手写体中文的自动识别在文档数字化、手写笔记转录等方面有广泛应用。针对其具有的书写随意、结构复杂、数目众多等特点,提出了一种基于注意力机制的手写体中文识别方法。在卷积神经网络(CNN)模型的基础上,搭建了一种AT(Attention)-CNN网络模型,利用注意力机制实现网络层之间的信息交互,减少了因池化操作导致的信息丢失。在经典手写体中文数据集HWDB上进行实验,结果表明,该方法的识别准确率可以达到95.05%,相比其他模型有显著提升。

将In0.53Ga0.47As吸收层设计为多个薄层, 通过不同浓度掺杂实现吸收层杂质指数分布, 建立了InP/In0.53Ga0.47As/InP红外光电阴极模型, 在皮秒级响应时间的前提下模拟了吸收层厚度、掺杂浓度和阴极外置偏压对阴极内量子效率的影响, 给出了光电子在吸收层和发射层的一维连续性方程和边界条件, 计算了光电子克服激活层势垒发射到真空中的几率, 进而获得阴极外量子效率随上述三个因素的变化规律, 结果表明, 吸收层掺杂浓度在1015~1018 cm-3范围内变化时, 内量子效率变化很小; 随着吸收层厚度在0.09~0.81 μm内增大, 内量子效率随之增大; 随着外置偏压升高, 内量子效率先增大后趋于平稳。文中给出一组既能获得高量子效率又能有快时间响应的阴极设计参数, 理论上1.55 μm入射光可以获得8.4%的外量子效率, 此时响应时间为49 ps。

大多数基于样本块的图像修复算法通过平移来寻找最优匹配块,当破损区域与信息区域存在旋转或尺度缩放时,这些算法则无法对图像进行有效修复。针对这一问题,提出一种基于样本块的旋转及缩放图像修复算法。利用局部特征向量获得与破损区域具有旋转或尺度缩放关系的最优匹配块;对匹配块的空间能量函数进行拓展;实现具有旋转及尺度缩放破损图像的自动修复。实验结果表明,对于具有旋转和尺度缩放的图像,本文算法能够准确搜寻到破损块的最优匹配块,提高了匹配准确率,并且修复效果较好,修复效率较高,稳健性较强。

由于高光谱遥感数据具有波段多、特征非线性、空间相关等特点, 提出一种基于深度学习的空-谱联合(SSDL)特征提取算法来有效提取数据中的空-谱特征。该算法利用多层深度学习模型--堆栈自动编码机对高光谱数据进行逐层学习, 挖掘图像中的深层非线性特征, 然后再根据每个特征像元的空间近邻信息, 对样本深度特征和空间信息进行空-谱联合, 增加同类数据聚集性和非同类数据分散度, 提升后续分类性能。在帕维亚大学和萨利纳斯山谷高光谱数据集上进行地物分类实验: 在1%样本比例下, 地物总体分类精度达到了91.05%和94.16%; 在5%样本比例下, 地物总体分类精度达到了97.38%和97. 50%。结果表明: 由于SSDL特征提取算法融合了数据中深层非线性特征和空间信息, 能够提取出更具鉴别特性的特征, 较其他同类算法能够获取更高分类精度。

面向背光照相技术是诊断惯性约束聚变（ICF）中瑞利-泰勒（RT）不稳定性的重要方法，讨论了利用该技术对球形靶丸扰动幅度测量时由于收缩几何效应带来的影响。通过计算，分析了一个简化模型下扰动振幅的实际值和测量值，讨论了偏移距离、靶丸外半径、扰动波长和扰动振幅等因素对实验结果相对误差的影响。计算表明，合理选择这些参数能使诊断的系统误差小于3%，而且可通过计算模型对测量结果进行修正。研究结果可为即将开展的神光III激光装置上的收缩几何烧蚀RT不稳定性实验参数设计和结果分析提供依据。

在不同温度条件下对Cd0.9Zn0.1Te晶片进行In气氛退火热处理, 显著提高了Cd0.9Zn0.1Te材料的电阻率。通过实验测量和理论建模计算, 得到了1073、1023和973K条件下In原子在Cd0.9Zn0.1Te晶片中的扩散系数分别为4.25×10-9cm2·s-1、9.02×10-10cm2·s-1和2.17×10-10cm2·s-1, 并且拟合出了1073~973K范围内扩散系数和温度之间的函数关系表达式D(T)=2.15×exp(-1.9/k0T)及频率因子D0等数据。最后, 对实验结果进行了简要的对比和分析解释。

针对直接倒焊(Ⅰ型)、间接倒焊(Ⅱ型)两种红外探测器模块，两者中的探测器芯片、硅读出电路和引线基板的尺寸完全相同，只在倒焊封装结构上有所差异，用有限元方法分析比较了这两种封装形式的基本模块于液氮温度时的热应力和形变大小情况，分析结果与实验现象符合较好，模块低温形变值的测量验证了有限元分析结果的合理性.

激光三角测量方法因其具有结构简单、非接触、信号处理便捷等特点而得到广泛应用。针对工程应用中提出的高精度、大工作距离的测量要求,从激光三角位移传感器结构、光斑定位不确定度和定标方法等方面进行分析,分别讨论了各个因素对于测量精度的影响,并提出了优化方案。经实验验证,该激光三角位移测量系统在110 mm的工作距离下测量误差小于1.2 μm,优于在同等工作条件下的商用激光三角位移传感器。