应用中具有参考意义。
高光谱图像分类近年来受到广泛关注，尤其是卷积神经网络(CNN)和图神经网络(GNN)的应用取得了显著进展。CNN处理小型规则区域的像素信息，而GNN则擅长捕捉不规则区域的超像素特征。为了结合二者优势，提出了一种名为光谱融合GAT与双极自注意力融合的高光谱分类网络(SGBF),该网络整合了双极自注意力CNN和光谱融合图注意力，用于高质量高光谱分类。在图神经网络组件中引入了光谱融合图注意力网络(SGAT),并开发了光谱精炼模块(SRM)以提高光谱信息的提取能力。在CNN组件中，加入了双极自注意力机制(BSA)来捕捉空间-光谱信息。实验结果显示，SGBF在多个数据集上表现出色，在Indian Pines数据集上，SGBF的分类精度达到了91.59%,比单独的CNN或GNN方法分别提高了13.2%和12.23%,在PaviaU数据集上，精度为98.54%,超越现有最佳方法2.37%,这些结果验证了SGBF在高光谱图像分类中的优越性和鲁棒性。
光场(LF)图像是一种能够记录光线方向和强度的图像，它可以提供丰富的视觉信息。近期，众多基于卷积神经网络(CNN)或Transformer的网络结构在光场图像处理任务中展现了巨大潜力。然而，由于光场图像在空间与角度之间的角度采样稀疏性，充分提取特征信息并挖掘其空间角度相关性成为实现光场图像超分辨率的重要挑战。针对这个问题，提出一种新的网络架构，以更好地重建高分辨率光场图像：经过浅特征提取部分逐渐提取视角内的特征；设计了具有通道注意力的多尺度特征提取模块，以有效融合在光场子空间上学到的特征；通过极平面图像(EPI)表示，将4D空间角度相关性投影到多个2D EPI平面上，通过全局注意力机制进一步学习和捕捉空间角度之间的复杂关联。这些操作能够更好地整合不同角度视图信息，充分挖掘光场子空间中的特征，并实现全局感受野。研究在5个公开的光场数据集上对所提出的方法进行了全面验证，结果表明，提出的方法在光场图像超分辨率任务中取得了更高的PSNR、SSIM值，生成的高分辨率光场图像具有更高的细节保真度和清晰度。