露天矿区非结构化路面环境复杂多变，特别是在中远距离视角下，车辙、水坑等小尺度区域在图像中呈现为低分辨率细节目标，其纹理与边界信息在特征提取过程中严重丢失，极易导致小目标漏检与分割边缘模糊，对无人驾驶车辆的路径规划安全构成严峻挑战。针对该问题，提出一种基于空间深度转换的露天矿卡行车可行驶区域实例分割模型(SCG-YOLO)。首先构建空间到深度变换与可变形卷积(space-to-depth and deformable convolution, SDC)模块，通过空间深度解耦重组保留车辙纹理、水坑边缘等细粒度信息，再结合可变形卷积的动态采样特性，适配非结构化路面中目标的非刚性形变，加强模型对路面纹理细节和地形边缘的感知能力。其次引入坐标注意力(coordinate attention, CA)机制，通过抑制无关信息并增强车辙、水坑等关键区域的特征响应，进一步改善分割掩膜边缘清晰度与区域完整性。最后采用Ghost模块对Neck层进行轻量化重构，作为工程约束以确保模型在维持高精度的前提下满足实时性需求。基于现场采集的露天矿区道路数据集进行实验验证，结果表明：模型mAP50达到了82.6%，较基准模型提高了11.7%，且分割边缘清晰度得到改善；同时保持425.31 f/s实时性，为露天矿复杂环境下无人驾驶提供了可行的环境感知方案。

针对城市街景语义分割中的边界模糊这一核心问题，本文提出一种基于双分支边界细化网络的街景语义分割方法 (BRNet)。该方法通过边界细化模块重点强化边缘特征提取，能有效改善复杂场景下的边界分割质量；结合自适应采样卷积增强多尺度特征适应能力，并通过特征传递模块促进双分支信息互补。此外，引入洛瓦兹损失函数缓解类别不平衡问题。实验表明，BRNet在Cityscapes数据集上的mIoU达81.43%，较双边分割网络V2 (bilateral segmentation network V2, BiSeNetV2)提升5.69%，在WildDash2和BDD100K数据集上展现良好泛化性，特别在边界清晰度和小目标分割方面表现优异，验证了其实用性。

针对通道特征交互能力不足，导致难以筛选关键特征的问题，本文提出了动态通道特征校准的池化残差分类网络 (pooling residual image classification network with dynamic channel feature calibration, DCPRNet)。DCPRNet以ResNet-34残差网络为基础，首先修改残差网络的首层，将7×7卷积替换为3×3，删除最大池化，提高深层网络特征的表达能力。其次提出分块加权注意力 (chunked weighted attention, CWA)机制，通过特征分块、评分生成等操作，对通道特征分块的重要性权重进行校准，抑制干扰信息，提高关键区域的贡献度。然后，提出动态通道特征校准 (dynamic channel feature calibration, DCFC)模块，该模块由随机子组置换模块和分块加权注意力操作组成，使通道动态交互，增强跨组信息交流，校准特征权重，筛选关键特征。最后，在动态通道特征校准模块的残差分支上，加入平均池化操作，实现平滑下采样，保留更多有效特征。本文方法在数据集CIFAR-10、CIFAR-100、SVHN、Imagenette、Imagewoof上分别达到了96.41%、80.36%、96.97%、91.59%、80.61%的分类准确率，对比现有的主流模型，该网络能提高通道间的信息交互，增强特征表达能力和对关键特征的提取能力，提升模型的分类性能。

传统衍射透镜受限于材料的固有特性，存在聚焦效率低、工作波长单一和色差等问题，常通过多个透镜级联提高成像质量，限制了光学系统的小型化与集成化发展。多台阶微透镜为光学系统的微型化提供了新思路，然而仍受到色差等影响且设计较为复杂。为此，本文提出一种基于改进直接二进制搜索算法的三波长消色差透镜设计方法，在1.064 μm、1.300 μm和1.550 μm三波长下实现了高效率消色差。理论结果表明，优化后的八台阶、十六台阶透镜的平均聚焦效率分别达到90.99%和92.46%，相较于优化前分别提升了13.95%和13.64%。该方法可用于三波长成像系统、光计算与光信息处理和生物医学成像等领域。

