下行漫衰减系数（k_d）是海洋光学领域的重要光学参数之一。利用大连港现场实测的含水中油水体光学参数和辐射传输模型Hydrolight模拟含水中油水体水下光场，分析水中油对水体k_d的影响，并根据模拟结果构建k_d半分析模型。结果表明，在可见光波段，不同水深的k_d光谱随着水中油浓度的增加而升高；随着水中油浓度的增加，k_d随水深增加而升高的趋势更为明显，且接近其定常渐进值的速度越快；含水中油水体吸收系数及后向散射系数对k_d的贡献与自然水体不同，使得含水中油水体与自然水体k_d半分析模型的参数值差异明显，因此，自然水体k_d半分析模型无法满足含水中油水体的精确计算需求。通过模拟结果构建的k_d半分析模型可以进一步计算得到精度较高的下行辐照度，为快速模拟含水中油水体水下光场提供了可靠的解决方案。

激光回波易被噪声污染, 被干扰或遮挡时会出现数据缺失。针对该问题, 提出一种基于贝叶斯因子分析(Bayesian factor analysis, BFA)模型的激光回波信号增强算法。首先利用因子分析(factor analysis, FA)模型对激光回波进行建模, 从而将信号增强问题转换为对模型参数的求解问题；然后将自动相关确定(automatic relevance determination, ARD)理论引入FA模型, 实现对因子个数的自适应寻优；最后采用变分贝叶斯期望最大(variational Bayes expectation maximization, VBEM)算法对模型参数进行迭代更新, 在贝叶斯后验概率最大准则下实现激光回波的噪声抑制和缺失样本恢复。基于实测数据开展试验, 在低信噪比和数据随机缺失情况下, 所提方法能够获得较好的噪声抑制性能和较高的缺失样本恢复性能, 从而保证后续信号处理能够准确采集到回波中的高价值信息。

基于光谱技术建立的多元校正模型通常条件下只适用于同一台仪器、 相同的测试条件及同批次或同类别的样品。 在仪器、 测试环境、 样品发生变化后, 已建光谱模型不再适配, 需要进行模型转移。 模型转移是限制光谱技术推广应用的关键技术瓶颈, 模型转移是否成功直接影响到可见-近红外光谱技术的推广应用, 为此, 综述了其研究现状, 并探讨了其未来发展方向。 首先, 将模型转移问题分成了两类: 第一类是相同样品在不同仪器或不同测试环境（不同温度/不同湿度）等条件下产生的模型不适配问题; 第二类是不同批次、 不同物理形态、 不同种类间产生的模型不适配问题。 这两类问题性质不同, 解决第一类模型转移, 能够保证同源样品的准确性和稳定性; 解决第二类, 能够实现光谱模型在不同样品间的自动传递和匹配应用。 然后, 梳理了常用的模型转移算法并进行了分类, 包括模型更新、 基于光谱校正算法、 基于结果校正算法等, 并列举了每个类别的模型转移算法的应用。 模型更新是一种重新计算模型系数最直接的方法, 通过扩展和调整模型来满足新的变化; 基于光谱校正算法是通过算法计算转移矩阵, 实现对光谱的校正; 基于结果校正算法是通过算法计算预测结果和实际结果系数, 从而实现预测结果的校正。 最后, 指出未来应着重研究第二类模型转移问题, 并且要寻找能够实现机器自动校正的模型转移, 从根本上解决模型转移这一限制光谱速测应用的主要技术瓶颈。

提出一种基于相位差异法的衍射光学系统波前反演误差分析方法。从衍射光学系统波前反演模型出发,分析了产生波前反演误差的物理因素;对各影响因素进行了理论建模,建立了衍射光学系统波前反演误差分析方法。以某衍射光学系统为应用实例,分析了各因素对波前反演误差的影响规律,并验证了误差分析模型与方法。实验结果表明,模型分析结果与实际误差之间的平均偏差小于13.5%,可为衍射光学系统的空间应用提供支撑。

转基因技术在过去的几十年里快速发展, 然而此项技术对生态环境、 伦理道德等可能带来的影响尚存争议, 因此针对农作物的转基因成分检测和鉴别的相关技术研究十分重要。 本研究以转双价基因(cry1Ab/cry2Aj-G10evo)玉米籽粒和玉米面粉为研究对象, 采用近红外光谱仪采集900～1 700 nm波段范围的光谱, 结合 Savitzky-Golay(SG)平滑算法对提取出的光谱数据进行去除噪声处理。 基于全波段光谱和PCA主成分分别建立了偏最小二乘判别分析(PLS)和支持向量机判别模型(SVM)。 试验结果表明, 在转基因玉米籽粒全谱的判别分析模型中, SVM判别模型效果要优于PLS判别模型, SVM模型识别正确率达到90%以上, PLS的模型识别率只有85%左右。 以PCA降维后建立的模型中, SVM模型也取得了最优的效果, 建模集和预测集识别正确率达到100%。 虽然转基因玉米在研磨加工后外源蛋白和DNA有所下降, 但是转基因玉米粉末基于全波段光谱建立的SVM模型的建模集正确率仍有90.625%。 结果表明应用近红外光谱技术集合化学计量学方法对转基因玉米的鉴别是可行的, 为转基因玉米乃至其他转基因农产品的鉴别提供了技术支持, 具有重要的理论意义和应用价值。

