液晶显示领域中的一个重要研究方向是液晶电光性能的改善。近年来，液晶-纳米科学见证了纳米掺杂增强液晶电光性质的范式转变。一方面，纳米颗粒具备特殊的理化性质能有效改善分散基质的性质；此外，纳米掺杂的液晶复合体系制备工艺简单、电光特性卓越，在显示领域占据重要地位。利用液晶与纳米颗粒间的不同相互作用，研究人员设计了一系列具有高稳定性、低成本、可调谐和可持续的电光器件。然而，纳米颗粒的掺杂有可能造成结构缺陷，不利于液晶的稳定。因此，纳米颗粒的选择是影响液晶电光性能的关键。本文概述了液晶-纳米复合体系的电光特性，着重讨论了纳米颗粒与液晶分子间可能存在的相互作用。同时，综述纳米颗粒掺杂液晶的研究现状，根据纳米颗粒类型总结了纳米掺杂对液晶电光性能的影响，并在此基础上，对未来液晶显示技术与纳米技术的结合进行了展望。

向列相液晶是一种研究空间光孤子的绝好的非局域非线性介质。为了对向列相液晶中空间光孤子的偏转进行灵活的调制，设计了具有梳状电极结构的液晶盒。对这种定制电极结构的液晶盒施加电场可以实现向列液晶在周期阵列内的调制，从而实现了向列子和向列子对的可控偏转。在液晶分子的不同取向区域，入射激光束形成的向列子可以产生不同角度的偏转。当光束入射到定制电极宽度为910 μm的液晶盒中，通过改变光束的入射位置可以实现单光束约60°范围内的偏转。双光束入射到不同的位置可以形成多种偏转组合形式。改变光束的入射角度，可以观察到向列子对在界面处的非线性全反射。此外，将定制条纹电极的宽度更改为300 μm后，向列子对可以实现平行传输到相互会聚或发散之间的切换。这些关于向列子偏转的调控方法可以在全光电路和光通信中发挥重要作用。

液晶透镜的液晶层内相位分布通常不是理想的抛物线结构，这给液晶透镜的成像应用带来限制。本文采用基于液晶的线性响应区域设计的电极结构制作液晶透镜，通过对液晶透镜工作时的前信息进行分析，测出液晶透镜的光焦度和光学像差。在由相机模块和执行调焦功能的液晶透镜组成的成像系统中，通过对经过液晶透镜后所成的图像进行定量研究。分析成像系统形成的ISO12233图标的图像，获得成像系统的分辨能力。结果表明，该液晶透镜驱动简单，光焦度与驱动电压差符合线性关系，可在-4.9~+5.2 D范围调节，同时具有低于0.05λ的光学像差。在成像系统的应用中，在对主镜头分辨能力影响不大的情况下，该液晶透镜表现出优异的调焦性能。

本文在带有锯齿型ITO电极的基底上制备垂直排列（Vertical Aligned，VA）的液晶器件，将激光耦合在液晶层中，调制ITO电极的电压，出射激光实现了偏转并且偏转角随电压的增加而增大直至饱和。在两个顶角为20°的锯齿电极下，激光光斑偏转了约4°。用于液晶驱动的电压为交流电信号，通过调整最低驱动电压即偏置电压，使得液晶分子从一定的起始角度开始转动，同时也是在其可快速旋转的区间内进行驱动，从而提高液晶分子的响应速度。在此策略的指导下，通过在液晶分子转动时对其偏振态的表征，来确定液晶分子的状态与驱动速度。在平衡好折射率与驱动速度的前提下，对比了不同偏置电压下液晶层分子整体的响应速度。在有一定偏置电压的情况下，液晶层驱动的响应时间从55 ms下降至2.5 ms，而断电后的弛豫时间从18 ms下降至8.5 ms。这为后续采用这种液晶层方案的激光偏转器件获得更快速的扫描频率和扫描角度提供了新的方案。

随着立体显示技术的成熟，基于立体显示的图像增强方法成为研究热点。人眼光泽感知是一种独特的视觉特征，它反映了物体表面的物理特性，对人类的认知活动至关重要。在立体显示下，双目光泽的呈现与感知研究是双目视觉研究的有力扩展和补充，可为立体显示设备再现更为丰富的图像外观提供应用基础。本文从双目光泽的现象学、理论学和影响线索3个方面展开分析，总结了立体显示下双目光泽的研究现状，指出了当前双目光泽感知研究存在的问题：对目标产生光泽感知的深层神经机理尚不清楚；对影响光泽感知的线索探究还停留在现象表面，其背后的多线索交互作用仍不明确；光泽感知测量评价的定量心理物理学实验数据有待扩充。未来，基于立体显示技术的光泽感知与视觉系统的联合探索或能成为极具潜力的研究热点。由于光泽感知是一种心理量，每个人对它的感知都存在特异性，我们认为需要精心设计更多的光泽感知实验来研究立体显示器中目标表面光泽属性再现，以扩展立体显示下的基础表示场景。

