图像盲复原是仅从降质图像就恢复出模糊核和真实锐利图像的方法，由于其病态性，通常需要加入图像先验知识约束解的范围。针对传统的图像梯度 l2和 l1范数先验不能真实刻画自然图像梯度分布的特点，本文将图像梯度稀疏先验应用于单帧大气湍流退化图像盲复原中。先估计模糊核再进行非盲复原，利用分裂 Bregman算法求解相应的非凸代价函数。仿真实验表明，与总变分先验(l1范数)相比，稀疏先验有利于模糊核的估计、产生锐利边缘和去除振铃等，降低了模糊核的估计误差从而提高了复原质量。最后对真实湍流退化图像进行了复原。

本文介绍了一种能够产生超强旋光性的弱手性极薄(λ/10)亚波长结构的超表面。该超表面的单元结构由介质层以及设置在介质层上下表面的两层椭圆金属贴片组成，两层椭圆金属贴片之间存在一个扭转角的关系。当扭转角为 80°时，超表面在谐振频点 11.89 GHz处能将入射线偏振电磁波转换为交叉极化透射波，其透过率超过 94%。这种超表面重量轻、体积小，为极化旋转提供了一种可靠的方法。若将其拓展到光波波段，该超表面在弱手性分子的生物学检测中有潜在的应用。

目前使用颜色属性特征表征目标的几种主流算法中，均使用主成分分析法 (PCA)处理颜色属性特征，而 PCA方法假设输入数据中存在的噪声必须服从高斯分布，该方法存在明显不足。针对这一问题，本文根据鲁棒主成分分析法 (Robust PCA)对颜色属性特征进行处理。将输入图像从原始 RGB颜色空间映射至颜色属性空间，得到 11种不同的颜色属性层；之后，基于 Robust PCA处理颜色属性特征，使得映射后的图片信息都集中在少数层上，在保留原始图片大量信息的前提下滤除噪声。本文将使用 Robust PCA处理后的颜色属性特征用于原始 CN算法框架中并设置不同的降维层数对比其带来的算法性能差异。在 OTB100中，与原始 CN框架相比，算法成功率提升 1.0%，精度提升 0.9%。经实验数据证明，通过 Robust PCA处理后的颜色属性特征具有更强的鲁棒性，可以更好地发挥出其优势并提升算法性能。

本文提出一个基于互补式多波段带通滤光片的 3D投影显示系统，该系统可以使观看者通过特制眼镜获得 3D视觉体验。不同于时分复用和空分复用的 3D显示系统，该系统借助成对的互补式滤光片实现谱分复用。通过设计可以实现两块滤光片的三对互补通带恰好分别覆盖 RGB三色光谱范围，且每对互补通带相互交错几乎不重叠。在本文中，将两台普通的 2D投影仪改造成 3D投影系统，并测量了该系统的光谱、亮度、串扰等参数，其平均串扰 3%，满足 3D显示串扰小于 10%的基本要求。

太阳黑子的观测与识别是太阳物理学的重要任务。通过对太阳黑子的观测与分析，太阳物理学者可以更准确地分析以及预测太阳活动。随着观测仪器的不断进步，太阳全日面图像数据量也在快速增长。为了快速、准确地进行太阳黑子的自动识别和标注，本文提出了一种两层的太阳黑子识别模型。第一层模型采用深度学习模型 YOLO，并使用基于交并比的 k均值算法优化 YOLO的参数，最终的 YOLO模型能够识别绝大多数较大黑子和黑子群，仅有极少数孤立的本影较小的黑子未能识别。为进一步提高这类小黑子的识别率，第二层模型采用 AGAST特征检测算法专门识别遗漏的小黑子。在 SDO/HMI太阳黑子数据集上的实验结果表明，应用本文的层次化模型，各种形态的太阳黑子均能被有效识别，且识别速率高，从而能够实现实时太阳黑子检测任务。

针对单一滤波器难以适应复杂变化的目标跟踪环境的问题，本文在高效卷积算子目标跟踪算法的基础上，提出了自适应多滤波器的目标跟踪算法。该算法使用时空正则化滤波器、一致性检验滤波器和高效卷积算子算法中的相关滤波器分别与目标特征进行卷积，得到三个滤波检测得分。其中，时空正则化滤波器是通过将时间正则化引入相关滤波损失函数而得到；一致性检验滤波器是通过反向定位前几帧目标，比较反向与正向定位坐标的误差，只有误差小于阈值时才更新滤波器；选择峰值旁瓣比最大滤波检测得分，估计目标的位置。使用 OTB-2015数据集和 UAV123数据集对改进算法进行测试，实验结果表明，本文算法能够更好地适应跟踪过程中的复杂变化的环境，具有较高的精度和鲁棒性。

针对可见光通信系统存在的光照度和接收平面功率分配不均匀的问题，提出了基于多种群遗传算法的光源布局模型。以 15个 LED灯为例，构造和接收功率方差有关的适应度函数，采用多个种群协同进化的方式，对 LED灯的位置坐标信息进行寻优。经 Matlab R2016a仿真结果表明，优化后的功率分布直观上更均匀，功率方差达到 1.5744 dBm，照度范围为 889 lx ~1009 lx，照度均匀度亦达到 91.73%，均优于传统遗传算法优化的布局和多种群遗传算法优化的矩形布局，从而为系统优化 LED灯布局使得用户获得更好的通信体验提供了一种借鉴方案。

侧扫声纳(SSS)是一种利用声波的水下传播特性完成水下探测的电子设备。因为侧扫声纳利用回波强度成像，所以不可避免地引入散斑噪声。本文针对散斑噪声，提出了基于自适应三维块匹配滤波 (BM3D)的侧扫声纳图像散斑降噪方法。该算法首先对 SSS图像进行幂变换和对数变换，采用小波变换估计整体图像噪声，同时用局部噪声估计结果更新 BM3D算法的参数。然后本文算法比较全局估计和局部估计的结果，选择最合适的参数解决噪声分布不均匀的问题。实验结果表明，本文改进的 BM3D算法能有效地降低 SSS图像中的散斑噪声，获得良好的视觉效果。本文算法的等效视数至少提高了 6.83%，散斑抑制指数低于传统方法，散斑抑制和平均保存指数至少减少了 3.30%。该方法主要用于声纳图像降噪，对于超声、雷达或 OCT图像等受散斑噪声污染的信号也有一定的实用价值。