大口径空间光学望远镜是实现高分辨率遥感与高灵敏度探测的重要科学仪器。传统的整体式望远镜口径超过4 m将难以突破现有运载器整流罩有效包络的限制，采用分块式的技术手段可以在满足运载能力的前提下实现口径最大化，是解决当前望远镜高分辨率与高信息收集能力的最优选择。文章先从部署形式上对分块式空间望远镜的国内外研究现状进行了梳理，归纳出分块望远镜在技术实现路线上的技术类型和特点，分别对高精度机构展开技术、机器人智能装配技术、波前检测与调控技术以及超轻可调分块镜技术进行了技术内涵及实现技术途径分析，最后面向未来远景目标，对分块式空间望远镜的技术发展作了展望。

精准高效地从高分辨率遥感影像中提取建筑物信息对国土规划和地图制图意义重大，近年来基于卷积神经网络进行建筑物信息提取已经取得了很大的进展，然而在处理高分辨率遥感影像时仍存在影像的高级语义特征利用不够充分，难以获得细节丰富高精度分割影像的问题。文章针对以上问题提出了一种用于建筑物自动提取的深度学习网络结构空洞空间与通道感知网络(Atrous Space and Channel Perception Network，ASCP-Net）。该模型将空洞空间金子塔池化（Atrous Spatial Pyramid Pooling, ASPP）和空间与通道注意力 （Spatial and Channel Attention, SCA）模块融入到编码器-解码器结构中，通过ASPP模块来捕获和聚合多尺度上下文信息，采用SCA模块选择性增强特定位置和通道中更有用的信息，并将高低层特征信息输入解码网络完成建筑物信息的高效提取。在WHU建筑数据集（WHU Building Dataset）上进行实验，结果表明：文章提出的方法总体精度和F₁评分分别达到了97.4%和94.6%，相比其他模型能够获得更清晰的建筑物边界，尤其对图像边缘不完整建筑的提取效果较好，有效提升了建筑物提取的精度和完整性。

针对高分辨率遥感影像中道路形状结构错综复杂，出现窄小型道路提取错误或漏分的问题，提出一种基于空洞空间金字塔池化和注意力机制的轻量化遥感影像道路提取方法。首先，在原始高分辨率网络（HRNet）基础上，通过引入空洞空间金字塔池化模块，实现多尺度道路信息融合；再引入挤压激励通道注意力机制，增强网络特征表征质量；最后使用深度可分离卷积方法改进网络残差模块实现模型轻量化，以降低模型计算复杂度。在公开数据集上进行了模型性能测试，实验结果表明，文章所提算法的准确率、精确率、召回率、F1分数和平均交并比，相比原始HRNet分别提升了5.35 %、2.15 %、4.1 %、3.15 %和14.34 %，且减少了36.1 %的参数数量；相比其他网络，该算法突出了细小道路的特征，道路预测结果连续性、完整性好，并且模型小易于部署在实时检测设备中，有效改善了道路提取任务中错分和缺失的情况，是一种适应性更强、分割精度更高、更轻量化的多尺度道路提取算法。

遥感卫星在**和民用探测等领域发挥着重要作用，而大气湍流严重影响高分辨率遥感卫星的成像质量。本文重点研究了遥感卫星对地探测时，相机口径、卫星轨高和大气湍流强度对空间相机成像质量的影响。首先，基于球面波传输模型和Kolmogorov湍流理论，针对空对地探测湍流波前进行仿真。然后，分析畸变波前随相机口径、卫星轨高和大气相干长度的变化规律，并推导出普适公式。在此基础上，进一步推导出空间相机成像分辨率随相机口径、卫星轨高和大气相干长度变化的计算公式。最后，研究了大气湍流对空间相机调制传递函数（MTF）的影响，并以MTF=0.15为基准，仿真分析了MTF相对误差随相机口径、卫星轨高和大气相干长度的变化规律。本研究为高分辨率遥感卫星的设计、分析和评估提供理论依据。

利用LB（Langmuir‑Blodgett）转移印刷技术成功制备了分辨率为12 700 ppi的高性能QLED（Quantum Dot Light‑emitting Devices，量子点发光二极管）。通过该方法制备的超高分辨率红色QLED器件的EQE为15.27%。此外还成功制备了EQE为4.9%的超高分辨率白色QLED器件。本工作为下一代高分辨率显示器的实现提供了一种思路。

为实现物体表面轮廓高精度三维测量，提出一种视场、物距、测量范围均较大的远心光路测量系统。介绍了系统组成及光三角测量原理，论述了投影与成像双光路均与被测表面法线呈45 °夹角的光路搭建方式可降低较大深度测量范围对成像物镜景深的要求；建立系统深度标定理论模型，获得CCD单位像素深度理论值为0.554 4 μm；计算出放大倍率、数值孔径等光路参数并完成光路搭建；通过实验对所搭建测量系统的分辨力、测量范围、光条最小宽度及其边缘质量进行分析。实验结果表明，投影条纹最长2 mm，最小线宽可达8.96 μm，条纹边缘清晰平滑。系统成像畸变小，可实现1.62 μm的光学分辨率及0.54 μm的深度像素分辨率，工作距离65 mm，深度测量范围不低于140 μm，具有良好的测量性能。

旋转目标检测是遥感图像处理领域中的重要任务，其存在的目标尺度变化大和目标方向任意等问题给自动目标检测带来了挑战。针对上述问题，提出了一种改进的RoI Transformer旋转目标检测框架：首先，利用RoI Transformer检测框架获取旋转的感兴趣区域特征(rotated region of interest, RRoI)用于鲁棒的几何特征提取；其次，在检测器中引入高分辨率网络(high-resolution network, HRNet)提取多分辨率特征图，在保持高分辨率特征同时适应目标的多尺度变化；最后，引入KLD(Kullback-Leibler divergence)损失，解决旋转目标表示的角度周期性的问题，提高检测方法对任意方向目标的适应性，并通过旋转目标边界框参数的联合优化提升目标定位精度。本文提出的旋转目标检测方法，即HRD-ROI Transformer (HRNet + KLD ROI Transformer)，在DOTAv1.0和DIOR-R两个公开数据集上与典型的旋转目标检测方法进行了比较。结果显示：相比于传统的RoI Transformer检测框架，本文方法在DOTAv1.0和DIOR-R数据集上检测结果的mAP(mean-average-precision)分别提高了3.7%和4%。

中子照相系统因其特定的成像结构，使得成像后的中子照相图像不可避免地存在几何不锐度。为提升中子照相图像的质量，本文提出一种基于改进Richardson–Lucy算法的中子照相图像几何不锐度修正方法，该方法首先根据几何不锐度的形成原理构建点扩散函数，然后通过拉普拉斯算子和中值滤波方法去除图像中的γ白斑噪声，最后采用Richardson–Lucy算法对图像进行复原。采用线对模板样品进行测试，并与4种现有的中子照相图像几何不锐度修正算法进行对比，验证了本文算法可将衡量中子照相图像几何不锐度修正效果的平均梯度、空间频率指标分别提升60.23%和29.90%，能够实现几何不锐度的修正，同时解决图像复原过程中γ白斑噪声的放大问题，为实现高分辨率的中子照相提供重要技术支撑。