针对当前3D光场手势交互存在识别率低、识别速度慢、深度学习网络需要较多数据样本的问题，本文提出了一种基于小样本手部关键点的多层感知器（Multi-Layer Perceptron，MLP）网络提升3D光场交互准确度方法，识别速度达到毫秒级。在手部关键点采集过程中，从不同位置采集得到的同一种手势关键点三维数据存在显著差异。为了消除差异，本文提出在同一右手笛卡尔坐标系下，通过位移和罗德里格旋转公式对简化后的手势模型进行位姿变换，将同一种手势归一化。一个MLP神经网络被用来从归一化后的手部关键点跳变关系中提取手部特征。实验结果表明，本文提出的方法对3D光场交互中的简单手势识别率为95%以上，对复杂手势的识别率为90%以上。与此同时，该方法在小样本数据集训练下表现出优秀的性能，能够满足精确和快速手势识别的要求。最后，本文展示了一种将所提出的方法成功应用于3D光场交互的场景。

本文以2D和3D显示为研究载体，采用主观问卷、ECG、眼动信号和视功能参数相结合的测量方法研究不同显示模式对视疲劳的影响。结果表明，观看3D显示后，最佳矫正远视力（BCDVA）、泪膜破裂时间（TBUT）、瞳孔直径和香农熵的相对变化量均显著大于观看2D显示后的相对变化量。50 min后，观看2D和3D显示引起的峰峰（RR）间期值和心率（HR）相对变化量的差异逐渐增加。不同类型显示模式对主观打分症状、视功能参数、心电参数和眼动参数产生不同的影响，观看3D显示后引起的视疲劳比观看2D显示大，特别是50 min以后观看3D显示引起的疲劳程度显著大于观看2D显示，这对于3D电影制作具有参考价值。

视觉诱导晕动症（VIMS）是虚拟现实（VR）体验过程中可能产生的一种常见症状，该症状严重降低了用户的体验的舒适度，阻碍了VR技术的推广和发展。虚拟空间畸变是影响VR体验舒适度的潜在因素之一，近眼显示设备不完全的畸变校正会产生虚拟空间畸变，进而可能引发VIMS。针对虚拟空间畸变对VIMS的影响程度，本文模拟VR技术的体验过程，对以VR技术为代表的近眼显示技术畸变机理进行分析，设计了3个不同畸变参数下VIMS等级评价的视觉感知实验，并对实验的主客观数据进行统计分析。结果表明，虚拟空间畸变对VIMS症状具有显著性影响，受测者观看立体影像的畸变程度越大，所引起的VIMS症状越明显。该研究可为VR技术体验的舒适度提升方向提供理论依据。

现有的超分辨率方法假设了从高分辨率图像到低分辨率图像的预定义退化过程，这对于具有复杂退化类型的真实世界图像来说很难成立。针对该问题，本文提出了基于退化感知的盲超分辨率模型。该模型用随机模糊核生成低分辨率图像，用对比学习退化表征。模型生成器由包含多个退化感知块的残差组构成。退化感知块用退化表征和图像特征做交叉注意力计算空间权重图，此外模型还收集残差组输出的层级特征，计算层间注意力来复用层级特征，使得模型更加关注高频细节，模型特征提取能力进一步提高。通过消融实验验证了各模块的有效性。在多个国际公开测试集上，放大倍数为4的平均PSNR提升1.45 dB，SSIM提升0.058。实验结果表明，该模型在盲超分辨率任务上取得了显著的性能，且具有良好的视觉效果。

随着图像处理应用在各新兴领域的不断扩展，高性能椒盐去噪仍然是一项具有挑战性的任务。本文提出了一种结合噪声掩模训练和最近邻搜索机制的椒盐去噪方法。首先，搭建一个包含9个卷积层的轻量级神经网络，用于生成高质量的噪声掩模。接着，根据该噪声掩模的噪点标记结果，正常像素不作处理，通过最近邻搜索机制寻找与噪点最相邻的正常像素灰阶替代噪点灰阶。本文提出了一种用于噪点标记的轻量级卷积神经网络。在降低网络深度的同时，在中间层采用深度可分离卷积代替常规卷积，这两个因素使得运算复杂度和参数量得到数量级的降低。另外，提出了一种基于最近邻搜索机制的去噪方法，提升了去噪性能。实验结果表明，所提出网络的运算复杂度比传统网络有数量级的降低，训练所得噪声掩模的误判率分别比极点标记、均值标记和极值图像块标记分别降低了94.79%、94.79%和83.65%。此外，去噪图像的峰值信噪比相比于传统卷积神经网络方法的处理结果提升了2.53%，信息损失降低了6.76%。本文首次将轻量级卷积神经网络应用于椒盐去噪，降低了网络的复杂度，提升了去噪性能。