宽视场光场成像能以更大视野反映场景中光线方向与强度信息，其巨大的数据量也对编码压缩技术提出更高要求。针对宽视场光场图像数据量大、目标码率可变及内容不确定的编码挑战，提出一种目标码率与图像内容感知的编码方法。首先，构建稀疏采样模式集，基于光场图像复杂度特征与目标码率约束，通过K近邻算法自适应优选最佳稀疏采样模式，降低选择复杂度；其次，以关键视图帧间距离为依据设计帧级码率分配策略，提升角度维质量一致性；最后，结合场景显著性、深度与区域复杂度，提出LCU级内容感知码率分配策略，实现细粒度资源优化。用户端通过深度学习网络重建非关键视图，获得完整光场图像。实验结果表明，所提方法能根据目标码率与光场图像内容快速地获得优选的稀疏采样模式，显著降低稀疏采样模式选择的复杂度，提升在网络传输条件变化下的宽视场光场图像编码性能；对比现有方法，平均实现45.284%码率节省与1.641 dB峰值信噪比提升，且角度维一致性得到增强，随机访问惩罚最高仅20.29%，表现出良好的综合编码性能。

针对无人机红外目标检测中存在计算资源受限、背景干扰强及目标尺度多变等挑战，本文提出了一种基于YOLO的多尺度红外目标检测算法YOLO-MITD。首先，设计Ghost增强型跨级融合模块(ghost-enhanced cross-stage fusion module, GCFM)，通过GhostConv轻量化卷积重构特征融合路径，显著减少模型参数量并增强多尺度特征提取能力；其次，构建高效的多尺度交互模块(efficient multi-scale interaction module, EMIM)，通过跨维度交互强化关键特征通道与空间关联性，提升复杂背景下目标显著性表达；然后，设计自适应空间特征融合检测头(adaptive spatial feature fusion head, ASFFH)，通过动态权重分配实现多尺度特征融合并抑制特征冲突，有效提升目标检测的尺度一致性；最后，构造自适应阈值焦点损失函数(adaptive threshold focal loss, ATFL)，通过动态调整难例挖掘阈值优化训练过程，缓解类别不平衡问题。在HIT-UAV红外数据集上实验结果表明，所提算法以少量计算开销，mAP50达到86.7%，较基准YOLOv8n提升6.1%。在CTIR与SIRST数据集上的跨场景泛化实验进一步验证了算法的鲁棒性，mAP50分别达到85.4%与67.2%，显著优于主流模型。

内窥光学相干层析成像 (E-OCT)结合血管造影算法，可实现管腔组织高分辨率结构与血流动力学同步成像。针对近端控制内窥OCT受困于系统稳定性与非均匀旋转畸变 (NURD)影响而难以实现OCTA成像的问题，本课题组在前期工作中通过优化扭矩传输系统的机械稳定性并采用有效的NURD矫正算法，首次突破在近端控制内窥OCT系统中进行OCTA成像瓶颈。在此技术基础上本文进一步开展应用研究，将其成功拓展至多种细小管腔与血管结构的在体成像，包括大鼠直肠、小鼠膀胱、新西兰兔尿道及血管等部位，实现了从消化系统、泌尿系统及血管系统的多器官OCT/OCTA成像。实验结果表明，该方案能够稳定获取清晰的多层级组织结构信息，并准确呈现粘膜层及粘膜下层微血管网络分布。在尿道狭窄和膀胱癌模型中，成像结果进一步揭示了病变相关的组织结构异常及微血管灌注特征变化。综上，本文完成了近端控制内窥OCT/OCTA技术在多器官、多物种条件下的在体成像，为相关疾病的组织结构与微循环血流影像学研究提供了实验依据，并对该类技术由实验室研究向临床应用转化提供一定的参考价值。

有机发光二极管 (Organic light-emitting diode, OLED)凭借质量轻、响应快、功耗低以及可柔性显示等优势，成为新一代显示技术。目前，基于显示三基色的红光、绿光和蓝光OLED 已经实现了商业化。然而，紫外光 OLED相比于其他可见光区的 OLED 发展较为缓慢。本文基于氧/硼/氧多重共振分子骨架设计合成了三种近紫外有机发光材料，TB-PhCz、TB-MePhCz和TB-2MePhCz。理论计算表明，三个分子均表现出多重共振分布的特点。三个分子具有良好的热稳定性，溶液状态下呈现出强烈的近紫外光发光，其发光峰位分别为402 nm、399 nm和395 nm。基于三个分子制备的OLED都表现出非常优异的电致发光性能，其中，基于TB-MePhCz的OLED器件最大外量子效率达到了8.05%；三个分子均实现了较好的色纯度，其中，TB-2MePhCz则表现出最紫的发光，光谱发光峰位为396 nm (半峰宽为20 nm)，CIE坐标为 (0.169, 0.012)，为开发更多性能优异的紫外光OLED提供了参考。

