针对红外与可见光融合图像存在纹理细节不丰富、对比度较低及目标信息损失等问题，提出了一种基于特征优化和生成对抗网络的图像融合算法。首先，设计一种自适应特征优化模块以增强原始图像纹理细节及对比度；然后，为使融合图像保留更多的多模态信息，将生成对抗网络引入到融合框架中。在生成器模型中，考虑到红外与可见光图像成像机理差异，构建了双支路特征提取网络，并设计多尺度密集连接模块以提取异源图像丰富的特征信息；其次，在融合层构造通道和空间注意力模型以增强局部特征之间联系，减小融合图像中目标信息损失；最后，为使融合结果尽可能保留可见光纹理细节的同时又能够较好突出红外目标，构造了双判别器网络结构。为验证所提算法优势，在TNO数据集上进行实验，并与6种经典融合算法进行主观和客观比较。实验结果表明，所提算法无论在主观还是客观评价上均具有明显优势，生成的融合图像纹理细节更为丰富、边缘及目标更加清晰且具有更好的对比度，客观评价指标信息熵、空间频率、相关熵、视觉保真度和梯度信息分别提高了16.11%、65.46%、7.96%、42.67%和33.24%。

针对复杂环境下光伏电池板热斑故障的多尺度目标导致检测困难的问题，提出一种融合知识蒸馏和注意力机制的检测算法。为实现故障特征信息高效提取与保留，设计一种融合高阶空间交互和通道注意力的模块以提升网络对于故障特征信息的表达能力；为增强复杂背景下目标信息表达能力，构建一种结合通道和位置信息的注意力模块来提高网络对于故障位置信息的识别准确率；采用知识蒸馏思想将教师网络的参数迁移至学生网络，在不增加任何复杂度的前提下提升学生网络的检测精度。为进一步精确定位热斑目标，引入Focal-CIoU损失函数加速网络收敛，从而提升检测性能。为验证算法有效性，与8种经典算法进行比较，实验结果表明，本文算法的检测精度最高，精度达84.8%，对于分辨率为640×512的图像检测速度可达142 FPS。

针对传统红外与可见光图像融合结果存在目标模糊、纹理细节丢失以及伪影等问题，提出一种基于目标增强与蝴蝶优化的红外与可见光图像融合算法。针对红外图像因成像机理导致的融合目标边缘模糊问题，构造基于目标边缘强化的红外图像增强模块；为解决因可见光图像质量较低而造成的融合图像细节缺失问题，搭建基于带色彩恢复因子的多尺度Retinex可见光增强模块；然后，利用四阶偏微分方程-主成分分析法对红外和可见光增强图像分别进行边缘平滑处理，以解决融合结果存在的伪影问题；最后，为使最终融合结果突出目标的同时保留更多的纹理细节，设计了基于蝴蝶优化的图像重建模块，以实现重建图像权重的自适应分配。为验证所提出算法的优势，将所提出的算法在TNO，INO，M3FD以及RoadScene数据集上与6种经典算法进行比较。实验结果表明，相比于对比算法，本文算法的信息熵、空间频率、均方差、联合熵、视觉信息保真度和自然场景6个客观评价指标上分别平均提高了9.24%，38.88%，51.11%，4.65%，35.44%，19.36%，融合结果目标边缘清晰、对比度强、无伪影且纹理细节丰富。

基于中国原子能科学研究院钴源建立的器件总剂量辐照装置试验平台，开展了静态随机存储器（SRAM）的总剂量效应研究。分别研究了器件特征工艺尺寸、累积辐照剂量、辐照剂量率以及温度对器件总剂量效应的影响。研究结果表明：在一定范围内剂量率对器件的总剂量效应影响不大，器件特征工艺尺寸越大总剂量效应的影响越大，温度越高总剂量效应影响越弱。此外还测量得到了该总剂量辐照实验平台的典型剂量率分布及均匀性。相关结果为宇航、核工业用电子器件抗辐射加固设计提供了一定的参考。

InP/InGaAs短波红外单光子探测器（SPAD）是目前制备技术较为成熟且获得广泛应用的单光子探测器，通过半导体热电制冷（TEC）即可达到的工作温度(−40 ℃左右)，具有体积小、成本低，方便安装和携带的应用优势；另外，基于常规半导体二极管的芯片制造工艺很容易实现大面阵单光子阵列，除了探测信号，还具备三维数字成像功能。国外包括美国、瑞士、意大利、韩国、日本等对InP/InGaAs SPAD进行了长期持续的研究，目前已研制出单管的货架产品，性能还在不断的优化和改进之中，其单光子探测器阵列呈现了清晰的三维成像效果，正在逐步应用。国内包括重庆光电技术研究所、中国科学院上海技术物理所、西南技术物理研究所、中国科学技术大学、云南大学等对InP/InGaAs SPAD芯片先后进行了器件设计和器件制备研究，目前单管的性能已经达到与国外报道相当的性能。国内单光子探测器阵列的研究获得了一定的进展，但芯片规模和器件性能有待提升。文中对国内外InP/InGaAs短波红外单光子探测器的发展，在设计和研制中存在的问题，以及近10年来的优化改进进行了介绍，重点介绍了高温、高速以及单光子焦平面阵列的发展，并结合新颖的离化工程和新的材料体系发展，分析了未来的短波红外单光子探测器的发展趋势。

针对红外行人图像中待检测目标存在多尺度及部分遮挡导致传统算法难以准确检测的问题，提出一种动态特征优化机制下的跨尺度红外行人检测算法。为解决复杂环境中行人目标特征难以有效表达进而造成目标检测精度低的问题，提出一种动态特征优化机制，通过设计亮度感知模块及EG-Chimp优化模型在增强输入图像局部对比度的同时抑制背景信息；搭建了CSPDarkNet特征提取网络，并在其基础上构建CSFF-BiFPN特征金字塔结构以及跨尺度特征融合模块，以提高检测网络对多尺度及部分遮挡行人目标的检测精度；为进一步精确定位行人目标，引入CIOU损失函数加速网络收敛，从而提升检测性能。选取9种经典检测算法在KAIST数据集上进行对比测试，实验结果表明，本文算法能够对复杂环境中的多尺度及部分遮挡红外行人目标进行准确检测，检测精度可达90.7%，验证了所提出检测网络的优势。

针对红外行人图像中受多尺度、部分遮挡以及环境干扰导致传统算法难以准确检测问题，提出一种红外图像行人检测算法。以CSPdarknet53作为主干特征提取网络，在输入端引入Focus模块以减少主干网络下采样过程中小尺度目标特征信息丢失；通过构建跨尺度特征聚合模块来融合主干网络不同残差层输出的全局特征和多尺度局部特征，提高网络多尺度特征聚合能力，提升网络检测精度；针对红外图像受自身成像机理以及复杂背景影响造成行人目标特征难以有效表达的问题，通过构建分层注意力映射模块来增强行人特征表达能力。为了验证所提出算法的优势，选取4种经典对比算法，并在3种公共数据集上进行测试验证。实验结果表明，该算法可以实现复杂环境下多尺度红外行人的准确检测，其平均准确率和召回率分别可达95.37%和92.99%。