深度卷积神经网络在目标检测与识别等方面表现出了优异性能，但将其用于SAR 目标识别时，较少的训练样本和深度模型的优化设计是必须解决的两个问题。本文设计了一种结合二维随机卷积特征和集成超限学习机的SAR 目标识别算法。首先，随机生成具有不同宽度的二维卷积核，对输入图像进行卷积与池化操作，提取随机卷积特征向量。其次，为提高分类器的泛化能力，并降低训练时间，基于集成学习思想对提取的卷积特征进行随机采样，然后采用超限学习机训练基分类器。最后，通过投票表决法对基分类器的分类结果进行集成。采用MSTAR 数据集进行了SAR 目标识别实验，实验结果表明，由于采用的超限学习机具有快速训练能力，训练时间降低了数十倍，在无需进行数据增强的情况下，分类精度与采用数据增强和多层卷积神经网络的深度学习算法相当。提出的算法具有实现简单、需要调整参数少等优点，采用集成学习思想提高了分类器的泛化能力。

差分吸收激光雷达是探测大气CO₂时间和空间分布不可或缺的工具。2.0 μm波段Ho:Tm:YLF或Ho:Tm:LuLiF激光器复合外差接收机，1.6 μm种子注入的KTP光参量振荡器或参量发生器复合光电倍增管的光子计数技术，可以探测7 km以下对流层大气CO₂混合比的分布。调制连续波种子激光强度、共用1.6 μm光纤放大器，以及相关检测技术的使用，积分路径差分吸收激光雷达在大气CO₂柱浓度探测方面具有独特的优点和特色。探测大气二氧化碳柱浓度的空间计划有美国NASA的ASENDS计划，采用脉冲式、积分路径差分吸收工作方式。用CO₂气体吸收池作为参照物,稳定种子光频率和精确控制谐振腔长，锁定发射机的on光源波长，是差分吸收激光雷达探测大气二氧化碳的关键技术。

针对大平面菲索干涉图像的相干噪声问题，采用旋转毛玻璃片的方法改变光束的相干性，来降低干涉系统的噪声。通过对毛玻璃的转速与条纹对比度和系统信噪比之间的关系进行仿真，获得最佳干涉条纹状态所需要的毛玻璃控制参数。在不同控制参数下获取干涉图像，并分别对各图像的条纹对比度和系统信噪比进行分析。研究结果表明，增加的毛玻璃转速，虽然在一定程度上降低了干涉图像的对比度，但却有效地提高了信噪比，便于后续的干涉图像处理。

在高精度光纤陀螺系统中，开关电源中的spike 毛刺噪声会串扰光纤陀螺的信号处理电路，造成系统采样误差。本文分析了开关电源spike 噪声的成因及其对光纤陀螺性能的影响机理，并在此基础上提出摆率控制是一种适用于光纤陀螺系统电源的低噪声电源技术。利用摆率控制技术，一种低噪声特性的开关电源模块被开发出来，并应用于光纤陀螺系统。该开关电源模块由DC-DC 电路和LDO 电路两部分组成，并在DC-DC 电路中通过摆率控制电路实现其低噪声性能。完成后的低噪声电源模块能够在200 MHz 的测试带宽下实现1 mV 量级的峰峰值噪声水平。经过对比测试，采用低噪声电源的两支被测光纤陀螺分别表现出了3.1% 和4.4% 的噪声优化特性。

为了获取在风洞实验中运动物体的位姿变化，提出了一种融合物体表面三维形貌信息的单相机视觉位姿测量方法。该方法以多点透视成像原理作为求解物体位姿变化的基础，以物体的图像特征角点作为特征点，并利用物体表面三维形貌模型信息获得特征点的三维坐标。通过实验完成了该测量方法的精度验证，在400　mm 的观察距离上，位移平均测量误差为0.03　mm，均方根误差为0.234　mm； 俯仰角、偏航角与滚转角的平均误差分别为0.08°、0.1°与0.09°，均方根误差分别为0.485°、0.312°与0.442°。实验结果表明该方法有可用于实用的测量精度。

使用激光线结构光扫描仪得到机车走行部三维点云数据，实现了在三维数据中对螺栓进行自动识别和定位。使用关键点的快速点特征直方图(FPFH) 来描述点云特征，首先，将目标区域与预存螺栓模板进行特征匹配，并为目标区域的匹配点分配权重；然后，使用均匀的种子点在带权重的匹配点集中进行K-means 聚类，并删除点数过少的聚类簇；最后，使用Hough 变换的方法为经过筛选的聚类簇建立严格的分类器，判断出螺栓的有无和精确位置。实验证明了该方法的有效性。

为瞬态测量大口径光学元件波前，提出一种基于斜入射结构的近红外反射式错位点衍射干涉原理的Φ400 mm瞬态波前检测方法。该方案将待测光分成两束互相错位的参考光与测试光，从而在干涉图中引入高线性载频，采集到对比度良好的干涉图后，利用傅里叶变换相位解调法从单幅干涉图中提取待测波前相位，实现瞬态波前动态测量。实验光路总长近20 m，极易受气流的影响，且由于气流干扰随时间变化，该系统本身可以看作是大口径光学元件瞬态波前发生与检测装置。测试结果与SID4 波前传感器比较，波前均方根（RMS）小于1/50 λ，可知所提方法可以实现大口径瞬态波前的高分辨率与高精度检测。

超分辨率重建技术在重构图像细节、改善图像视觉效果方面具有重要作用。为进一步提高图像的重建质量，提出了一种有效的超分辨率重建方法。首先提取图像块的几何特征来构造决策树，以期通过监督的方式进行图像块分类。然后针对不同类型的图像块训练集，分别基于K-SVD 独立训练相应的高分辨率字典和低分辨率字典。最后为了保证图像块的准确和快速重建，对高分辨率训练集和低分辨率训练集的系数求解映射矩阵，其用于在重建阶段将低分辨率稀疏系数映射为高分辨率稀疏系数以达到重建目的。实验结果表明，本文的方法与其他经典的超分辨率重建方法相比，在重建效果方面具有明显提高。

针对目前自动白平衡算法中存在的白色区域检测错误导致白平衡失效的问题，本文提出了一种基于暗通道优先的白平衡算法。首先估计光线透射率，然后根据光线透射率来提取白色区域，去除掉高饱和度的区域。最后为了校正颜色并保证图像亮度不变化，在CIE-XYZ 颜色空间相对于亮度通道Y 来计算校正增益。实验表明，本文的算法和现有的一些经典算法相比，在主观视觉和客观评价上都取得了较好的效果，且在嵌入式设备上速率大于150 frames /s。

针对高动态范围(HDR) 视频较之于传统低动态范围(LDR) 视频所需存储资源和传输带宽急剧增加的问题，本文提出了一种基于视觉感知特性的HDR 视频编码的动态率失真优化算法，以提高高效视频编码(HEVC) Main 10 编码HDR 视频的性能。本文通过引入视觉选择性关注信息，对不同区域采取非均等的失真权重分配策略，优化常规的失真计算方法；同时，为了进一步去除视频中的感知冗余，融合视频内容的纹理特性自适应调节拉格朗日乘子，并应用于编码量化器动态调节量化参数，实现编码比特和失真感知权衡。实验结果表明：与HEVC Main 10 相比，在相同HDR-VDP 和PSNR DE 质量指标下，所提算法平均节省7.46% 和6.53% 码率，最大分别节省18.52% 和11.49%，所提算法在保持视觉质量的前提下能够有效降低码率。