在条纹投影轮廓术中，条纹图像的投影与采集速度是决定三维测量效率的核心参数，因此如何快速获取条纹图像已成为目前的研究热点。基于DLP投影仪的传统方法需要投影仪占用255个脉冲周期进行投影，并依赖相机时间积分成像，以获取单帧8位正弦条纹图像。对于至少需要三帧图像的相移算法，该过程耗时显著，未充分发挥投影仪刷新率的极限，难以满足动态三维测量的需求。此外，传统方法中投影仪与相机的非线性响应会引入明显的测量误差，从而降低整体测量精度。针对上述问题，本文提出一种基于线移二值聚焦投影的正弦条纹图像获取方法。该方法仅需16个脉冲周期，即可获取任意相移步数的正弦图案，并在此基础上提取相位信息，实现三维形貌测量。通过静态和动态的综合实验对比，结果表明所提方法不但显著提高了三维测量速度，而且有效抑制了三维测量系统的非线性误差，进一步提高了测量精度。

针对小尺度和复杂场景下行人检测存在的精度不足、漏检和误检问题，以及推理效率和模型轻量化需求，提出一种改进RT-DETR的轻量化行人检测算法—SRL-DETR。首先，提出空间频率特征融合模块，以增强主干网络在空间与频率上的特征表达能力，提高对小目标的感知能力。其次，设计特征缩放精细增强模块，优化多尺度特征融合过程，从而提升模型对密集目标和复杂场景的检测性能。最后，引入基于通道重要性评估的自适应剪枝，在保留关键特征的前提下降低冗余计算。实验结果表明，所提算法在CityPersons数据集上mAP50提升至71.6%，相较于基准模型提升2.0%，参数量和计算量分别下降50.5%和42.1%；并进一步在TinyPerson与WiderPerson数据集上进行泛化性能验证，mAP50分别提升3.7%和1.0%，展现出较强的跨场景适应性。综上所述，所提算法在显著提升行人检测精度的同时，有效保持了模型轻量化，适用于多种复杂场景。

高精度元件制造对表面缺陷检测与三维形貌测量提出了极高要求。激光共聚焦显微镜虽为此提供了有效的技术路径，但其串行点扫描模式导致成像效率低下，难以满足工业在线检测需求。为此，本研究研制了一套基于并行探测共聚焦原理的高性能光学表面量检测系统。该系统通过多探测器并行成像与像素位移重组算法，成功突破了传统共聚焦在信噪比与分辨率之间的固有权衡限制；基于探测器阵列的空间排布特性，开发了快速扫描模式，实现了成像帧率的3.5倍提升。针对系统关键环节，本研究提出了多PMT增益标定方法以保障通道一致性，开发了一种无硬件依赖的PCHIP扫描畸变校正算法，几何校正精度较常用方法提升59.403%。并建立了三维轴向标定方法以补偿系统轴向误差。实验表明，本系统对1.8 μm标准高度块的量测轴向标准差为4 nm，在半导体光刻及硅基流片样品等元件的二维与三维量检测中表现出优良性能，为工业界提供了一种高效、高精度的表面量检测解决方案。

为解决微波等离子体推力器(MPT)关键参数精准诊断的技术瓶颈，本研究以He为诊断工质，构建基于原子发射光谱的参数诊断系统，采用NOVA-EX光纤光谱仪(探测范围319~1106 nm)采集不同流量下的等离子体特征光谱，结合玻尔兹曼作图法实现气体温度定量测量。结果表明：He工质流量与气体温度、推力器比冲呈显著同步负相关，100~400 sccm区间平缓下降，400 sccm后因比能量降低、微波屏蔽效应强化等因素，下降斜率显著增大；功率变化不改变核心负相关规律，但会调控参数数值水平与性能陡降临界阈值。该研究为MPT的工质流量优化、结构设计改进及数值模拟提供了可靠的实验依据与理论支撑。