微透镜阵列是重要的微光学元件，其以良好的成像性能以及小型化、轻型化的优点，被广泛应用于光通信、光信号处理、波前传感、光场调控、数据存储、医学诊断等领域。飞秒激光加工技术具有可控度高、灵活性好、无需掩模、加工精度高等优势，成为近年来微透镜阵列的重要加工方式。本文综述了微透镜阵列飞秒激光加工方法的研究进展，包括飞秒激光双光子聚合加工和化学刻蚀辅助飞秒激光烧蚀加工，介绍了微透镜阵列的应用，分析了制备微透镜阵列的飞秒激光加工方法存在的问题和发展趋势。

光子集成的发展极大地促进了光栅耦合器的研究。非对称光栅打破了耦合对称条件，能够实现相对较高的耦合效率。近年来，倾斜光栅、闪耀光栅和二元闪耀光栅等均得到了极大发展，它们的结构设计、制备方法和测试方法等也都得到了改进。介绍了光栅作为光纤与光波导的耦合器的工作原理和主要特点，梳理了光栅耦合器的主要类型及各类型所面临的主要问题和解决方法，列举了一些值得关注的研究成果。旨在帮助研究者了解光栅耦合器的研究现状和潜在的发展方向，从而为未来的相关研究提供参考。

自由空间激光通信技术长期以来都是卫星通信和载荷技术领域的研究热点，具有大带宽、高速率等特点。高轨中继卫星是星间数据传输的骨干节点，随着激光通信技术的成熟，激光通信链路已成为国内外高轨中继卫星数据传输的可靠途径。对国内外高轨卫星激光中继链路的最新发展动态及其未来发展规划进行综述，该综述为我国建设空间激光信息网络提供参考。

老化粮食种子鉴别对农业生产和食品安全具有重要意义,因此,结合红外光谱和多元统计分析对人工老化小麦种子进行研究。实验结果表明,不同老化程度小麦种子的原始光谱总体比较相似。在二阶导数红外光谱中,人工老化小麦种子在1800~800 cm ^-1范围内的吸收峰强度和形状显示出差异。在1800~800 cm ^-1范围内,小麦种子二维相关红外光谱的自动峰数目、强度随老化时间的增加会发生明显变化。研究结果表明,红外光谱法结合主成分分析和系统聚类分析法可以快速、方便地区分人工老化小麦种子,有望发展为鉴别老化种子的新方法。

针对桥梁激光扫描巡检覆盖路径规划问题,提出基于点云切片的大型桥梁检查覆盖路径规划通用模型,这为多无人机系统桥梁覆盖路径规划提供了新的思路。首先,在点云切片的建模方法中增加补充视点,用于解决点云切片模型覆盖不完全的问题,将凸包集和补充视点转化为三维空间弧集,以弧为最小优化对象,解决大型建筑遍历搜索空间庞大的问题;其次,结合SC-CBBA (split and combine-consensus based bundle algorithm)和CRSOM (clustering characteristic of cluster growing ring self-organizing map)算法,实现多无人机任务的分配以及检查路径的弧序列规划;最后,通过仿真验证了该方法可以有效解决桥梁覆盖路径规划问题。

叶绿素a浓度是估算浮游植物生物量的重要指标,连续小波变换是一种重要的多尺度光谱分析方法。本文以粤西、珠江口为案例区,基于地面高光谱和实测叶绿素a的浓度数据,选取10种不同的母小波基函数对高光谱反射率数据进行连续小波变换。运用偏最小二乘回归(PLSR)方法构建叶绿素a浓度的反演模型,分析比较了不同小波变换系数对建模结果的影响。研究结果表明:采用经过多种小波变换后的小波系数与实测叶绿素a浓度进行相关性分析,相关性均高于原始光谱;基于不同的小波变换系数进行建模,反演精度差异较大,其中,基于sym6小波系数的偏最小二乘回归模型的精度最高(决定系数R²=0.732,均方根误差为6.457 μg/L,相对分析误差为2.600),相较于基于光谱特征的传统反演方法精度明显提升。本研究为今后进行二类水体叶绿素a浓度模型构建过程中的小波基优选提供了参考。

点云配准和点云地理化是点云数据处理中的重要步骤,其中地理化是点云数据与其他地理空间数据集成的基础。静态地面激光扫描点云地理化中,基于最少混合控制基元的点云地理化研究较少,因此,提出了一种由1个点基元、1条线基元和1个面基元构成的混合控制基元解算点云地理化参数的方法。实验结果表明,本方法的地理化精度较高,且能快速直接解算地理化参数,从而为精地理化提供初值。

提出了一种基于10.6 μm波长的小型化非线性全光衍射深度神经网络建模方法。采用波长为10.6 μm的二氧化碳(CO₂)激光光源,其对应的神经网络物理尺寸为1 mm×1 mm,依据相关的光学物理参数特性,构建了基于10.6 μm波长的非线性全光衍射深度神经网络模型框架,使用网格搜索法确定最优的神经网络模型超参数,并选择交叉熵损失函数和Adam优化器对神经网络进行了优化。分别在MNIST手写数字数据集和Fashion-MNIST数据集上对该方法进行了测试,其分类结果分别达到了0.9630和0.8743。所提方法为制备小型化的全光衍射光栅提供了理论参考。

现有的深度学习方法在癌症的识别中仅利用深层特征,忽略了浅层网络输出保存的空域细节信息,从而导致识别精度不理想。为了进一步推进临床应用,协助医生提高乳腺癌病理诊断的一致性和效率,提出一种基于改进Inception-v3的图像分类优化算法,该算法通过模型改进、迁移学习对网络模型进行优化。对大型公开数据库病理学图像进行乳腺癌分类,对所提算法所改进的模型与现有的基于深度学习的图像分类模型进行了比较。实验结果表明,所提算法所改进的模型不仅优于传统深度学习方法,准确率达到96%,有效地提高了深度学习模型对于乳腺癌诊断的性能,并且为进一步推进临床应用奠定理论和实践基础。

在具有动态背景或测量噪声的场景中,基于核范数约束的低秩稀疏分解背景建模算法容易将运动的背景或噪声作为前景的一部分与前景同时分离出来,对复杂背景的建模性能表现不佳。针对此问题,提出一种加权Schatten-p范数与结构化稀疏分解的视频前背景分离算法。首先,因加权Schatten-p范数比核范数能够更好地抑制测量噪声,故采用加权Schatten-p范数对背景矩阵进行约束;其次,利用前景在空间上具有连续变化这一结构先验知识,对前景矩阵采用结构化稀疏约束,并在此基础上建立一种视频前背景分离模型;最后,利用增广拉格朗日方法与广义软阈值算法,设计了加权Schatten-p范数与结构稀疏分解算法。数值实验表明:与其他5种主流算法相比,所提算法在具有动态背景的场景中能更准确地分离目标。