模式转换器能够完成波导基模到高阶模的转换, 是片上多模光传输、模分复用传输的重要器件。文章基于薄膜铌酸锂（TFLN）波导, 提出了一种利用纳米线加载结构设计的模式转换器, 转换结构主要包括沿光传输方向以锥形方式排布的硅纳米线光栅及利用相变材料构建的矩形纳米线, 两者分别位于TFLN光波导顶部的两侧。基于上述结构进行了详细的设计与优化分析, 在中心波长为1.55μm, 转换长度仅为6μm的情况下, 实现了输入TE0模到输出TE1模的高效转换（模式转换效率97.6%, 串扰-19.7dB, 插入损耗0.31dB）; 进一步对转换结构进行横向扩展, 实现了输入TE0模到输出TE2、TE3以及TE4模的高效转换, 若继续扩展, 可获得其它高阶模。本器件及设计方法有望在TFLN光波导多模光传输方向发挥优势, 推动TFLN光子集成器件及回路的发展。

共形超表面可以打破几何形状与光学功能之间的限制, 可以显著改善任意曲面物体的光学特性,进而将超表面功能拓展到具有任意形状的组件中。当前尚未报道将偏振复用技术运用到共形超表面从而实现多偏振通道的多功能设计。文章设计了一种曲面基底的偏振复用超表面, 基于传输相位调制原理设计了共形超表面的单元结构, 使得超表面对不同偏振状态的入射光实现不同的相位调制,例如实现曲面全息和光学隐身等功能。这种共形超表面设计灵活性强,可以嵌入到各种非平面系统实现多功能,在**安全、可穿戴电子设备等领域具有广泛应用前景。

现有基于迭代算法的超分辨显微技术通过收敛到极值的方式实现荧光显微镜的超分辨成像得到荧光图像中各点中心的精确值, 面临着图像数据处理过程较为复杂、对算力要求较高等问题。为了提高计算速度, 提出了基于线型回归的快速点扩散函数参数提取算法, 不需要涉及迭代过程。实验结果表明: 与现有能够精确计算出图像点中心位置和半高宽的对比算法相比, 虽然计算精度稍低, 但是该算法计算时间仅不到对比算法的20%。而且, 算法得到的计算结果可以作为更为精确的对比算法的初始参数, 能够使对比算法的整体计算时间降低30%。算法也可以作为一种实时的点扩散函数半高宽计算算法, 应用在显微镜自动聚焦中。

快速、精确地对粒子进行三维定位在生命科学、材料科学、工业检测等领域具有重要的应用价值。传统的粒子定位方法由于运算量繁重, 难以满足快速、精确的需求。文章提出了一种新的基于相位掩模的粒子三维定位方法。采用Fienup优化算法设计位于4f系统频谱面上的相位掩膜, 针对不同深度的点光源获得一系列点扩散函数; 结合粒子位置和所成图像进行神经网络训练, 可在8 μm轴向范围内经单次测量实现目标粒子在三维空间中的高精度定位。两组模拟设计的数值结果表明所提方法能够快速高效地完成稀疏粒子的三维定位, 在细胞粒子成像定位等方面具有重要的应用价值。

针对OAM通信系统中相干OAM复用光束的解调技术,提出了一种基于纯振幅型衍射深度神经网络(D2NN)的OAM相干复用解调实现方法。通过数值实验研究了D2NN解调器对四相OAM相干复用波束的解调性能,使用误码率（BER）对其性能进行了表征。为了降低D2NN解调的误码率,提出了一种改进的OAM选择策略。并与纯相位型D2NN解调器进行性能对比,仿真实验结果表明,该方法对四相OAM相干复用波束具有较高的解复用和解调精度有着明显优势,为OAM相干复用通信提供了一种灵活的实时解调方法。

光束在湍流大气中传输, 由于大气湍流的存在, 光束的波前随着传输距离的增加将会破坏, 不利于在终端对光束携带信息的提取。论文基于广义惠更斯-菲涅耳原理, 以携带有一端被限制的刃型位错和光涡旋的高斯光束为研究对象, 探究了湍流大气传输中一段被限制的刃型位错和光涡旋的演化行为。研究发现, 由于刃型位错的弯曲度不同, 随着光束传输距离的增加, 一端被限制的刃型位错消失或者消失后演化为光涡旋。随着传输距离的继续增加, 光束波前将会出现由大气湍流诱导产生的光涡旋。当光束传输足够远, 大气湍流诱导产生的光涡旋会和刃型位错演化的光涡旋发生湮灭, 或者大气湍流诱导的光涡旋之间发生湮灭。光束本身携带的光涡旋在整个传输过程中稳定传输。论文研究结果在光通信中具有重要的应用。

