当今各种纳米材料在液晶显示和非显示应用方面已显示出非凡潜力。其中，碳纳米管与液晶分子同具各向异性几何外形，更容易分散到液晶中，稳定性更强。本文简要综述了近年来碳纳米管/液晶复合材料的研究进展，首先介绍了碳纳米管与液晶材料的基础概念与分类，讲述了将碳纳米管分散到液晶中常用的3种方法，讨论了碳纳米管对液晶材料相变温度、光学性能、电导率、介电性质与力学性能等物理性质的影响，最后介绍了碳纳米管/液晶复合材料在致动器、传感器、手写板、高强度材料等领域的应用。对碳纳米管/液晶复合材料制备、性能与应用研究的认识，将有助于探讨碳纳米管与液晶分子间相互作用导致改善液晶热、介电、电光、力学等物理性质的确切机制，为未来相关应用的实现奠定了基础。

微米发光二极管（Micro-LED）显示是一项新颖并有着广泛应用前景的技术，在显示技术中占有重要地位。Micro-LED拥有亮度高、功耗低、寿命长、响应时间短和稳定性高等优点。可以应用于虚拟现实（Virtual Reality，VR）、增强现实（Augmented Reality，AR）、手机等微小型显示器，也可应用于家用电视、会议墙等中大型显示器，在显示领域具有较好的发展潜力。虽然Micro-LED显示应用前景广阔，但其技术尚不成熟，驱动技术面临生产成本高、资源分散等问题，限制了其产业化进程。本文回顾了自2000年以来Micro-LED显示技术的发展历程和研究成果，分析了阵列制备和倒装芯片集成技术，重点研究了Micro-LED显示驱动技术。Micro-LED显示驱动技术分为无源驱动和有源驱动方式，主要介绍了无源驱动的电路原理，有源驱动的互补金属氧化物半导体驱动技术、薄膜晶体管驱动技术以及有源像素驱动电路。

基于液晶偏振光栅的快速大角度光束偏转技术在航空航天、激光通信、车载雷达、光信息处理、生物医药和**对抗等领域具有重要应用前景，并得到了极大的关注。液晶聚合物偏振光栅可以实现高效率、大角度的光束偏转，并且制备工艺简单、成本低，逐渐被应用到非机械式光束偏转系统中。本文采用两种偏振全息光路分别实现大周期和小周期的液晶聚合物偏振光栅的制备，获得的液晶聚合物偏振光栅最高衍射效率达到99.3%。级联两个液晶聚合物偏振光栅，再层叠液晶聚合物\铁电液晶\液晶聚合物波片组，实现了更大角度范围的偏转，验证了70 μs的4通道光束快速扫描。

在OLED发光层喷墨打印制备中，像素坑内成膜厚度控制是抑制器件产生Mura缺陷的关键。不同喷孔液滴体积差异和液滴错误沉积引起的像素坑内融合溶液体积变化，是造成发光层膜厚不一致的主要原因。为解决膜厚一致性问题，本文提出了基于液滴体积控制与沉积定位控制的OLED发光层成膜控制方法。首先调节驱动波形使不同喷孔产生体积适配的液滴；然后检测各喷孔的液滴落点位置，通过偏移补偿和异常喷孔筛选控制液滴精准沉积；最后使用不同液滴混合方法控制像素坑内溶液体积。在实验中，将液滴沉积定位偏差控制在±10 μm，将液滴混合后溶液体积差异控制在±4%，测量干燥固化后的薄膜厚度，结果表明，不同像素坑膜厚一致性提高至95%以上，获得了发光均匀的OLED器件。本文提出的膜厚一致性控制方法达到预期、满足OLED功能层制备要求。