现有生成对抗网络在背景虚化处理过程中，往往是无差别地提取整张输入图像的特征，导致网络难以区分图像的前后景，从而容易出现图像失真的现象。本文提出了图像感知引导CycleGAN网络的背景虚化方法，通过引入图像感知信息以提升模型性能。图像感知信息包括注意力信息和景深信息，前者用于引导网络关注不同的前后景区域，从而区分前后景；而后者用于增强前景目标的感知信息，能够实现有效的智能定焦并减少图像出现失真的现象，使背景虚化效果更佳。通过最小化生成对抗损失及循环一致性损失，可以避免丢失过多景深信息，提高图片的生成质量。实验结果及数据表明，提出的方法在背景虚化过程中能有效区分前后景并改善图像失真的现象，使生成的效果更加真实。此外，在与现有方法生成的图像效果对比中，通过采用问卷调查的方式进行了评估。本文提出的图像感知引导CycleGAN网络的背景虚化方法与SOTA相比，生成的图像质量更好，模型大小与生成图像的速率也具有明显的优势，分别为56.10 MB及47 ms。

为实现实验室火灾识别并解决因火苗小导致相机采集到的图像火焰不显著，以及火焰伴随烟雾遮挡影响分割识别精度的问题，提出一种改进的语义感知的实时热红外和可见光图像融合分割网络。通过融合热红外与可见光图像，提供热辐射信息以增强可见光图像中因烟雾遮挡而降低的光谱信息以及火焰燃烧前期的显著性，完成对实验室烟雾遮挡下火焰以及火焰燃烧前期小火苗的分割。对融合网络中的梯度残差密集块（GRDB）增加中间特征传输块（IFTB）并引入权重块，减少融合时火焰图像的信息损失，在增强火焰图像显著性的同时以最少内容损失为基准还原可见光图像结构信息。在Deeplabv3+语义分割网络中添加基于梯度变换的边缘提取模块（EEM），增强融合图像中明暗变换显著的火焰烟雾图像边缘信息，减少烟雾遮挡对火焰分割的影响，提高火焰分割识别精度。实验结果显示，通过融合可见光与热红外图像使火焰燃烧前期图像的火焰检测分割识别精度得到了提升，改进的火焰分割网络在自采数据集中的平均交并比为91.27%，分割效率为11.96 FPS，表明改进的融合分割网络对实验室火焰烟雾分割识别的效果有明显提升，对于实验室火焰烟雾检测具有现实应用价值。

由于水中悬浮物的散射以及水体对光的吸收，水下图像有严重的色偏、雾化以及模糊现象。针对现有基于深度学习的水下图像增强算法使用单一的卷积和上下采样方式，导致图像特征提取不充分的问题，本文构建了基于多尺度特征提取的下采样模块、上采样模块和特征提取模块，并在此基础上提出了一个基于多尺度特征提取块级联（MS-FEBC）的水下图像增强网络框架。为进一步提高网络的特征提取能力，在网络高维特征空间中添加了CBAM注意力机制。实验结果表明，与现有算法相比，本文算法有效解决了水下图像存在色偏、雾化和细节丢失等质量较低的问题，在4种客观评价指标上均有显著提升，对图像SIFT特征点检测和Canny边缘检测视觉任务的性能有明显提高。

由于盲人对周围环境缺乏视觉感知力，出行一直是盲人生活中的困扰。本文提出一种基于YOLOX改进的导盲系统障碍物检测算法CE-YOLOX。首先，为了减少特征融合网络在特征通道缩减时带来的语义信息的丢失，以亚像素跳变融合模块SSF和亚像素上下文增强模块SCE来充分利用通道信息和不同尺度的语义信息，以通道注意力引导模块CAG减少多尺度特征融合带来的混叠效应。其次，为了使模型更加聚焦于有效特征，引入全局注意力机制GAM，通过减少信息弥散和放大全局交互表示来提高模型性能。然后，使用SIOU-LOSS替换原模型的位置回归损失函数IOU-LOSS，加快了边框的回归速度与精度。最后，搭建导盲系统检测平台，将所提算法移植到边缘计算设备NVIDIA Xavier NX上。实验结果表明，改进的导盲系统障碍物算法在服务器和NVIDIA Xavier NX平台上的mAP一致，提升至90.53%，相较原YOLOX模型算法提高了2.45%。在服务器上的检测速度达到75.93 FPS。本文模型在兼顾检测速度的同时提高了精度，显著优于对比算法，满足边缘计算设备的要求，具有实际的应用价值。

骨签是记载西汉时期地方工官向中央上缴产品的重要文物，准确检测其文字内容具有重要意义。针对复杂纹理背景下骨签文字特征难以提取及文字密集、粘连导致检测框冗余的问题，提出融合自注意力卷积和改进损失函数的骨签文字检测算法。首先，在YOLOv5特征提取端加入自注意力卷积模块，增强网络对骨签文字特征的注意，同时使模型捕捉更丰富的全局信息，抑制裂痕对文字特征提取的干扰。其次，使用Focal-EIOU损失函数替换原网络的CIOU进行优化，Focal-EIOU使用宽高损失降低预测框与真实框的宽高差距，剔除大于真实框的预测框，解决文字密集与粘连产生的检测框冗余问题，进而提高模型精准预测能力。实验结果表明，本文算法的平均精确率达到93.35%，相比YOLOv5提高了3.08%，对于复杂纹理背景下的密集粘连骨签文字检测任务更为适用。