针对图像和视频中多人姿态估计存在人体边界框定位不准确、困难关键点检测精度有待提高等问题,设计了一套基于自顶向下框架的实时多人姿态估计模型。首先将深度可分离卷积加入目标检测算法中,提高人体检测器运行速度;然后基于特征金字塔网络结合上下文语义信息,采用在线难例挖掘算法解决困难关键点检测精度低的问题;最后结合空间变换网络与姿态相似度计算,剔除冗余姿态,改善边界框定位准确性。本文提出模型在2017MS COCO Test-dev数据集上的平均检测精度比Mask R-CNN模型提升了14.84%,比RMPE模型提升了2.43%,帧频达到 22 frame/s。

为了提高宽带波长转换技术的响应速度, 采用高非线性光子晶体光纤, 设计了一种受激喇曼散射的可调谐全光宽带波长转换器。基于光纤中喇曼效应, 对光子晶体光纤喇曼增益谱采取高斯曲线进行拟合, 建立了喇曼波长转换器的理论模型, 并进行了仿真分析, 讨论了光纤长度对转换效率的影响。结果表明, 在符合通信系统的条件下, 实现了100nm转换带宽, 波段为1487nm~1587nm, Q因子随探测光波长变化与喇曼增益谱走势相同, 其波长转换质量最优处在喇曼增益系数最大处。该研究对未来光网络的波长转换器波长分配以及光纤长度的配置研究具有参考意义。

为提高拉曼光纤放大器(RFA)的放大带宽和光纤通信系统的传输容量，利用4个不同波长的泵浦设计了带宽为100 nm的宽带RFA。在对拉曼耦合波微分方程数值求解的同时，结合粒子群优化算法优化了4个泵浦的波长及功率，得到了3组平均开关增益分别为18.690 9、19.638 7和21.764 1 dB，所对应的增益平坦度分别为0.879 7、0.914 4和0.945 2 dB的优化结果。基于3组优化后的泵浦功率和泵浦波长，对粒子群优化算法的边界条件进行改进，进一步提升了RFA的性能，也使算法的性能得到改善。最终实现了增益为22.480 4 dB、增益平坦度为0.696 3 dB的宽带RFA。同时，对算法中的惯性权重和学习因子等参数进行了适当的调整，用来分析对比不同参数选择时优化结果如何变化，分析对比的结果为算法参数的选择提供了参考。

提出了一种基于邻域特征与脉冲发放皮层模型（Spiking Cortical Model，SCM）相结合的红外与可见光图像融合算法。首先，源图像经过非下采样剪切波变换（Non-subsampled Shearlet Transform， NSST）分解得到各自的低频子带图像和高频子带图像。然后，根据低频与高频子带的特点，选择适合的邻域特征作为 SCM的外部激励，通过比较 SCM的输出对低频与高频分量进行融合。最后将融合得到的低频与高频子带图像经逆变换重建得到最终的融合图像。通过实验仿真与其他几种方法进行比较，可以看出本文算法的融合图像红外目标突出，背景信息丰富，视觉效果良好，并且在标准差、信息熵，以及互信息等客观评价方面具有明显的提高。