在远距离激光通信系统中，为抑制复杂大气信道环境的影响，有必要对激光束散角进行实时调控。而传统光学变焦系统对激光束散角的调控精度不高，需要机械移动透镜组间距离，导致其灵活性和实时性差。本文提出了利用液晶空间光调制器（Liquid Crystal Spatial Light Modulator，LC-SLM）控制激光束散角的方法。通过LC-SLM模拟变焦透镜，由计算机生成不同焦距的相位灰度图并导入LC-SLM，利用不同的相位灰度图的灰度信息控制LC-SLM的外加电压以实现变焦透镜的功能；再利用变焦透镜与已知焦距的匹配透镜共同构成束散角控制系统，变焦透镜与匹配透镜距离恒定不变，通过改变变焦透镜的焦距实现束散角控制。研究结果表明，在基于液晶空间光调制器的激光束散角控制方法中，束散角变化值与理论值误差在5%以内，束散角的RMSE为0.017 5。与传统机械移动透镜组间距离控制束散角的方法相比，束散角均方根误差降低了22%，为激光参数动态调整提供了重要技术支撑。

为有效提高薄膜晶体管的电学和光学性能，本文采用射频磁控溅射法在P型硅衬底上沉积钨掺杂氧化锌薄膜（WZO），并制备成薄膜晶体管（TFT）器件，研究钨（W）的溅射功率对WZO薄膜晶体管电学和光学性能的影响，并对WZO薄膜进行表征。实验结果表明，W的溅射功率会影响薄膜的结晶质量。随着W溅射功率的增加，薄膜结晶质量逐渐变好。达到某个值后继续增加W的溅射功率，薄膜结晶质量并没有很大的改善。本文中研究的WZO薄膜均在（002）晶面择优生长，且当W的溅射功率为2 W时，WZO薄膜晶体管综合性能最好，开关比达到5.24×10⁵，阈值电压为16.89 V，在400~1 400 nm波段平均透过率达到90%。

柔性屏模组是不同屏幕膜层和光学透明胶OCA（Optical Clear Adhesive）堆叠的一种复合结构，其具备良好的显示效果和柔性。滑卷作为柔性屏的一种新型展开方式，其力学行为尚待研究。本文基于有限元方法建立了适用于柔性滑卷屏的双滑卷轴结构的数值模型，数值分析了不同滑卷轴半径、堆叠结构顺序和胶层厚度形状对滑卷过程中屏幕力学性能的影响。结果表明，柔性屏模组在滑卷过程中的应力随着滑卷半径的减小而增大，其最大应力出现在支撑层，最优的滑卷半径在3~3.5 mm之间。互换显示层和背板层的堆叠顺序使显示层位于整个膜组的中间位置并不能优化显示层的应力情况。胶层厚度形状会使各个膜层所处位置发生偏移，其中显示层应力主要受自身偏移量的影响，而受其他膜层偏移的影响较小。

水下无线光传输以蓝绿激光为载体，传输速度快，实时性强，在海洋勘探、海洋通信等方面起着非常重要的作用。然而光束自身的发散及其受水吸收和散射作用影响，导致传输过程中能量损失，接收端信号微弱。为了提高光束在水中的传输效率，本文提出了一种基于哈达玛基编码算法的光束整形模块，通过空间光调制器对波前相位进行调制，将光束分为参考光束和调制光束，并通过四步相移计算两种光的相位角，在多次变换中寻找最优全息图，聚焦接收端处的光束，减小光能经过水下信道后的损失。该研究成果有效地提升了不同距离下接收端的能量，实验结果显示，调制越精细，光束聚焦效果越好，达到了15 m处接收端中心能量2.3倍的提升。

为实现任意分辨率视频源SDI传输，设计了一种以可编程逻辑器件（FPGA）作为核心处理器的多分辨率自适应SDI传输系统。对系统所涉及的视频分辨率检测、多分辨率处理等相关方法进行了深入研究。首先，以实现4K（3 840×2 160P@60）传输系统为前提，利用四画面四路分割（SQD-Square Division）方法搭建了4K视频SDI传输系统。接着，加入分辨率检测模块，实现了多分辨率视频自适应接收功能。然后，设计了像素点填充模块和裁剪模块，使低于1 920×1 080P@60分辨率的视频均能统一成1 920×1 080P@60分辨率在SDI接口传输。经实验验证，该系统可实现多种分辨率视频的自适应传输，视频源类型包括但不限于4K（3 840×2 160P@60），1 920×1 080P@60，1 360×768P@60，1 280×720P@60，1024×768P@60等分辨率，使4K SDI传输系统具有更好的兼容性，突破了SDI接口仅可传输有限分辨率视频的局限。

