光束在海洋介质中传输会极大地受到海洋湍流的影响。此外，涡旋光束轨道角动量的复用会极大地提高系统容量，因此研究涡旋光束在海洋湍流中的传输具有重要意义。在水平海洋湍流理论基础上，创新性地构建了斜程路径上海洋湍流相位屏模型，以相位结构函数为依据验证了海洋湍流相位屏的准确性，根据多相位屏法搭建准直高斯涡旋光束在海洋湍流中的上行传输链路模型。数值模拟并分析了不同天顶角、海洋湍流内外尺度及拓扑荷数等其他海洋湍流参数对准直高斯涡旋光束经海洋湍流上行传输的光强及相位分布、光束漂移、轴上闪烁指数和长曝光光斑半径的影响。结果表明：涡旋光束的拓扑荷数越小、天顶角越小，光束受到湍流的影响越大；在海洋湍流上行传输链路中，准直高斯涡旋光束的光束漂移、轴上闪烁指数及长曝光光斑半径随海洋湍流外尺度的增大而增大，且主要受传输距离的影响；理想情况下，取海洋湍流外尺度为无穷大，会高估湍流对光束的影响；由于涡旋光束的本身特性，拓扑荷数对光强及相位分布和长曝光光斑半径的影响也较为显著。

为解决结构光测量高动态范围表面物体时出现局部过度曝光或曝光不足的问题，提出一种改进的多曝光融合方法，利用自适应曝光代替手动曝光，并对图像融合过程进行优化。首先，将初始曝光时间下拍摄的图像利用直方图进行分析，将被测物体表面反射率不同的区域分为若干组，分别计算出每个组别的最佳曝光时间；在此基础上，拍摄不同组别对应最佳曝光时间下投射白光和条纹的图像，并去除图像中超过设定阈值的高灰度值区域，再将投射白光处理后的图像制作成掩模图，与相同曝光时间下投射条纹处理后的图像相乘，进而对多组相乘后的图像进行亮度压缩与融合；最后，通过CLAHE算法提高融合后所生成条纹图的对比度与清晰度，并对条纹解相后进行点云重建和尺寸测量。实验结果表明：文中方法中自适应曝光相较于手动曝光具有高效性和准确性，U型卡、连接块、圆盘三个高动态范围表面物体的点云重建率分别高达99.98%、99.74%、99.76%，测量出的标准块阶梯高度差绝对误差为0.062 mm，相对误差仅为0.69%，该方法有效解决了高动态范围表面物体测量时点云缺失的问题，提高了三维轮廓的测量精度。

The large-aperture pulse compression grating (PCG) is a critical component in generating an ultra-high-intensity, ultra-short-pulse laser; however, the size of the PCG manufactured by transmission holographic exposure is limited to large-scale high-quality materials. The reflective method is a potential way for solving the size limitation, but there is still no successful precedent due to the lack of scientific specifications and advanced processing technology of exposure mirrors. In this paper, an analytical model is developed to clarify the specifications of components, and advanced processing technology is adopted to control the spatial frequency errors. Hereafter, we have successfully fabricated a multilayer dielectric grating of 200 mm × 150 mm by using an off-axis reflective exposure system with Φ300 mm. This demonstration proves that PCGs can be manufactured by using the reflection holographic exposure method and shows the potential for manufacturing the meter-level gratings used in 100 petawatt class high-power lasers.

针对图像增强算法中普遍存在暗部区域细节丢失、亮部区域过度增强等问题，提出了基于自适应截断模拟曝光和深度融合的增强算法。对原始低照度图像进行模拟曝光，通过卷积网络学习曝光序列对应的权重图并在网络内部实现加权融合，获得增强结果。在生成模拟曝光序列的过程中，对图像进行亮暗区域分割，然后对其进行截断性自适应伽马校正，最后通过引导滤波降噪获得合适的曝光序列。获得多曝光序列后，通过基于空洞卷积的上下文聚合网络，实现快速灵活地加权融合，得到最终增强结果。收集了大量公开数据集，并使用微光夜视相机和三通道真彩色相机收集了实验室环境测试集，在不同数据集上和经典主流算法进行了对比实验。实验结果表明，本算法的NIQE、PSNR和SSIM指标都是最好的，其中NIQE降低了4.49%，PSNR提高了4.28%，SSIM提高了1.94%。此外，算法的色彩还原效果也很好，色差指标是所有算法中最小的，在8.71×10^-2 lx照度下，本算法色差减小了14.83%，在1.02×10^-2 lx下减小了3.05%。本文算法可以明显提高图像亮度和对比度，鲁棒性较好，不会产生过度增强现象，有效恢复图像细节的同时兼顾色彩信息，增强结果真实自然。