提出一种利用深度学习强大的隐式建模能力解决单帧条纹图正交化存在的欠采样问题，结合条纹图降噪归一化技术，利用对抗生成网络的特征先验，构造了一种条纹图轮廓项数字方式的π/2相移网路，实现了单帧条纹图的正交化，放松了应用解析模型法实现条纹图正交化时的严格要求。通过标签图像对训练后，该网络成功地实现了归一化后的条纹图的正交化，进而高精度地实现了单帧条纹图的相位解调。仿真和实验分析证明，与基于Riesz变换的数字相移方法相比，所提方法求解更可靠，能有效地恢复测量相位。以现有的多帧高精度相移算法的解调结果作为参考值，实验结果表明所提方法的相位误差分布在0.05 rad以内，为瞬变场和物体三维轮廓测量提供了一种途径。

田间原位可见-近红外光谱(VIS-NIR)能够有效的提高土壤属性的检测效率, 但由于原位土壤中水分因素的影响, 土壤属性的预测精度很难达到预期。 如何有效去除土壤中的水分对土壤其他属性光谱预测的影响, 是利用田间原位光谱高精度预测土壤属性所面临的难题, 也是土壤光谱技术由室内转向田间的突破口。 该问题的有效解决, 可减除土壤样品的采集与室内预处理等过程, 实现土壤属性的田间原位光谱测定。 以新疆南部地区阿拉尔垦区十二团棉田为研究区, 采用网格采样法共采集了116个0~20 cm深度的表层土壤样品, 剔除1个异常值样品, 得到115个有用样品, 利用SR-3500型便携式地物光谱仪采集了231个样点的田间原位光谱数据, 土样经风干、 研磨和过筛等处理后测定其室内光谱和有机质含量。 利用Kennard-Stone算法将115个土样分为69个转换子集及46个预测集, 采用外部参数正交化法(EPO)、 光谱直接转换法(DS)及光谱间接转换法(PDS)三种去除水分算法结合原位光谱反射率(R)、 反射率一阶微分(R')、 反射率对数(LOG(R))以及反射率倒数(1/R)四种数学变换方式, 运用随机森林(RF)模型进行不同组合模型的构建及精度评价。 结果表明: (1)土壤有机质含量越高, 土壤光谱反射率越低。 土壤田间原位光谱反射率低于土壤室内光谱反射率; (2)室内光谱反射率与土壤有机质含量之间的相关性大于田间原位光谱, 室内光谱经一阶微分变换后与土壤有机质含量之间的相关性显著提升。 (3)土壤室内光谱反射率模型预测精度(R²=0.86, RPD=2.08, RMSE=1.55 g·kg^-1, MAPE= 0.14)高于田间原位光谱反射率模型(R²=0.71, RPD=1.49, RMSE=2.17 g·kg^-1, MAPE=0.20)。 在去除水分算法模型中, 以EPO一阶微分模型去除水分效果最好, 决定系数R²由0.71提高到0.83, RPD由1.49提高到2.04, RMSE由2.17 g·kg^-1降低至1.58 g·kg^-1, MAPE由0.20降低至0.14。 本研究实现了去除土壤水分因素的影响, 提高了田间原位光谱预测土壤有机质的精度, 为南疆棉田大尺度土壤有机质的预测及土壤肥力的评价提供了重要的参考。

为了实现大口径椭圆形光学平面镜的高精度面形测量，提升大口径望远镜系统的像质，本文对椭圆形平面反射镜面形的绝对检测算法进行了研究。首先，对椭圆形镜面进行了多项式正交化拟合研究。接着，对绝对检测算法进行了理论研究，利用正交化绝对检测算法可以有效分离参考镜与待测镜的面形误差，从而实现待测椭圆形平面镜面的高精度面形重构。为了证明上述方法的实际检测精度，本文对250 mm×300 mm的椭圆形镜面进行了绝对检测模拟与检测实验。对参考镜面形精度不高的情况进行了仿真计算，实验中利用光阑在Zygo300 mm口径标准平面镜头中选取250 mm×300 mm椭圆形检测区域，采用150 mm口径Zygo干涉仪对上述椭圆形区域完成绝对检测，并基于上述正交化绝对检测算法对椭圆形平面镜实现了面形重构。实验结果表明，利用本文所述方法可以实现参考镜与椭圆形待测镜面的面形误差分离，绝对检测结果的残差图RMS（Root-mean square）值为0.29 nm，证明了本文所述方法的可行性。利用上述方法可以实现椭圆形平面反射镜的高精度面形重构。