图像引擎通过多种特定的算法对图像信号进行优化，在显示系统中具有极其重要的作用和地位。图像引擎中的传统色彩优化算法由多种图像算法组合而成，存在无法进行自适应优化、容易放大图像噪声等问题。为此，提出了一种基于空洞卷积的全卷积神经网络用于构建优化算法，侧重于从人眼主观感知的角度优化图像色彩。同时，有针对性地构建大规模数据集以提高算法的泛化能力，防止过拟合。测试结果表明，所提出的算法可以有效地增强原始图像的色彩，相较于传统方法，平均峰值信噪比提升了4.01 dB，平均结构相似性提升了0.04。主观对比实验结果表明，提出的算法对图像主观感知质量有显著性影响，平均提升了61%。

傅里叶叠层成像是一种实现光学系统高分辨率、大视场成像的技术。传统FP方法的高分辨率重建过程需要较高的孔径重叠率，导致采集图像数量较多，采样效率低。此外，FP重建算法的复杂度高，重建时间长。针对以上问题，本文结合深度学习，提出一种基于多尺度特征融合网络的傅里叶叠层成像算法，通过改进的特征金字塔卷积神经网络，能够从稀疏采样的低分辨振幅图像中提取特征信息并进行融合，实现超分辨的复图像重建。实验结果表明，在相同采样条件下，与传统方法相比，本文提出的深度学习算法提高了图像重建的质量，减少了90%以上的重建时间，并且对高斯噪声的鲁棒性较高。所提出的方法能够将相邻频域子孔径间的重叠率从50%降低至25%，减少50%的采集图像数量，大幅提高采样效率。

传统暗通道去雾算法计算的透射率图存在块效应，易造成复原图像白边现象，同时图像中天空、白云等明亮区域不适用暗通道原理，易引起去雾图像失真。本文结合引导滤波和自适应容差机制提出了一种基于多尺度暗通道和自适应容差的去雾算法，可有效避免以上问题。首先，计算3种不同尺寸滤波窗口下的透射率初估计，并对估计结果进行有效融合；接着，通过引导滤波对透射率进行细化，以获得鲁棒性和准确性更好的多尺度透射率图；然后，引入自适应容差策略对图像中明亮区域的透射率进行修正；最后，由于暗通道去雾图像整体亮度偏暗，因此对去雾图像的亮度和对比度进行亮度补偿。实验结果表明，采用不同算法对不含和少量天空区域的图像去雾，信息熵约提高0.2 bit/symbol，平均梯度约提高0.5，PSNR约提高8 dB。对较多和大量天空区域图像去雾，PSNR约提高3 dB，SSIM约提高0.1。较好地实现了去雾图像细节清晰、颜色可靠且明亮区域去雾效果良好等要求。

针对传统卷积神经网络遥感滑坡识别方法中存在的模型参数量多、重点区域关注不足、难以捕获长期（全局）依赖关系的问题，提出一种融合改进自注意力和卷积块注意力的遥感滑坡目标识别算法。该算法基于编码器-解码器目标识别框架，为了增强模型对滑坡区域局部特征关注程度，将卷积块注意力机制应用于浅层特征提取，从空间与通道两个维度获取滑坡目标特征关联信息。将改进自注意力机制应用于深层特征提取，使模型能够捕获特征图内和特征图间的全局特征信息，实现滑坡目标与背景区域的有效区分。实验结果表明，该方法的滑坡识别精度为96.81%，像素分割准确率均值达到90.11%。通过与FCN、DeeplabV3+等算法进行对比，该方法在保持模型轻量级的同时，有效提升了滑坡识别的准确率。