针对水下湍流的复杂性和多变性对水下航行器性能和姿态控制产生的挑战，提出使用卷积神经网络来测量水下湍流的温差耗散率XT。首先，采用功率谱反演法和惠更斯-菲涅尔原理仿真生成了受水下湍流影响的散斑图像数据集。随后，利用卷积神经网络提取这些受湍流影响的散斑图像中的特征信息，并对温差耗散率XT进行估计。最后，通过现场实验数据集验证了所提出方法的可行性。实验结果表明，所提出的神经网络在实地实验数据集和模拟仿真数据集上表现出相似的分类精度和损失曲线，其测量准确率分别为98.8%和99.2%。这一研究为水下环境监测和资源勘探领域提供了重要的参考，对于光学图像处理和湍流研究等相关领域具有实际意义。

散斑法是表面粗糙度测量领域的研究热点之一，该方法可以通过建立散斑图像特征参数与表面粗糙度评定参数之间的关系，实现对工件表面粗糙度的高效和无损测量。然而，该方法在特征参数选取阶段缺乏统一的标准，工件的机加工方法也会对特征参数和表面粗糙度评定参数之间的关系产生影响。这可能导致选取的特征参数仅适用于某种加工工艺下的表面粗糙度测量，并且特征参数之间还可能存在冗余问题。针对以上问题，文中从采集的激光散斑图像中提取了多个特征参数，引入斯皮尔曼相关系数，制定简约规则对提取的特征参数进行预筛选，提出了改进的序列后向选择算法以剔除冗余特征。实验结果表明：文中提出的方法筛选出了一组与不同加工工艺的表面粗糙度均强相关的特征，并解决了特征冗余问题，利用这组特征建立的表面粗糙度测量模型能100%识别试件的加工类型，并实现对其表面粗糙度较高精度的测量，改进的序列后向选择算法将平磨、卧铣、立铣和研磨试件表面粗糙度测量模型的平均绝对百分比误差分别降低了1.22%、0.62%、4.99%和1.61%，解决特征冗余问题的同时建立的模型性能更优。

为了有效抑制激光散斑，真正实现激光显示和成像系统的大色域、高亮度和超优画质，提出了基于履带式运动柔性衍射光学器件（Diffractive Optical Elements， DOE）的散斑抑制方法，对柔性衍射光学器件的设计、制造、耐久性和散斑抑制效果进行了研究。首先设计了柔性衍射光学器件的光学结构，并描述了履带式运动柔性衍射光学器件形成动态二维衍射编码的机理；接下来介绍了柔性衍射光学器件的模板制备、热压成型、连接成环的工艺方法；之后搭建激光投影显示系统对所研制的聚氯乙烯（Polyvinyl Chloride， PVC）和聚丙烯（Polypropylene， PP）两种材料的柔性衍射光学器件的散斑对比度和耐久性进行实验研究。实验结果表明，提出的基于履带式运动柔性衍射光学器件的激光散斑抑制方法，可将红绿蓝三色激光的散斑对比度降低到5%以下，同时系统具有小型化、低功耗的优点。在长达三十天的耐久性实验中，聚氯乙烯和聚丙烯两种材料的柔性衍射光学器件都没有明显形变和散斑抑制效果的衰减，且PP材料柔性DOE比PVC材料柔性DOE散斑抑制效果更明显、耐久性也更好。满足大色域、高亮度、超优画质的要求，并具有小型化、低功耗、高可靠的优点。

光纤模态噪声限制了下一代高精度视向速度光谱仪的测量精度。特别是当使用相干光源进行波长定标时，模态噪声会引起视向速度测量误差，降低视向速度测量精度。为了抑制光纤模态噪声，提出了一种基于变形镜的动态改变散斑花样的技术方法，该方法是在单次曝光时间内通过动态改变变形镜的面型，平滑光纤引起的散斑花样，提高定标光谱的质心稳定性，从而保证视向速度的测量精度。通过实验，利用632.8 nm 氦氖激光器作为定标光源，验证了该方法的有效性。实验结果表明，单次曝光图像包含约10⁵个变形镜形变模式时，可以有效抑制光纤模态噪声。针对分辨率R=100000的光谱仪，单根定标谱线的情况下，光纤模态噪声引起的视向速度定标误差约为19.8 cm/s，与国际上其他技术方法的精度持平，该方法不仅可以提高能量利用率，且不影响光纤的使用寿命。