液晶材料是信息显示设备中的重要组成部分, 其在外场作用下所表现的高双折射特性是其被用于显示的关键条件。利用强太赫兹波作为外场, 激发液晶5CB材料的双折射效应。结合太赫兹时域光谱系统通过测量不同偏振的太赫兹波的透过率, 研究了太赫兹场致液晶在太赫兹波段的双折射效应。分析了液晶的双折射效应与外场强的变化关系、频率响应特性等方面。研究结果表明在强场太赫兹波激发下, 液晶的双折射现象随场强的增大而增大, 双折射值与外部场强平方成正比, 且液晶5CB对于太赫兹激发的双折射效应存在一定的阈值。

针对弱散射样品的拉曼光谱信号弱, 探测时间长的问题, 提出了一种基于剪切模式的快速激光共焦拉曼光谱探测方法, 该方法通过减少信号传输单元来减小曝光时间, 通过只采集信号靶面单元有效拉曼光斑区域的方式, 在保证拉曼信号强度的基础上同时提升拉曼光谱探测信噪比, 进而减少所需探测时间, 实现弱散射样品的快速拉曼光谱探测。实验表明, 与传统共焦拉曼光谱探测系统相比, 文章采用的剪切模式可将硅拉曼光谱探测速度提升37.5倍以上, 为共焦拉曼光谱显微技术的快速探测提供了一种新的技术途径。

针对直升机光电系统激光照射精度评估问题,提出一种利用短波红外相机监测激光照射光斑实现计算照射精度的方法。利用合适像元尺寸、波段和灵敏度的红外探测器,合适焦距、视场角的镜头,3m×3m十字靶标和摄像机搭建测试环境,实现机载光电系统激光照射光斑摄像监测与数据记录。根据该监测设备摄取的激光光斑监测视频图像,应用数据处理方法解算出机载光电系统的激光照射精度,并在飞行试验中进行了应用,切实可行。

针对空间滤波测速（SFV）中的速度解算算法和系统设计参数优化问题, 使用计算机仿真的方法研究了基于对数加权平均的速度解算新算法, 设计了计算机仿真计算实验, 得到线列图像传感器采集的特征目标的图像和速度解算精度。在运动物体的速度范围为0.1~100m/s内, 设计的SFV均可以解算出物体的运动速度, 解算速度相对误差的均值偏差为-0.250%, 相对误差的标准差为0.623%。使用Monte Carlo仿真的方法研究了基于对数加权平均的速度解算算法中功率阈值对速度测量精度的影响, 以物体运动速度100m/s为例, 解算得到的运动速度的误差由功率阈值为0dB时的1.065m/s降低至功率阈值为-5dB时的0.381m/s, 即相对误差由1.065%降低至0.381%。

介绍了一种基于弹道的多参数光学测量设备跟踪效果评估系统。阐述了目标脱靶量判读原理和判读方式; 设计了跟踪效果评估系统的结构, 包括图像判读模块、跟踪效果评估模块、结果显示模块三部分; 研究确立了目标跟踪效果评估模型, 包括弹道难度、跟踪误差、跟踪平稳程度、设备视场、跟踪时长等五个参数。系统首先对光学测量设备获取的任务视频图像进行判读处理, 然后将判读后的数据传送至跟踪效果评估模块进行处理分析, 根据分析评估模型的得分情况进行跟踪效果评判, 最后进行了系统试验, 试验表明系统能够对跟踪情况进行科学评估。

激光背向散射成像是激光与生物组织相互作用产生散射光的成像, 在农产品的品质分类中有着广泛的应用。利用激光背向散射成像技术与深度学习, 实现马铃薯在不同存储情况下的品质分类。对激光背向散射进行理论分析, 搭建激光背向散射成像的数据采集系统, 对马铃薯样品进行激光背向散射图像采集, 得到新鲜马铃薯、冰箱存储与室温存储马铃薯的激光背向散射成像数据集。对数据集利用改进后的VGG16网络进行训练, 并与DenseNet121网络、原始VGG16网络的训练结果进行对比。结果显示, 改进后的VGG16网络对数据集的分类准确率为95.33%。由此表明, 激光背向散射成像结合深度学习可以实现马铃薯品质的智能分级。

针对激光惯性约束核聚变实验中海量靶丸筛选效率低的问题, 提出一种基于改进YOLO-v5深度学习模型的靶丸快速筛选方法。方法通过控制靶丸在不同的景深处成像, 并将图像拼接在一起以获得其清晰图像; 同时引入通道注意力机制来增强模型的特征提取能力, 建立了SE-YOLOV5s深度学习靶丸表面缺陷识别模型, 并对靶丸缺陷按照缺陷种类进行了分类和评估从而实现对海量靶丸的筛选。靶丸表面缺陷检测的准确率为94.4%, 每秒可检测到约50张靶丸图像（分辨率3072×4096）, 为激光惯性约束核聚变试验提供一种快速、准确筛选海量靶丸的方法。

