红外摄像机虽然能够全天候 24 h工作, 但是相比于可见光摄像机, 其获得的红外图像分辨率和信杂比低, 目标纹理信息缺乏, 因此足够的标记图像和进行模型优化设计对于提高基于深度学习的红外目标检测性能具有重要意义。为解决面向监控应用场景的红外目标检测数据集缺乏的问题, 首先采用红外摄像机采集了不同极性的红外图像, 基于自研图像标注软件实现了 VOC格式的图像标注任务, 构建了一个包含行人和车辆两类目标的红外图像数据集( Infrared-PV), 并对数据集中的目标特性进行了统计分析。然后采用主流的基于深度学习的目标检测模型进行了模型训练与测试, 定性和定量分析了 YOLO系列和 Faster R-CNN系列等模型对于该数据集的目标检测性能。构建的红外目标数据集共包含图像 2138张, 场景中目标包含白热、黑热和热力图 3种模式。当采用各模型进行目标检测性能测试时, Cascade R-CNN模型性能最优, mAP0.5值达到了 82.3%, YOLO v5系列模型能够兼顾实时性和检测精度的平衡, 推理速度达到 175.4帧/s的同时 mAP0.5值仅降低 2.7%。构建的红外目标检测数据集能够为基于深度学习的红外图像目标检测模型优化研究提供一定的数据支撑, 同时也可以用于目标的红外特性分析。

为提高红外图像弱小目标检测的准确率和实时性，在分析用于红外图像增强的分形参数K相关的多尺度分形特征(MFFK)基础上，提出了一种基于改进多尺度分形特征(IMFFK)的红外图像弱小目 标检测算法。首先，将基于地毯覆盖法的分形维数计算公式代入MFFK计算公式，提出了一种改进多尺度分形特征(IMFFK)用于图像增强。其次，对IMFFK特征计算进行简化，采用自适应阈值分割得到 感兴趣目标区域，提出了一种具有较高计算效率的红外图像弱小目标检测算法。最后，通过仿真图像分析了主要参数对图像增强和算法耗时的影响，采用红外真实图像进行了算法检测性能测试，并 与当前基于局部对比度测度的目标检测算法进行了对比。实验结果表明，提出的算法虽然在一些检测场景具有较多虚警，但能同时适用于弱小目标和较大目标检测，且无论目标为亮目标或暗目标。 提出算法对于低分辨率红外图像(320×240)检测接近30 frame/s。提出算法具有较强的适用性，能够检测出红外图像中具有较高局部对比度的目标。

为解决SAR图像目标识别中样本缺乏和方位角敏感问题, 提出了一种基于DRGAN和SVM的SAR图像目标识别算法。首先, 采用多尺度分形特征对SAR图像进行增强, 经过分割得到目标二值图像, 基于Hu二阶矩估计目标的方位角。然后对估计得到的目标方位角进行量化编码, 结合原始图像作为输入, 对设计的DRGAN模型参数进行训练与优化。由于DRGAN中的深度生成模型将目标姿态与外观表示进行解耦设计, 故可利用该模型将SAR图像样本变换到同一方位角区间。基于变换后的训练样本分别提取归一化灰度特征, 利用SVM训练分类器。采用MSTAR数据集在多个不同操作条件下对提出的算法进行测试, 实验结果表明, 在带变体的标准操作条件下, 能够达到97.97%的分类精度, 优于部分基于CNN模型的分类精度, 在4种扩展操作条件下的分类精度分别为97.83%, 91.77%, 97.11%和97.04%, 均优于传统方法的分类精度。在SAR图像目标方位角估计存在一定误差的情况下, 训练得到的GAN模型作为SAR图像目标旋转估计器, 能够使得在不进行复杂样本预处理的前提下, 仍然取得较高的SAR图像目标识别精度。关 键 词:

随着光通信、 光信息处理技术等的快速发展, 非线性光学材料越来越受到学术界与工业的关注。 与无机非线性光学材料相比, 有机非线性光学材料具有响应时间短、 易于加工和高非线性系数等优点。 其中, 4-(4-二甲氨基苯乙烯基)甲基吡啶对甲苯磺酸盐（DAST）是人工设计的一种具有非中心对称性和较强极化率的有机非线性材料。 大量理论和实验结果表明, DAST具有高二阶光学非线性系数、 高电光系数、 大双折射率差和低介电常数等特性, 能够产生更快、 更强的光学非线性响应, 还具有优异的太赫兹波发射及吸收性能, 是目前综合性能最优、 应用最广、 最具研究价值的非线性有机材料。 近年光谱研究显示, DAST还表现出各向异性的太赫兹光谱特性。 文章系统地总结了DAST晶体在太赫兹波发射、 二次谐波产生、 电光探测和电光调制等众多领域的国内外研究成果, 还概括了我们团队近期在DAST基薄膜、 太赫兹光谱、 光电特性、 超材料等新领域的研究进展。 此外, 还提出将准相位匹配法用于DAST晶体研究、 利用电场或自组装膜诱导生长DAST晶体等新思路。 对DAST成果的总结和梳理, 将促进非线性DAST有机材料在电光调制器、 频率转换器、 THz探测器等重要领域的应用与理论研究, 使其能够更加广泛地应用在光通信、 光信息处理、 **技术等重要领域。

