发射中红外激光的量子级联半导体激光器（QCL）在气体分子检测，特别是氮氧化物的吸收光谱检测中有突出的应用前景。目前QCL有脉冲和连续光两种主流形式，具有不同的应用特性。采用同波长的两种激光器，搭建相应的驱动及调制解调系统，同时对一氧化氮进行测量：对脉冲QCL采用啁啾调制；对连续QCL采用正弦波调制和二次谐波解调。然后比较了两系统的光谱分辨率、测量范围、线性度、检出限、噪声等指标。结果表明，脉冲系统的测量范围为连续光系统的4.6倍，检出限为后者的2.2倍；连续光系统的线性结果较好。两种系统中，干涉效应导致的光学噪声为电子噪声的10倍，因此消除光学干涉将是该类仪器提高性能的关键。

矮新星是一类特殊而稀少的半相接双星。 发现更多的矮新星对于深入研究物质转移理论、 理解密近双星演化过程意义深远。 利用深度学习技术提取天体光谱特征并进而分类是天文数据处理领域的研究热点。 传统的自编码器是仅包含一个隐层的经典神经网络模型, 编码能力有限, 数据表征学习能力不足。 模块化拓宽神经网络的深度能够驱使网络继承地学习到天体光谱的特征, 通过对底层特征的逐渐抽象学习获得高层特征, 进而提高光谱的分类准确率。 以自编码器为基础构建了由输入层、 若干隐藏层和输出层组成的基于多层感知器架构的深度前馈堆栈式自编码器网络, 用于处理海量的光谱数据集, 挖掘隐藏在光谱内部具有区分度的深度结构特征, 实现对矮新星光谱的准确分类。 鉴于深度架构网络的参数设置会严重影响所构建网络的性能, 将网络参数的优化分为逐层训练和反向传播两个过程。 预处理后的光谱数据先由输入层进入网络, 再经自编码器算法和权值共享实现对网络参数的逐层训练。 反向传播阶段将初始样本数据再次输入网络, 以逐层训练所得的权值对网络初始化, 再把网络各层的局部优化训练结果融合起来, 根据所设置的输出误差代价函数调整网络参数。 反复地逐层训练和反向传播, 直到获得全局最优的网络参数。 最后由末隐层作为重构层搭建支持向量机分类器, 实现对矮新星的特征提取与分类。 网络参数优化过程中利用均值网络思想使网络隐层单元输出按照dropout系数衰减, 并由反向传播算法微调整个网络, 从而防止发生深度过拟合现象, 减少因隐层神经元间的相互节制而学习到重复的数据表征, 提高网络的泛化能力。 该网络分布式的多层次架构能够提供有效的数据抽象和表征学习能力, 其特征检测层可从无标注数据中隐式地学习到深度结构特征, 有效刻画光谱数据的非线性和随机波动性, 避免了光谱特征的显式提取, 体现出较强的数据拟合和泛化能力。 不同层之间的权值共享能够减少冗余信息的干扰, 有效化解传统多层次架构网络易陷入权值局部最小化的风险。 实验表明, 该深度架构网络在矮新星分类任务中能达到95.81%的准确率, 超过了经典的LM-BP网络。

为了对雾霾天气下的图像进行去雾处理, 多幅图像去雾算法是常用的方法之一。 多幅图像去雾算法也有多种形式, 部分算法面临硬件实现困难、 获取途径受限或者可实施性弱等问题, 而且多幅图像比对处理时常常涉及图像配准, 造成算法的实时性差、 计算复杂度高等问题。 针对以上问题, 提出的算法为多幅图像去雾提供了新的思路, 基于双目传感器硬件架构能够同时捕获近红外和可见光图像, 将近红外传感器图像作为新的数据源, 近红外传感器能够在一定程度上穿透雾霾, 在雾天捕获可见光传感器无法捕获的图像细节, 而且硬件实现简单。 可见光图像的颜色信息较丰富, 近红外传感器图像对近处场景细节的描述能力较好, 捕获的图像稍加校正就能实现完全配准, 将近红外图像与可见光图像进行融合, 在去雾的同时, 可以将近红外传感器图像中的原始细节提取融合到彩色可见光传感器图像中, 得到边缘、 轮廓等细节信息更加丰富的去雾图像。 基于上述思路, 借助近红外传感器对边缘细节的描述能力和可见光传感器对颜色信息的反映能力, 提出了一种基于近红外与可见光双通道传感器图像融合的去雾算法。 首先, 将彩色可见光图像转换到HIS彩色空间, 分别得到亮度通道图像、 色调通道图像和饱和度通道图像。 先将其亮度通道图与近红外图像进行融合去雾处理。 采用非下采样Shearlet变换（NSST）进行分解, 对得到的高频系数进行双指数边缘平滑滤波器保边滤波处理, 对低频系数进行反锐化掩蔽处理, 通过融合规则和反向变换得到新的亮度通道图像。 然后, 在对可见光图像的色彩处理中, 建立饱和度图的退化模型, 采用暗原色原理对参数进行估计, 得到估计的饱和度图。 最后, 将新的亮度通道图像, 估计的饱和度图像和原色调图像反映射到RGB空间得到去雾图像。 为了验证新算法的有效性, 特选取四组雾天拍摄的真实近红外图像与可见光图像进行融合去雾处理, 将融合结果与其他两种去雾方法对于彩色可见光图像的去雾效果进行比较。 实验结果表明, 该算法在提高图像的边缘对比度和视觉清晰度上有较好的效果。 并提出将近红外传感器图像作为新的数据源, 采用双通道图像融合方法进行去雾处理, 为图像去雾提供的新的技术思路是可行的。 该算法的优势在于: 首先提出将图像融合方法与去雾算法相结合, 得到了新的去雾算法的思路。 将彩色可见光图像转换到HSI色彩空间, 将其亮度通道图与近红外图像采用非下采样Shearlet变换方法进行融合处理, 在去雾的同时, 可以将近红外传感器图像中的原始细节提取融合到彩色可见光传感器图像中, 使得去雾图像中的边缘、 轮廓等细节信息更加丰富。 其次, 提出了在图像去雾算法中采用新的数据源——近红外传感器图像, 从图像处理的角度, 近红外传感器能够在一定程度上穿透雾霾, 对于近处场景细节的描述能力较好, 而且硬件实现简单, 捕获的图像稍加校正就能实现完全配准, 为后续的融合去雾算法带来了便利, 为图像去雾提供了新的技术途径和路线。 再次, 采用的是多幅图像去雾算法, 该算法基于双目传感器获取图像, 可见光图像的颜色信息较丰富, 近红外图像对于近处场景细节的描述能力较好, 相对于单幅图像去雾算法, 有更好的效果。 最后, 将可见光传感器图像映射到其他色彩空间, 对于每个通道的图像根据其特征有针对性地进行处理。 可见光图像的亮度通道图和近红外图像的处理采用了图像融合和增强处理, 对于可见光图像饱和度通道的处理采用了图像复原算法, 可以从整体上提升去雾效果, 对细节特征有了进一步增强。 该算法为图像去雾提供了新的技术途径和路线。

