中子扩散方程高阶谐波可用于重构堆芯中子注量率分布，但传统源迭代与源修正迭代法求解时的收敛速度慢，计算耗时长。采用隐式重启Arnoldi方法（Implicitly Restarted Arnoldi Method，IRAM）求解本征值问题的中子扩散方程获得谐波数据，通过本征正交分解（Proper Orthogonal Decomposition，POD）与伽辽金（Galerkin）投影相结合的方法构建POD-Galerkin低阶模型，并重构二维稳态TWIGL基准题中子注量率分布。研究结果表明：IRAM方法在求解中子扩散方程的高阶本征值和谐波问题上具有较高的精度；基于POD-Galerkin低阶模型重构中子注量率分布具有较高的保真性与计算效率，有效增值系数与参考解的误差为8.7×10^-5，对角线上快群和热群中子注量率最大相对误差为2.56%，且低阶模型计算用时仅为全阶模型的10.18%。本研究为堆芯中子注量率重构提供了一种可靠且高效的方法，该方法不仅可用于重构稳态时堆芯中子注量率分布，还具有在瞬态情况下预测中子注量率分布的潜力，有望在未来的应用中进一步拓展。

设计了一种基于离轴反射式光学结构、投影距离可以改变的增强现实型平视显示（AR-HUD）系统，以降低驾驶员的视觉疲劳。其中，眼盒的大小为130 mm×50 mm，虚像投影距离为3~10 m，可以通过改变图像生成单元（PGU）到一级镜的距离和像源尺寸的方式实现投影距离连续可调。通过随机取样的方式，在投影距离变化范围内随机选取一个投影距离对系统进行像质分析，证明投影距离连续可变。视场角（FOV）在投影距离的可调范围内恒为15°×5°，畸变小于5%，动态畸变小于5′，MTF在5 lp/mm处优于0.5。结果表明，当车辆与前方物体距离较近时，AR-HUD系统可以根据需要改变虚像的投影距离，且能保证像质始终符合规格。

条纹投影轮廓术广泛应用于重建物体表面三维形貌。但当测量彩色高反光表面物体时，受环境光照及投影条纹反射的影响，存在相机所采集图像像素过饱和，进而无法测量高反光区域表面三维数据的难题。为解决此问题，本文利用物体表面对不同颜色光反射特性的差异，提出了一种根据被测彩色物体表面色彩分布的自适应编码高反光表面条纹投影轮廓术。该方法通过向高反光区域投射与表面颜色互为补色的颜色光，利用物体对互补色光的高吸收、低反射现象，抑制表面高光的形成，从而实现高反光彩色物体的三维形貌测量。实验结果表明，与多重曝光方法相比，利用单幅自适应颜色编码能够替代多次曝光时间设置下的条纹投影重建，有效降低了投影图像的数量，提高了测量效率。

为解决激光扫描投影系统标定过程中易受环境光干扰、合作目标扫描时间长等问题，首先研究了应用于激光扫描投影合作目标定位的相关双采样探测方法，设计了适用于激光扫描投影仪的探测模块，经实验验证，设计的相关双采样探测模块在输入信号干扰比为-29.5 dB时仍能稳定地检测出激光光斑是否落在合作目标的高反射区。然后，针对相关双采样探测的特点，设计了一种基于二分原理的非连续扫描方法，以实现合作目标中心位置的快速提取。最后，使用此方法与栅矩形扫描方法对投影距离为3000 mm处的三个合作目标进行扫描探测和中心位置提取，实验结果表明，栅矩形扫描方式需获取10000个扫描点，而基于相关双采样探测的非连续扫描方法减少了97.4%的扫描点，且中心定位偏差优于0.06 mm。所研究的方法能够提高激光扫描投影系统合作目标探测过程的环境光自适应能力，大幅减少扫描点的同时还能保证中心位置提取精度。

准确获取飞秒激光成丝横截面图像及其沉积能量空间分布信息，对于成丝动力机制研究和促进诸多基于光丝的实际大气应用发展具有重要意义。本文基于热传导方程和波动方程构成的光声信号前向仿真模型，理论模拟了利用环阵式光声层析系统接收飞秒激光在空气介质中成丝诱导产生超声脉冲信号的过程；然后，利用延迟叠加算法对飞秒激光大气传输成丝沉积能量横向分布图像进行了反向重建，并分析了测量系统中关键器件超声换能器的中心频率、带宽、表面尺寸和探测表面灵敏度等性能参数对光丝沉积能量分布图像重建结果的影响。结果表明，单丝诱导产生的声压脉冲信号频谱为单峰结构，而多丝声压脉冲信号频谱为多峰结构；相比于单丝图像重建，多丝图像重建受“孔径效应”影响更显著；换能器的性能参数对光丝图像的重建效果有显著的影响，换能器的带宽越大、表面直径越小，以及表面灵敏度系数越大，越有利于光丝沉积能量分布图像重建效果的提升。该研究结果可为真实大气条件下飞秒激光传输成丝沉积能量空间分布的实验测量提供一定的理论支撑。

光子计数型能谱计算机断层扫描（CT）已成为CT成像领域的最新技术，建立精确的噪声模型可以为开发高效的能谱重建算法和降低辐射剂量提供理论支撑。通过对光子计数型能谱CT投影数据噪声进行深入分析和理论推导，提出了能谱CT投影数据噪声的p-范分布模型。首先，综合考虑光子计数探测器能量采集中的光子统计波动和电子热噪声，利用贝叶斯公式推导噪声分布模型。然后经过投影数据的密度函数拟合验证、拟合优度检验等实验环节对所提理论模型进行检验。结果表明，相比于传统分布模型，所提分布模型能够更加精准地刻画光子计数型能谱CT成像机理和物理过程。最后，对投影数据观测序列进行时间序列分析，并将预测得到的结果用于修复异常值。从仿真实验结果和实际数据实验结果可以看出，该预测值具有良好的修复效果。

近年来，深度学习技术广泛应用于计算光学三维成像的研究中。在条纹投影轮廓术中，通过训练深度学习网络，可从单幅条纹图像中恢复高精度的相位信息。然而，为了训练神经网络模型，通常需要耗费大量的时间成本和人力成本来采集训练数据集。为了解决该问题：首先，建立数字孪生条纹投影系统，并利用域随机化技术对虚拟照明光栅进行增强，使用计算机进行虚拟扫描，生成大量仿真光栅条纹图像；其次，利用仿真光栅图像对U-Net神经网络进行预训练；最后，引入迁移学习，采用少量真实光栅条纹图像对神经网络进行参数微调。由于U-Net的结构特殊性，提出并分析了“从左至右”“从上至下”“全局微调”等3种U-Net神经网络微调策略。实验结果表明，采用“从上至下”策略微调U-Net“瓶颈”网络模块的方法可获得最佳的迁移学习结果，神经网络的相位预测精度可得到显著提升。相比于使用大量真实数据进行训练，所述方法仅利用20%的数据就可训练神经网络获得高精度的相位重建结果。