悬浮泥沙浓度是水体监测中极为重要的指标。本论文基于神经网络具有弥补传统经验算法固有误差的潜力，设计并开发了基于人工神经网络的神经网络校正器来对经验反演结果进行二次校正。为了防止在小数据集的情况下出现过拟合问题，采用了特殊设计的正则化项。基于高分五号高光谱遥感数据以及在长江口和沿海水域同时收集的悬浮泥沙浓度实地测量结果，研究了4种基线经验模型，并评估了使用神经网络校正器后的精度。在每个基线模型上都测试了神经网络校正器模型的两个典型应用，包括基线模型校正和时间校正。在这两种应用中，结果均表明，经校正的D'Sa模型具有最高的准确性。通过使用基线模型校正，均方根误差从0.1495 g/L降低至0.1436 g/L，平均绝对百分比误差从0.7821降低至0.7580，决定系数从0.6805升高至0.6926。实施时间校正后，平均绝对百分比误差从0.8657降低至0.7817，决定系数从0.6688升高至0.7155。最后，基于神经网络校正器校正后精度最高的模型处理了整幅高分五号高光谱图像。本论文结果为各种经验反演算法提供了一种通用的二次校正方法，以最大程度地减少基线模型的固有误差，并且保证了反演精度。

MOS电阻阵目前在红外仿真领域有着广泛的应用和重要的作用。作为红外半实物仿真链路中的核心器件, 其成像效果直接关系到最终仿真结果的准确度和置信度。目前的红外仿真数字信号进入电阻阵后会产生一系列图像退化和耦合失真问题, 因此需要从MOS电阻阵的成像机理出发, 分析其成像原理及能量传递过程, 针对单个像元建立符合其自身物理特性的过程及辐射模型。通过输入信号与输出信号的函数关系来量化和验证模型的准确度和置信度。这个模型作为MOS电阻阵的基础模型对未来研究更大规模电阻阵的耦合特性、反向模型及非均匀性校正均有重要的理论基础和实际工程应用价值和意义。

水果内部品质影响着消费者的感官偏好, 直接决定消费者的购买倾向。 为此, 可见-近红外光谱技术检测巨峰葡萄内部品质以及感官偏好等级。 试验比较了漫反射、 透射两种光谱采集方式对葡萄内部品质的检测准确性, 结果表明透射光谱更能表征巨峰葡萄的内部品质信息, 偏最小二乘(PLS)模型对鲜食葡萄可溶性固形物、 总酸度的预测均方根误差分别为0.598%brix, 0.048 g·L-1。 将鲜食葡萄的透射光谱主成分信息与消费者的感官偏好等级之间建立非线性分类模型, 得到主成分法结合极限学习机(PCA-ELM)模型分类准确率最好, 为78.7%。 结果认为反映水果内部信息的光谱可用于消费者感官偏好的初步分类, 但其间关系还有待进一步研究。

在光子晶体光纤二氧化硅材料中掺入氟元素、在光纤中引入七个椭圆空气孔以及三角形和矩形周期性空气圆孔, 设计了一种氟掺杂双芯光子晶体光纤偏振光分束器.对该分束器结构参量进行优化,对分束器分离两正交偏振光的性能进行分析.结果表明：在优化结构尺寸下, 当光纤长度为102.717 μm的超短长度时, 在1.55 μm波长处具有超强的分离两束正交偏振光的能力, 消光比可以达到126.442 dB, 具有60 nm的有效带宽.此偏振光分束器在大容量光通信系统中具有重要的应用价值.

为了抑制激光成像中的散斑噪声，采用灰度共生矩阵构建了激光显微散斑分析评价系统。系统采用波长为405nm的激光作为显微系统光源，利用电压驱动音圈电机振动样品对激光散斑噪声大小进行控制，同时采用CCD图像传感器采集不同驱动电压下的激光散斑噪声。通过对散斑噪声的角二阶矩、对比度、熵和逆差距特征参量的分析，较好地表征了激光散斑噪声的变化。结果表明，灰度共生矩阵方法可对激光显微成像中的散斑进行评价。

提出了一种基于硅锗(Ge-on-Si,GOS)的新型亚微米光波导,通过调节二阶色散对此波导的结构进行了优化设计,研究了其在波长为3~6 μm间的连续光波长转换性能.数值结果表明,在脊宽2.8 μm、脊高1.6 μm,平板厚度0.48 μm的优化结构下,当泵浦光波长在靠近二阶零色散点的负色散波长区时可以实现高转换效率宽带中红外波长转换,3 dB转换带宽可达到1664 nm,在0.05 GW/cm2的泵浦光功率密度下,最大转换效率可达到-2.479 dB.该波导在中红外波段具有波长转换带宽大、转换效率高的优点,在未来空间光子网络与通信方面具有潜在的应用前景.

为了提高图像在信息交换中的安全性与可靠性, 提出一种将激光散斑和Henon映射混合应用于图像加密的新方法。激光散斑图像灰度分布具有随机性, 采用SCAN 语言将其扫描为不同的随机序列, 该序列与Henon映射生成的序列求和形成新序列, 新序列与待加密的原始图像按位异或实现加密。结果表明: 该方法具有较好的加密效果, 较强的密钥敏感性, 较弱的相邻像素相关性, 可抵御统计分析攻击。

为评判近红外光谱技术对柑橘糖度的无损检测结果能否满足消费者感官需求并在此基础上利用变量筛选方法简化近红外光谱柑橘糖度模型。 设计了近红外光谱采集与感官品尝试验。 单因素方差分析感官品尝结果表明, 消费者对柑橘糖度的适应度存在个体差异, 但不受性别影响; 剔除异常样本组并计算柑橘糖度最低感官品尝的均方根偏差(RMSED)为0.633。 为使近红外光谱检测结果满足消费者需求, 要求光谱模型的预测均方根误差(RMSEP)小于RMSED, 并结合光谱预处理与变量筛选方法, 得到SPA-MLR模型性能最佳, 预测相关系数(Rp)为0.86、 RMSEP为0.567, 耗时仅6.8 ms, 其结果既可满足消费者的感官需求, 也使模型得到简化, 为今后在线检测提供依据。

哈夫单位、蛋黄指数和失重率是评价鸡蛋新鲜度的重要指标。通过采集反映鸡蛋内部品质的近红外（550~985 nm）透射光谱对其进行了无损、快速定量分析。通过Savitzky-Golay光谱平滑方法和一阶微分对光谱进行预处理，采用联合区间偏最小二乘法（SI-PLS）选取合适的光谱或波长区间进行建模；并将选取的特征变量通过主成分分析，获取光谱的有效信息作为反向传播人工神经网络（BP-ANN）的输入变量进行非线性建模。比较两种模型的预测效果发现SI-PLS模型的性能优于BP-ANN模型。实验结果表明：应用近红外透射光谱评价鸡蛋的新鲜度是可行的。