为加快紫苏优质育种进程, 采用近红外光谱(NIRS)技术, 结合线性偏最小二乘法(PLS), 以250份全国范围内收集的紫苏资源为研究材料, 分别较好的建立其种子中含油量, 棕榈酸(C16∶0), 硬脂酸(C18∶0), 油酸(C18∶1), 亚油酸(C18∶2), a-亚麻酸(C18∶3)含量的六个近红外光谱校正模型。 结果显示, 六个模型的校正决定系数(RSQ1)分别为: 0.98, 0.91, 0.92, 0.92, 0.85, 0.93; 交叉验证决定系数(1-VR)分别为: 0.97, 0.89, 0.89, 0.91, 0.85和0.91; 外部验证相关系数(RSQ)分别为: 0.98, 0.91, 0.89, 0.90, 0.80和0.89, 且定标标准误差(SEC)分别为0.99, 0.21, 0.1, 0.94, 0.81, 0.92; 交叉验证标准误差(SECV)分别为1.16, 0.23, 0.11, 1.05, 0.92, 1.02和预测标准误差(SEP)分别为0.97, 0.21, 0.11, 1.12, 0.99, 1.14。 结果表明, 此六个校正模型质量均较高。 这些首次建立的快速无损的近红外分析模型, 可为紫苏资源开发提供指导, 对紫苏油分品质育种具有重要意义。

竹叶含有丰富的功能性成分, 具有良好的抗氧化、 调节血脂、 抗癌、 保护心脑血管等功效, 在食品和药品等领域具有较高的应用价值, 但不同品种的竹叶其功能性成分差异较大。 传统对于竹类品种的鉴别主要是通过观察竹叶大小、 纹理、 竹枝分枝和竹竿高度等, 效率低且错误率较高, 因此, 快速准确的区分不同品种的竹叶, 是竹类资源开发和加工过程中的重要任务之一。 采用近红外高光谱（900～1 700 nm）技术对我国不同产地的12种竹叶进行鉴别分析。 用主成分分析（PCA）对竹叶进行聚类分析, 应用主成分因子中X-loading（XL）和random frog（RF）算法进行特征波段的提取, 分别得到6条（931, 945, 1 217, 1 318, 1 473和1 653 nm）和12条（1 052, 1 140, 1 163, 1 177, 1 180, 1 193, 1 230, 1 241, 1 477, 1 483, 1 629和1 649 nm）特征波段, 并基于全波段（238条波长）及采用以上算法所得的特征波段建立最小二乘-支持向量机（LS-SVM）判别分析模型, 其识别率分别为9917%（全波段）, 9583%（XL算法）, 9583%（RF算法）。 最后, 采用受试者工作特征曲线（receiver operating characteristic curve, ROC curve）对LS-SVM模型的判别效果进行验证, 结果表明, 曲线下面积（AUC）均在098以上, 说明近红外高光谱结合LS-SVM可以很好地实现竹类的鉴别分析, 这为竹叶的食用和药用价值的开发利用提供理论参考。

多源遥感影像融合中，通常不同地物区域对光谱特征和空间细节信息的要求有所不同。针对该特点，提出了一种 IR(自适应半径搜索 )显著性分析模型，实现了对多源遥感影像显著性区域和非显著性区域的识别与划分。结合 HIS与小波变换融合算法，提出了改进的自适应平均梯度加权 HIS融合方法，实现了对道路、农田、居民区等显著性区域的融合，更好的保留了其丰富的空间细节信息；同时提出了 HIS+WT变换的融合方法，实现了对山地、林地等非显著性区域的融合，保留了较多的光谱信息。以此实现了分区域的自适应遥感影像融合。实验结果表明，本文方法能够使融合后的遥感影像既能保持较高的空间细节表现能力，又能很好地保留其光谱信息。对农业科学、森林规划以及今后森林遥感影像分类、识别等研究提供了一定的理论基础与应用价值。

早在20 世纪50 年代开始，硫系玻璃由于具有宽红外透明波段和高折射率的特殊性质而引起了研究者们的浓厚兴趣，尤其是含Te 元素硫系玻璃的红外透过截止波长可达到18 μm 的远红外区域，开发出的硫系玻璃材料在远红外传感、CO2激光能量的传输、生物传感、外太空生命探测等方面有了广泛应用。除了在传统红外能量传输及成像等方面的应用，近年来硫系玻璃由于其超高的非线性、超短的响应时间而成为光开关、超连续光源、拉曼增益等非线性光学应用的最佳候选材料。总结了当前主流硫系玻璃的非线性特性及其应用，并在分析玻璃组分与其三阶非线性高低关系基础上比较了当前主流的三个系列硫系玻璃非线性的理论分析和预测模型，介绍了一种最广泛的Z 扫描非线性测试方法。对更高非线性硫系材料开发存在的问题及下一步的研究方向进行了展望。