提出了一种基于非下采样Contourlet变换(NSCT)的雾天图像清晰化算法,将雾天图像映射到HIS彩色空间,对亮度分量H、饱和度分量S分别处理。采用NSCT处理亮度分量H,对含有大多数能量的低频分量取反,再进行改进的单尺度Retinex算法处理,将再次取反后的图像与直接进行改进的单尺度Retinex算法处理的低频分量线性叠加;采用一种快速双边滤波器对包含图像大多数线性细节的高频分量进行处理;对处理后的高低频分量进行NSCT逆变换,得到处理后的亮度分量。对饱和度分量S进行颜色拉伸,实现颜色补偿;将处理后的各分量图像反向映射到RGB颜色空间,得到清晰化后的雾天图像。实验结果表明,该算法可以获得较好的浓雾图像细节及颜色保真度,与其他算法相比,图像的标准差、信息熵、峰值信噪比都有所提高。

对机载多功能显示器红外触摸屏响应时间进行分析和计算，寻找缩短响应时间以便满足用户要求的方法。通过VC++对响应时间进行了计算，根据触摸过程和计算结果，通过提高RS-232的波特率、中断实时接收处理触点数据和合并任务的方法对响应时间进行优化。优化后触摸响应的最大延时时间可缩短约37.5 ms，优化后的延时约为89.5 ms。保证了飞行员可以及时得到需要的画面，满足用户需求。

拉曼光谱法是一种较为理想的彩绘文物分析技术, 在取样量很少的情况下能获取较多的彩绘文物信息, 实现对彩绘文物成分的无损或微损分析。本文通过大量彩绘文物颜料及胎体成分的拉曼光谱分析实例, 介绍了该技术在文物分析中的优势, 并阐述了拉曼光谱在彩绘胶料分析、产地分析和年代测定等方面应用的可行性和广阔前景。

研究并设计了基于光学定位法的空间瞬态光辐射信号定位系统．该系统与能量探测系统协调工作，在能量探测系统识别到目标信号后，经过定位探测、行列编码存储及DSP处理计算，最后输出闪光信号光斑的重心坐标．介绍了系统组成及各部分电路的实现方法，并给出测试结果．实验表明，系统定位准确、设计方案可行．

星载雷电探测定位系统是利用光学探测器探测闪电事件的地理位置和光脉冲波形，系统采用CPLD+DSP的数字图像处理方案，利用了CPLD复杂逻辑可编程特性将系统的部分或全部功能集成在一片CPLD上，减小了系统硬件复杂程度，节省了印制版空间．利用DSP高速数字信号处理特性完成实时处理图像数据的功能．系统用CPLD完成图像信号的采集、编码和存储控制，缩小了星载设备体积，简化了电路结构；用DSP完成大量图像数据处理工作，提高了系统工作的实时性．

分析了待探测的瞬态光信号、背景光信号和高频干扰信号频率的特性，利用LabVIEW软件平台设计虚拟仪器，进行信号处理和分析．设计了数字滤波器，对采集到的信号进行数字滤波，对滤波后的目标信号进行谱估计，得到功率谱密度．试验结果表明，该方法设计简单，运行可靠，滤波效果显著．

针对星载超光谱成像仪摆镜系统提出了一种通用方便的地面检测方案，给出了该方案的硬件组成，详细介绍了方案中检测软件的设计方法，阐述了防止步进电机换向丢步及限位信号抖动的措施，给出了软件主要流程框图．实验结果及检测后摆镜实际运行效果验证了该检测方案的有效性、可靠性．