利用计算全息图（CGH）能够实现对非球面面形的高精度检测。为了提高CGH的编码效率，提出一种以圆弧为基元对刻线条纹进行分段描述的编码方法，该方法将编码过程分为二值化编码和曲线描述两个步骤。二值化编码采用牛顿迭代法将相位等高分界线离散化；曲线描述结合二分法及残余误差均方根最小准则，利用圆弧对条纹离散点进行编码计算，从而得到刻线条纹。针对一离轴非球面，进行了CGH的设计、编码与制作，在编码精度优于λ/1000的前提下，运算时间仅需3 h，编码文件仅为39 MB，刻蚀时长仅需40 min，证明所提方法相对于传统编码方法能够大幅度提高编码效率，且误差分析表明CGH的波前root-sum square（RSS）误差仅为0.00255λ，证明所提编码方法高效可行。

条纹投影轮廓术广泛应用于重建物体表面三维形貌。但当测量彩色高反光表面物体时，受环境光照及投影条纹反射的影响，存在相机所采集图像像素过饱和，进而无法测量高反光区域表面三维数据的难题。为解决此问题，本文利用物体表面对不同颜色光反射特性的差异，提出了一种根据被测彩色物体表面色彩分布的自适应编码高反光表面条纹投影轮廓术。该方法通过向高反光区域投射与表面颜色互为补色的颜色光，利用物体对互补色光的高吸收、低反射现象，抑制表面高光的形成，从而实现高反光彩色物体的三维形貌测量。实验结果表明，与多重曝光方法相比，利用单幅自适应颜色编码能够替代多次曝光时间设置下的条纹投影重建，有效降低了投影图像的数量，提高了测量效率。

核方法在机器学习中有广泛的应用。量子计算与核方法结合，可以有效解决经典核方法中当特征空间变大时计算成本随之增加的问题。研究表明，基于核方法构建的最小化量子电路可以可靠地在含噪声的中型量子设备上执行。目前已提出的一些基于量子核方法的分类器在充分映射数据以及电路架构等方面仍存在一定的缺陷。因此，提出了一种基于多项式核函数的紧凑型量子分类器。首先通过引入多项式核函数，提升了非线性数据的分类迭代速率，从而提升了分类效率；在此基础上进一步提出紧凑型振幅编码，将量子态相对应相位的数据标签编码。相比于已有的量子核方法分类器，所提模型的量子电路的编码位数可以从5个量子比特减少到3个量子比特，而且，所提模型将已有方法中的双量子位测量简化为单量子位测量。此外，该模型在测量阶段的量子电路参数达到了最优方差，可以有效节省计算资源开销。实验仿真表明，所提分类器模型中的期望值更接近理论值，且获得了更高的分类精度，同时该模型具有较低的纠缠度，有效降低了整个准备工作的开销。

针对现有三维点云语义分割算法对点间密度信息以及空间位置特征利用不充分的问题，提出一种基于密度感知和自注意力机制的三维点云语义分割算法。首先，基于自适应K近邻（KNN）算法和局部密度位置编码构建密度感知卷积模块，从而有效地提取点间关键密度信息，加强初始输入特征的信息表达深度，提升算法捕获局部特征的能力。然后，构建空间特征自注意力模块，基于自注意力和空间注意力机制强化全局上下文信息和空间位置信息的关联性，对全局特征和局部特征进行有效聚合，从而提取更深层次的上下文特征，有效提升算法的分割性能。最后，在公开的S3DIS数据集和ScanNet数据集上进行了大量实验。实验结果表明，算法的平均交并比分别达到了69.11%和72.52%，与其他算法相比有明显提升，验证了所提算法有着良好的分割性能和泛化性能。

计算成像是融合了光学设计、光学传感和图像处理的新兴技术领域，突破了传统成像技术获取信息的深度和广度限制，成为国际研究热点，是先进光学成像技术的重要发展方向。综合国内外文献和相关报道，以计算成像在信息复原及信息增强应用场景的技术发展为主线，结合新方法、新算法探讨各个子领域的主要进展，介绍端到端相机成像优化模型、衍射光学模型及基于可微光线追踪的复杂透镜模型等。近年来，无论是光学系统硬件加工还是图像处理算法都有着惊人的发展速度，多样化系统结构和先进算法的结合为计算成像提供了强大的发展动力，从人脸识别到物体检测，计算成像技术广泛涵盖了安防监控、医疗诊断、零售和娱乐等众多领域，相信未来也会在更多科学应用领域看到它的价值。

光学感前计算是一种在光电传感器前端的光学域进行信息计算处理的技术，包括编码压缩、全光智能推理等计算范式，具有传输即计算、结构即功能等显著特点，在卫星光学遥感领域有着广泛的应用前景。首先对用于感前计算的光场调制器件进行介绍，包括数字微镜器件（DMD）、液晶空间光调制器（LC-SLM）、衍射光学元件（DOE）及超表面等。然后分别梳理了感前编码压缩及全光智能推理的相关技术发展，在此基础上，着重讨论光学感前计算在卫星遥感领域的应用途径和未来发展趋势。

提出了一种基于多波长分组的无源光网络系统监测方案，用于解决基于反射型的故障监测方案中用户之间易发生因干扰导致的链路状态误判的问题。该方案将不同波长分配到不同组，实现不同光网络单元（ONU）组之间的识别，从而避免不同组成员之间的干扰。在此基础上，将与光路终端距离相近的ONU分配到不同组内，以此降低组内ONU发生相互干扰的概率。此外，还研究了用户数量、传输脉冲功率和脉冲宽度对该系统性能的影响。通过理论推导与仿真可知，在检测波长通道数为4、检测光脉宽为10^-8 s、用户数量为16、最大距离差为2 km的无源光网络系统用户中，检测信号的信噪比为9.06 dB，识别精度为2 m。这些结果表明，基于多波长分组的无源光网络监测系统方案能够支持对大容量无源光网络系统的监控，并且在易发生干扰的用户数量较多的情况下具有较好的性能。

提出了一种基于静态分段补偿方法的近似乘法器。通过基于静态分段方法的Booth编码方法生成部分积阵列, 并对生成的部分积阵列进行误差补偿优化以及近似压缩, 以实现硬件性能和精度的折中。仿真结果显示, 相比于综合工具生成的全精度乘法器, 本设计在保持了较高精度水平的前提下, 面积和功耗优化的比例达到了36.96%和35.95%。在图片边缘检测应用中, 设计的峰值信噪比和结构相似性指标分别为26.10和98%, 可见本设计在降低硬件资源消耗的同时, 应用效果接近全精度乘法器。

提出了一种面向可容错应用的低功耗SRAM架构。通过对输入数据进行预编码，提出的SRAM架构实现了以较小的精度损失降低SRAM电路功耗。设计了一种单端的8管SRAM单元。该8管单元采用读缓冲结构，提升了读稳定性。采用打破反馈环技术，提升了写能力。以该8管单元作为存储单元的近似SRAM电路能够在超低压下稳定工作。在40 nm CMOS工艺下对电路进行仿真。结果表明，该8管单元具有良好的稳定性和极低的功耗。因此，以该8管单元作为存储单元的近似SRAM电路具有非常低的功耗。在0.5 V电源电压和相同工作频率下，该近似SRAM电路的功耗比采用传统6管单元的SRAM电路功耗降低了59.86%。