深度卷积神经网络在目标检测与识别等方面表现出了优异性能，但将其用于SAR 目标识别时，较少的训练样本和深度模型的优化设计是必须解决的两个问题。本文设计了一种结合二维随机卷积特征和集成超限学习机的SAR 目标识别算法。首先，随机生成具有不同宽度的二维卷积核，对输入图像进行卷积与池化操作，提取随机卷积特征向量。其次，为提高分类器的泛化能力，并降低训练时间，基于集成学习思想对提取的卷积特征进行随机采样，然后采用超限学习机训练基分类器。最后，通过投票表决法对基分类器的分类结果进行集成。采用MSTAR 数据集进行了SAR 目标识别实验，实验结果表明，由于采用的超限学习机具有快速训练能力，训练时间降低了数十倍，在无需进行数据增强的情况下，分类精度与采用数据增强和多层卷积神经网络的深度学习算法相当。提出的算法具有实现简单、需要调整参数少等优点，采用集成学习思想提高了分类器的泛化能力。

提出一种表层电磁谐振器呈螺旋环的超材料太赫兹吸波器.与常规的超材料吸波器不同, 在材料的种类及厚度都不变的情况下, 仅通过改变表面螺旋环的环数或环的起始和终止位置, 就能有效地调节螺旋环超材料的太赫兹响应性能.研究发现, 该超材料的响应频率的仿真值与驻波理论计算值基本吻合, 说明螺旋环超材料的响应机理可以通过驻波理论解释、其响应频率具有可预计性.为了探究螺旋环超材料的响应机理, 还比较研究了闭合圆环及开口圆环超材料吸波器的性能.结果表明, 螺旋环、闭合圆环、开口圆环三种超材料吸波器具有部分类似的太赫兹响应性能.但是, 与另外两种超材料不同, 螺旋环超材料的表层电磁谐振器是半径连续变化的螺旋环、具有更强的耦合作用以及更加简便和灵活的性能调节方式.研究成果对超材料的理论及设计研究有新的启示.

采用低温溶解法制备了再生纤维素膜, 运用扫描电子显微镜、 傅里叶红外光谱仪和X射线衍射仪对所制薄膜进行形貌和晶型表征。 在此基础上, 结合太赫兹时域光谱和傅里叶变换红外光谱技术, 测量了再生纤维素膜的太赫兹光谱。 据此, 详细指认了再生纤维素在太赫兹波段的特征峰, 指出再生纤维素的太赫兹透过率随波数的减少而增大的现象是由其无定形部分所导致。 通过比较再生纤维素和脱脂棉在100～700 cm-1的光谱特性, 发现两者具有相似的峰形, 但再生纤维素在此波段的特征峰相对于脱脂棉特征峰发生了不同程度的蓝移。 据此, 提出了鉴别纤维素Ⅱ和纤维素Ⅰβ同质异晶体的一种新方法。 重要的是, 还采用CASTEP对纤维素Ⅱ晶体进行结构优化及光谱的理论研究, 并对再生纤维素的太赫兹特征峰进行了系统的归属。 理论计算结果表明, 再生纤维素在42和54 cm-1处的太赫兹特征峰分别是由平移振动和转动的晶格振动模式引起, 而位于68～238 cm-1间的太赫兹特征峰则与—CH2OH基团的扭绞振动以及C—H及O—H的变形振动相关。 此外, 351～583 cm-1范围内的吸收峰与C—O—C及吡喃环的骨架振动相关, 而611和670 cm-1两处的吸收峰则主要源于O—H的面外弯曲振动。 结果不仅揭示了再生纤维素的物质结构与太赫兹光谱间的联系, 也为理论上研究部分结晶的聚合物及生物有机大分子等的太赫兹响应的物理原理提供了参考。

针对早期的滤波方法, 如线性的有高斯滤波、均值滤波、方框滤波等和非线性的如中值滤波、开闭运算等传统滤波方法是在像素级进行行列式的循环运算, 运算繁琐, 数据亢余和不能有效压缩图像进行数字化传播的缺点, 提出一种基于PCA主成分图像融合后的K-SVD滤波方法的研究, 有效弥补了单一K-SVD对椒盐噪声起不到良好滤波的缺点。首先对源图像进行多次的观测得到N幅含噪图像(既含有高斯噪声也含有椒盐噪声, 都是加性噪声)。再对N幅含噪图像进行PCA主成分提取融合后进行K-SVD滤波(如果先进行K-SVD滤波的话会造成多幅图像的K-SVD的滤波, 导致效率低且运算度冗余N倍)。这样有效消除了高斯噪声的干扰, 还解决了K-SVD对椒盐噪声不敏感的缺陷, 完成了在图像特征级数据去噪的研究。