光切片结构光显微的三维测量速度一直是该技术应用方面的重要关注点。基于光切片的三维测量方法需要在同一个轴向位置进行至少两次曝光, 才能获得该位置的光切片信息。文章提出一种单次曝光的结构光显微三维测量方法, 在轴向扫描的每个位置只需拍摄一幅结构光显微图像, 相邻轴向位置的条纹存在一定的相移; 然后分析每个像素对应的轴向灰度曲线, 计算轴向调制度并定位峰值; 最后进行标定和换算, 便可得到样品的三维重建结果。实验证明, 所提方法可以得到与光切片方法相当的测量精度, 测量效率和图像处理效率都比光切片法有很大提升。

燃煤锅炉发电会产生大量的污染气体, 本文基于可调谐激光吸收光谱技术, 结合层析成像技术, 对预混火焰的温度和浓度进行重建, 通过这些参数来调节锅炉运行的工况, 以此来减少污染气体的排放和提高能源利用率。经过谱线分析, 文章选择在7148.8~7151cm-1附近选取2条适合高温重建H2O的吸收谱线(7149.058cm-1和7150.4716cm-1), 通过采取自适应迭代算法、BP-神经网络算法和卷积神经网络算法, 对不同的温度场和浓度场进行模拟重建。研究发现, 卷积神经网络算法在重建精度和稳定性方面都优于其他两种算法。为了探究误差对于重建结果的影响, 通过添加随机误差发现, 误差对于卷积神经网络算法影响较小, 温度和浓度重建精度高。为了验证卷积神经网络算法的可行性, 文章选取了不同的燃烧工况进行了重建对比。研究表明, 卷积神经网络算法重建图像趋于平缓, 与实际燃烧情况更加符合, 该研究也证明了卷积神经网络算法在燃烧场重建方面的优势和可行性。

为克服时分复用技术中需要时钟同步和频分复用系统不够灵活的问题,提出了一种基于码分复用技术的高精度可见光定位算法。算法在异步场景下实现了码元同步和可见光定位的过程,仿真结果表明,在覆盖房间80%以上的区域时,算法的平均定位误差为6.9cm,最大定位误差为11cm,适用于绝大多数室内基于位置信息的服务。此外,分析了系统定位精度与接收机视场角及接收机离地高度的关系,在一定范围内,接收机视场角越大,系统的定位性能越差; 接收机的离地高度越大,系统的定位性能越好。

图像质量评价方法是为了符合主观视觉图像质量评分结果, 设计出的客观计算方法。在本研究中, 提出了一种基于CIELAB颜色空间局部色貌指标(clarity)的无参考彩色模糊图像评价(NR-IQA)方法。在所提方法中, 结合最大局部clarity和变异局部clarity评价图像模糊等级。最大局部clarity表征提取模糊图像最锐度信息, 即局部模糊特征; 变异局部clarity表示图像内部色貌整体变化情况, 即全局模糊特征。为了验证该方法的性能, 使用五个常用图像质量数据库中的失真图像进行对比测试, 从预测精度、计算复杂度和泛化性进行分析。结果表明, SROCC和PLCC加权平均值分别是0.9345和0.9379, SROCC和PLCC直接平均值分别是0.9331和0.9357, 综合性能优于其他典型和最新提出的NR-IQA方法。研究结果表明, 所提方法是有效的、可行的, 是一个综合性能优异的NR-IQA方法。

针对红外夜视遥感系统成像质量差的问题, 提出一种目标与背景分离的多模态图像融合方法来改善红外夜视的成像质量。一方面, 采用注意力U-Net对红外与可见光图像的目标区域进行分割与融合处理, 利用U-Net强大的学习能力充分保留原图像中的目标信息; 另一方面, 通过引导滤波器对红外与可见光图像的背景区域进行分解, 采取不同的融合策略处理基层信息与细节层信息, 增强背景中的显著区域。在TNO数据集上的对比实验结果表明, 该方法在主观视觉评价与客观量化评价两方面均优于其它对比方法。

针对现有医学图像分割模型存在着计算复杂度较高、参数量大,难以部署到实时医疗辅助诊断系统中,而现有的轻量化模型存在参数减小后导致分割性能下降等问题,提出了一种基于改进的轻量化U-Net分割模型。该模型由编码器、解码器和跳连接三个主要部分组成。编码器使用了由标准卷积和深度可分离卷积组合形成的多尺度融合模块,在此基础上,为增强神经网络学习能力,引入了瓶颈层结构,使用聚合方法设计出轻量级的跨级部分网络模块作为特征提取器对输入的图像进行特征提取; 在解码器中继续使用了该轻量级模块来进一步优化模型,降低模型的计算复杂度以及减少参数量,同时能够产生更好分割效果; 通过跳连接的方式实现编码器与解码器之间不同分辨率的特征信息融合。在腹部器官CHAOS和胸腔Chest X-ray数据集上进行实验,结果表明,改进型U-Net分割模型的参数量以及计算复杂度都得到了不同程度的降低,在模型参数量仅为1.28M的情况下,DSC分别为87.53%和95.85%,IOU分别为85.25%和92.21%,取得了不弱于其他网络的分割性能。