云检测对于遥感图像的应用具有重要意义。目前已有的云检测方法关于遥感图像的偏振信息研究较少，性能和泛化能力有限。为有效利用遥感图像偏振信息，提出了一种基于深度学习的多模态融合遥感图像云检测方法并进行了初步实验评价。该网络是一种三参数输入流架构，具有编码器-解码器结构，利用通道空间注意模块对遥感图像中的反射率特征和偏振特征进行多模态融合。在解码器上采样阶段，利用迭代注意特征融合方法融合高、低级特征映射。评价实验数据集来源于多角度偏振成像仪 (DPC) 云产品和云掩码产品。评价实验结果表明，所提出的网络模型实现了良好的云检测性能，识别准确率达到93.91%。

大气偏振模式凭借具有太阳子午线信息的“∞”字形特征支撑偏振导航应用，然而由于采集装置的物理特性限制、采集地点的周边环境以及薄云等遮挡，导致获取的大气偏振信息部分失真，降低了太阳子午线的精度。为解决该问题，本文提出了基于邻域约束的大气偏振模式生成网络，该网络挖掘大气偏振模式分布的连续性，通过多步邻域特征推理以增加重构过程的约束，由局部有效偏振信息精准生成全局的大气偏振信息。此外，针对大气偏振模式的物理特性，提出了太阳子午线角度损失，进一步提升太阳子午线精度。本文在实测大气偏振数据上进行了实验，并与其它最新方法进行对比，实验结果证明了本文方法的鲁棒性和优越性。

光信息在散射介质中传播时会发生散射现象，从而导致其强度和偏振信息发生变化。利用出射光的偏振状态可以间接表征散射介质的退偏特性，并对散射介质进行分类和识别。理论上穆勒矩阵( Mueller Matrix, MM)可以描述散射介质的全部偏振属性，对分析散射介质的退偏特性起到至关重要的作用，但是MM参数过多，较为复杂。然而，根据MM推导所得到的偏振纯度指数(Index of Polarization Purities，IPPs)结构简单，并可以更为直接的描述散射介质的退偏特性。IPPs由 ${P_1}$、 ${P_2}$、 ${P_3}$组成，代表退偏系统等效分解成的四个非退偏纯系统之间的权重差异。以 ${P_1}$、 ${P_2}$, ${P_3}$为坐标轴可构建出纯度空间，纯度空间中不同的点代表不同的退偏系统，利用纯度空间可以对不同的退偏系统进行分辨。相比较于传统偏振表征指标，IPPs可以表征散射介质及目标更多维度的信息。近年来，IPPs在生物医学和目标检测等诸多方面的研究取得了重要的研究成果。文章主要介绍了IPPs的理论，综述并讨论了其在分析不同分散体系的退偏特性、生物组织成像、医学监测和目标识别等方面的研究进展。

偏振是光的固有属性，当光与物质发生相互作用后，通过解构偏振态变化，可以获取材料组成和结构的重要信息。这一特性使得光的偏振具有很高的研究价值和应用前景。近年来，偏振成像、偏振信息等研究领域蓬勃发展，引起国内外学者的广泛关注。高效地获取偏振信息是该领域发展的关键技术，然而传统的偏振信息探测及获取方案有着各种不足，制约了偏振信息技术的持续化发展。超表面技术使得人们得以根据需求操控光的相位、振幅、偏振等，同时具有微型化和集成化的优势。文中以全矢量偏振信息的获取为出发点，以基于阿基米德螺旋结构的圆偏振探测器为引子，主要介绍基于超表面结构实现偏振信息探测技术的发展过程及研究现状，包括金属超表面偏振探测器、介质超表面偏振探测器以及超表面偏振成像等研究内容，最后展望了基于超表面结构的偏振信息探测技术未来的发展趋势。

光的偏振态是电磁波的基本属性，偏振信息是使用光的偏振态作为信息表现形式的工程科学应用技术，需要合适的表征方法对其进行描述。由于大气散射特性，光在地球表面存在一种特殊的偏振分布模式，可以用于近地空间自主导航，同时，不同的偏振态在各种散射介质中传输也具有特定的变化规律。因此，研究光的偏振信息在不同分散介质中的传输特性，对其在现代**、航空、海洋等领域内的广泛应用具有重要的参考价值。近年来，偏振光学成像技术广泛应用于雾霾、水下及其他散射介质中的清晰成像，并取得了很多优秀的研究成果。文中主要介绍了光的偏振态的各种表征形式、偏振信息在不同分散介质中的传输特性、经过散射介质后的偏振信息恢复算法、以及偏振去雾技术的应用等，并在最后展望了偏振信息应用的未来发展趋势。