对高密度差多层球壳结构件进行双能CT检测，需要研究同时基于高低能射线两套投影数据的图像重建方法。先分别重建再进行图像融合的方法，不能充分利用两种能量射线投影的互补信息，重建图像质量不高。针对高密度差多层球壳结构特征，通过设计限定投影扫描方式获取区域分布明确的高、低能射线投影正弦图，基于正弦图区域分割重组和交集数据等值化一致性处理实现双能投影数据融合，在此基础上完成图像重建。根据以上设计归纳出基于投影融合的多层球壳双能CT重建算法，仿真结果表明算法可行，且重建结果明显好于基于图像融合的方法。

针对GaAs光阴极像增强器在ns级选通成像中的时空特性，通过引入传输线阻抗完善了光阴极径向RLC传输模型，更准确地描述了选通过程中光快门的变化趋势，实验证实去除防离子反馈膜有利于改善光快门，使得光快门与电快门更为一致，在驱动电脉冲宽度为17.7 ns时，光快门宽度与电快门宽度的差异仅为1.1 ns；基于蒙特卡罗模拟方法，建立了光电子在分段线性快门脉冲电压驱动下经过第一近贴后的空间弥散模型，模拟结果表明：GaAs光阴极相较于S20光阴极在选通成像中的空间分辨下降更小。在20 lp/mm时，GaAs的动态空间分辨是静态空间分辨的80%，而S20光阴极不足70%，理论模拟与实验结果相一致，所建立的模型可用来分析和优化像增强器结构参数，为优化选通成像性能提供理论依据。

火花发射光谱分析钢中单一夹杂物的研究已有文献报导, 但用火花光谱分析钢中复合夹杂物一直是个难题。 钢中复合夹杂物是一种单一夹杂物包裹另外一种单一夹杂物组成的复合体, 或由两个及以上单一夹杂物紧密相邻结合体。 如何区分材料中同时存在但不相邻的两种单一夹杂物和二者复合夹杂物, 用火花发射光谱技术难于实现。 该工作采用火花光谱原位统计分布分析(OPA)进行高铁车轮截面的夹杂物分析, OPA通过对经连续扫描的火花放电激发所产生的元素光谱信号进行采集和分析, 可实现大尺度金属材料的成分及夹杂物统计分布表征, 在同一激发位置下, 当既有Al₂O₃夹杂物光谱信号, 也有MnS夹杂物光谱信号, 通过对Al₂O₃夹杂物和MnS夹杂物的火花光谱强度时序耦合处理, 获得此时序对应位置处的复合夹杂物信息。 根据超过阈值以上的火花光谱强度和夹杂物平均面积之间的良好线性关系, 在同一位置下, 分别获得Al₂O₃/MnS复合夹杂物中Al₂O₃夹杂物和MnS夹杂物的面积, 将Al₂O₃夹杂物面积和MnS夹杂物面积加和, 得到Al₂O₃/MnS复合夹杂物的面积。 同时结合扫描电镜(SEM)分析小区域内的复合夹杂物, 将每一个扫描电镜复合夹杂物面积对应一个OPA分析夹杂物的归一化面积, 建立SEM 和OPA两种分析方法获得的复合夹杂物面积的关系曲线, 二者具有良好线性关系, 线性相关系数大于0.99。 取高铁车轮截面中另外两部分进行验证实验, 得到的结果也与扫描电镜结果基本一致, 即在分析小面积区域内Al₂O₃/MnS复合夹杂物, OPA分析的归一化结果也能够满足表征需要。 除此之外, 由于 OPA可以进行部件全域分析, 可检测到更多的较大Al₂O₃/MnS复合夹杂物颗粒, 可有效避免扫描电镜(SEM)因分析区域有限造成大尺寸夹杂物漏检问题, 为大尺寸金属构件的夹杂物分析特别是Al₂O₃/MnS复合夹杂物的分析提供了一种有效手段。

近年来，卤化铅钙钛矿闪烁体在X射线成像领域受到广泛关注。20~120 keV硬X射线医学成像使用闪烁体探测器，其灵敏度和成像空间分辨率是重要指标。利用Geant4模拟卤化铅钙钛矿量子点/聚合物复合闪烁体的X射线相对探测效率和成像空间分辨率，并利用次级电子运动解释能量与钙钛矿量子点占比对分辨率的影响。结果表明：增大复合闪烁体厚度和钙钛矿量子点占比可提高相对探测效率；降低厚度和增加钙钛矿量子点占比都可以提高空间分辨率；当吸收效率达到99.5%时计算得到20 keV X射线激发下钙钛矿闪烁体空间分辨率可与商用CsI闪烁体相媲美，而50 keV X射线激发下空间分辨率则有所下降。表明卤化铅钙钛矿在20 keV低能X射线医疗成像中具有一定应用潜力。

电磁场及流体演化过程信息的获取在高能量密度物理、可控核聚变及实验天体物理的研究中起着重要的作用，然而在实验过程中，电磁场信息及流体信息的同步获取是非常困难的。基于高能电子透镜成像技术，利用面密度差分的方法，提出了一种可以实现面密度和场积分强度同时获取的双自由度诊断设计方案。结合了蒙特卡罗模拟和束流光学分析，该方案在相对较强的电磁场情况下的适用性得到了验证。此外，我们可以通过改变Fourier面处光阑的形状将其适用区间扩展到低电磁场强度相空间。结合高能电子束相对论速度及超短脉冲的特点，该技术非常适用于磁流体超快演化过程的诊断。

为了更好地获取低强度辐射源空间分布图像，提出一种使用神经网络算法将大孔径厚针孔退化图像复原的方法。建立了孔径5 mm、10 mm、15 mm的厚针孔模型，获得了3600个汉字形状辐射源的厚针孔退化图像集。基于DnCNN神经网络模型，建立了大孔径厚针孔退化图像复原神经网络，并与维纳滤波、Lucy-Richardson这些传统算法进行了比较。在考虑噪声影响后，利用迁移学习理论，对原神经网络模型进行迁移训练，再对含噪大孔径厚针孔退化图像进行复原。神经网络算法复原的RMSE明显低于传统方法，迁移学习显著减小了噪声的影响。证明了神经网络算法在大孔径厚针孔退化图像复原领域的优越性，并验证了神经网络方法复原含噪大孔径厚针孔退化图像的可行性。