在散射环境下获取的图像质量退化严重，细节对比度降低，极大地限制了光学成像技术在诸多领域的应用。由于散射光具有部分偏振特性，基于偏振成像的去散射技术近年来得到了广泛的关注及应用。但传统的偏振去散射方法的复原效果十分依赖对场景偏振参数的准确估计，对强散射的复杂场景难以取得理想的去散射效果。为了克服这一缺点，提高偏振去散射方法在不同环境中的适用性，着眼于偏振图像的区域细节，提出一种基于区域细节强化的偏振去散射新方法。该方法结合对比度和Stokes矢量来确定两幅待复原的偏振子图，通过频域处理估计模型的关键参量，然后利用散射退化模型反解出未退化图像，最终融合形成去散射图。实验结果表明：所提方法在不同种类散射环境（雾霾或浑浊水体）和不同散射强度下均具有良好的复原效果，提高了偏振算法的适用性；同时，充分利用了偏振图像的强度分布特点，能够突出原图中的强偏振区域，可同时复原高低偏振目标物体，增强图像的细节信息。

水体中悬浮粒子对光的散射导致浑浊水下成像质量下降。偏振光学成像技术可基于偏振信息分离散射光和信号光，是浑浊水下成像的有效方法。然而，现有的水下偏振成像技术主要从空域分离散射光和信号光，对于散射光的抑制效果较为有限。利用散射光和信号光在频域的差异性，基于对偏振图像频谱信息的处理实现了对后向散射光的有效抑制，从而实现了成像清晰度的显著提升。在不同浑浊程度水体环境下对于不同物体开展了多组实验，实验结果表明，所提方法相对于传统的水下偏振成像方法可更好地抑制后向散射光和凸显物体信号光，最终实现在浑浊水体环境下的清晰成像，尤其对于高浑浊水体，成像清晰度提升效果明显。

提出一种基于无监督学习的偏振图像去噪方法，该方法打破了监督学习下深度学习需要严格配对图像的限制，使用非配对偏振图像训练一个偏振特化的循环生成对抗网络。该网络通过所提出的基于偏振信息的损失函数统计学习噪声图像和清晰图像的映射。实验结果表明，该网络可以有效地抑制室内外不同环境下偏振图像的噪声，同时能较好地恢复线性偏振度和偏振角。所提方法对复杂噪声环境下的偏振成像应用具有重要意义。

基于光学频率梳与超声脉冲之间的声光效应, 提出了一种海水声速直接测量的方法。根据光学频率梳模间拍频的相位测量了超声脉冲的飞行距离,根据脉冲声光效应引起的零级光的强度变化测量了超声脉冲的飞行时间。搭建了基于马赫-曾德尔干涉仪的测量装置。实验结果表明,该方法可以在实验室条件下实现高精度的海水声速测量,测量不确定度优于5 cm/s。

海上星光导航是航海中一种重要的自主导航技术，星图识别是其关键步骤。针对船载鱼眼相机星光导航系统超大视场带来的单幅图像数据量大、识别冗余、识别效率低等问题，提出了一种基于圆形视场分割的鱼眼相机星图识别方法。对于拍摄到的星图，利用同心圆将视场分割成若干个面积相等的环形和圆形区域；在构造导航星特征库的过程中，以星角距为特征构造散列函数，将导航特征库分段存储成若干个子库；在识别过程中，利用基于中心星的多三角形识别算法，从视场中心圆形区域开始依次向视场边缘环形区域进行识别。海上观测实验结果表明：该方法能够平均以2.5 s的识别时间达到90%以上的识别成功率，且具有良好的实时性。