Ⅳ类石英玻璃是一种重要的特种玻璃材料，在光学探测、惯性导航等领域内具有重要作用。光学均匀性是表征光学玻璃结构均匀性的一种重要方法，Ⅳ类石英玻璃的光学均匀性与硅氧网络结构分布一致性密切相关。本文通过四步法光学均匀性测试、紫外-可见-近红外光谱、红外反射光谱等方法，研究了羟基、金属杂质及氧缺陷的径向分布特点和硅氧键键角的径向变化，采用相关性分析研究了各影响因素对样品光学均匀性的影响。结果表明：表示玻璃光学均匀性的波前畸变t0Δn沿玻璃半径先降低后升高；羟基的径向分布整体上与t0Δn的径向变化相反，200 nm处透过率径向变化、硅氧键键角径向变化与t0Δn的径向变化相近；羟基对Ⅳ类石英玻璃光学均匀性的影响较小，金属杂质、氧缺陷及硅氧键键角的径向变化是影响Ⅳ类石英玻璃光学均匀性的主要因素。

人脸特征随着年龄变化而变化，会严重影响人脸识别的性能。提出一种基于Transformer的跨年龄人脸识别方法，首先通过改善的T2T-ViT模型提取人脸年龄和身份混合特征，然后通过残差因子分解获取人脸年龄特征和身份特征，再使用线性特征分解的去相关对抗式学习算法对人脸的年龄特征和身份特征去除相关性，从而实现年龄抗干扰性的人脸识别。相比基于卷积神经网络的DAL和MTLFace方法，所提方法在参数量、multiply-add operations（MACs）和计算耗时上均有明显降低，同时在基准数据集AgeDB-30、CACD_VS、CALFW、LFW上取得了相媲美的准确率，证明了所提方法的有效性。

为了解亚北极太平洋大气对海洋的长期影响, 利用 2003-2018 年 MODIS 卫星遥感数据, 对部分区域 (40° N～50° N, 160° E～160° W) 进行研究。将研究区域按照经度每 10° 划分为 4 个子域进行比较研究, 分析了各区域气溶胶光学厚度 (AOD) 和海洋净初级生产力 (NPP) 的变化特征及相关性。结果表明各区域 AOD 及 NPP 均具有年际周期性, AOD 于 7 月达到峰值, NPP 于 8、9 月达到峰值, 且二者均存在明显的自西向东递减趋势。根据时滞相关性分析发现, 各区域 AOD 均与滞后 1～2 个月的 NPP 有较强相关性, 自西向东四个研究子域的最高 Pearson 相关系数分别为 0.75、0.84、0.79、0.74。利用 7 月 AOD 峰值对气溶胶进行分类, 发现沙尘为影响该区域 NPP 的重要气溶胶类型。对各区域的海表温度 (SST) 和光合有效辐射 (PAR) 的研究发现, 二者均无明显的自西向东变化趋势, 较好地排除了这两种因素对 NPP 自西向东趋势的影响。

为减小摄影测量中温度对测量精度的影响, 基于物理实验, 对相机自热引起的像点漂移影响机理进行研究, 提出一种针对相机自热致像点漂移补偿方法。通过摄像测量技术对不动标志点进行长期连续监测, 发现测量系统温度变化确实会引起像点漂移测量误差, 其中水平漂移测量误差可达1.11Pixel, 竖向漂移测量误差可达2.22Pixel。基于试验场标定法对相机进行连续标定, 定量分析相机温度变化与内参数值的关系, 并采用统计模型对相机内参与温度进行参数拟合, 建立温度误差补偿模型, 实现内参误差补偿。实验数据表明, 利用模型补偿后的像点漂移误差水平方向降低约0.4Pixel, 竖直方向降低约0.9Pixel, 像点漂移量显著降低, 测量精度提高。此研究提出的温度补偿模型可针对性地采取一系列相应的温度误差规避措施, 将测量误差控制在允许范围内, 为高精度摄影测量工程应用和实践提供相应的方法与理论基础。

年龄变化是影响人脸识别模型性能的主要原因之一，为解决年龄变化所带来的模型识别率低的问题，提出了一种基于深度学习的跨年龄卷积神经网络模型（CA-CNN）用于跨年龄人脸识别。首先，利用卷积神经网络提取人脸图像中的深度人脸特征；然后，提出一种高效的卷积注意力模块从深度人脸特征中获取年龄特征，并结合多层感知机和多任务监督学习，将深度人脸特征非线性分解为年龄特征和身份特征；最后，为了更好地区分身份特征和年龄特征，提出了一种批核典型相关性分析模块对分解后的身份特征和年龄特征进行相关性分析。经过对抗性学习训练后，相关性最小化，实现了跨年龄人脸识别。所提模型在MORPH Album 2数据集上的rank-1识别准确率达到了99.03%，在CALFM数据集上的人脸验证等错率为9.8%，表明了所提模型的有效性。

胶的弹性模量和泊松比对反射镜光机仿真结果有重要影响，但参数受多种因素影响难以准确获得。通过测试得到反射镜的试验模态，根据文献［1］中胶的参数进行有限元仿真得到仿真模态，经相关性分析发现仿真模态和试验模态相关性差;随后以胶的弹性模量和泊松比作为设计变量，经SQP优化迭代得到胶参数，模型修正后的仿真模态和试验模态相关性显著提高; 最后分析对比了模型修正前后反射镜在安装应力和低温环境两种工况条件下的面型和应力，计算结果显示，模型修正后安装应力的面型变化对光学成像造成影响，低温应力问题不容忽视。

为了测量金属漆颗粒效果,开发了一种测量装置,构建了应用于该测量装置的金属漆颗粒效果评价模型。根据不同的色彩分布和颗粒大小选取了56个金属漆色卡构建测试样本库。用BYKMac采集样本的颗粒参数,进行视觉实验,验证了BYKMac数据的准确性。设计测量装置来获取样本图像信息,使用现有的纹理评价方法处理图像信息并将数据和视觉实验数据进行相关性比较,同时设计适用于该装置的评价方法,得到样本图像的颗粒值。该装置的测量结果与视觉数据和BYKMac数据拟合的相关系数分别为0.8770和0.9329。结果表明,该测量装置和评价方法能有效测量并得到符合人眼感知的金属漆颗粒参数。

新型真空太阳望远镜(NVST)作为研究太阳物理最主要的光学太阳望远镜之一,在采集图像数据过程中会遭受各种噪声干扰,影响对观测数据的研究。一些基于标准监督深度学习的方法在图像去噪领域取得显著成果,但对于干净数据难以获取的天文图像领域该类方法变得不适用。针对此问题,本文将基于自监督深度学习的图像去噪方法应用于NVST图像去噪。为定量评价网络模型性能,首先对经过重建的数据添加仿真噪声;其次将含噪数据通过噪声水平估计网络对噪声水平进行估计;接着利用自监督卷积盲点网络对图像特征进行学习,同时使用贝叶斯推理对图像进行恢复;最后通过峰值信噪比和结构相似度评价指标、相关性分析和功率谱分析对实验结果进行定量分析。实验结果表明,不论对于仿真噪声数据还是实际观测数据,相较于实验中其他图像去噪方法,本文方法能有效降低噪声对NVST图像的干扰,提高图像信噪比。同时也为干净图像数据难以获取的其他工程领域提供解决思路。