太阳上层大气，即日冕、过渡区和色球，是由炽热的高度动态的磁化等离子体构成，其中高度电离的离子发射出丰富的极紫外谱线。空间太阳极紫外光谱成像观测对于捕获太阳上层大气中爆发活动的动态物理演化过程，以及实现对大气等离子体特征参数的精确测量具有重要的意义。然而现有的极紫外光谱成像仪器只能针对太阳上层大气的一个或两个目标区域进行成像观测，缺乏采用单一仪器对整个太阳上层大气区域在大空间和宽波段尺度范围内的光谱进行诊断的能力，严重制约了人们对太阳爆发活动中的能量及物质输运过程的理解。为了利用单个仪器实现对日冕、过渡区和色球的高分辨率同时诊断观测，本文提出并设计了一款同时工作在17∼21 nm、70∼80 nm和95∼105 nm三个波段的太阳极紫外成像光谱仪，该仪器基于非罗兰圆结构下的椭球面变线距（EVLS）光栅像差校正理论，采用狭缝扫描式成像光谱结构，实现了具有大离轴狭缝视场的高空间、高光谱分辨的消像散光谱成像。基于蒙特卡罗统计模拟方法对太阳极紫外三波段成像光谱仪的最优模型开展光线追迹仿真实验，仿真结果表明，所设计的成像光谱仪取得了良好的光栅像差校正效果，系统空间分辨率优于0.6″，光谱分辨率在17∼21 nm波段优于0.006 nm，在70∼80 nm和95∼105 nm波段优于0.008 nm。本文研究对我国未来的太阳极紫外光谱成像仪器的发展和研制具有重要的理论意义，对我国未来的太阳空间探测任务的型号遴选具有重要的参考价值。

提出了一款工作在Ne VII 46.52 nm谱线的新型三级次无狭缝成像光谱仪，该仪器采用两个超环面等线距光栅作为衍射元件，其中单个光栅仅工作于一个级次，这解决了现有三级次仪器使用单个光栅同时工作于三个级次的弊端，显著提升了系统校正离轴光栅像差的能力，结合光谱数据反演算法可以实现24′×24′视场下的高空间（1.547″）和高光谱分辨率（0.0078 nm）观测。

提出了一种针对室内场景的轻量化端到端单目深度估计神经网络。首先设计了新型自适应深度分布估计模块，可针对不同输入图像估计差异化的深度范围，使得网络更好地预测室内物体的相对位置关系，恢复出的深度图像能获得更接近真实值的像素分布。其次，在深度估计的过程中，通过基于平面系数的深度间接表示形式加入平面隐式约束，可以在场景的平面区域得到更平滑的深度估计结果。在NYU Depth-v2数据集上的多项实验结果表明，提出方法能满足较高分辨率下的实时性要求，同时能以更少的参数恢复出质量更高、更完整的室内深度图像，有助于实现更加准确的三维重建效果。

龙王山墓葬位于湖北省荆门市, 属于大溪文化向屈家岭文化过渡的关键时期, 距今约5 000年。 该墓葬共出土玉器73件, 玉器品质普遍较好。 长江中游地区历来鲜少出土玉器, 而时代更迭之期更是社会变革之际, 无论是从地理位置还是从时期上来看, 研究龙王山墓葬出土的玉器都具重大意义。 采用相对密度检测, 红外光谱仪（FTIR）及激光剥蚀电感耦合等离子体质谱仪（LA-ICP-MS）研究出土玉器的谱学及化学成分特征, 鉴定其材质, 并对用料水平及矿源进行了探究。 红外光谱结果显示龙王山墓葬出土玉器的红外吸收谱图可分为两类: 软玉类和玛瑙类。 软玉类玉器的红外吸收峰表现为1 207, 1 123, 1 028, 928, 775, 700, 602, 488和425 cm-1处。 玛瑙类玉器的红外吸收峰表现为1 158, 814, 790, 702, 572, 521及405 cm-1。 软玉类玉器有71件, 且品质都非常好, 说明龙王山墓葬先民对玉料的分选能力很强。 将龙王山墓葬的用料水平与同时期其他地区的考古学文化的用料水平进行对比, 龙王山墓葬的用料水平远超同期; 将龙王山墓葬的用料水平与湖北地区新石器时代的用料水平进行对比, 龙王山墓葬的用料水平远超湖北地区平均水平。 LA-ICP-MS的结果显示软玉质玉器的微量元素主要包含K和P等, 微量元素赋存情况以W, U, P及Sb元素富集, Th和Ti元素亏损为主。 玉器的稀土配分型式图多样, 水平海鸥状、 左倾式、 右倾式皆有。 Ce异常普遍不明显, Eu以正异常及负异常为主。 采用多元统计方法中的逐步判别法, 辅助SPASS软件, 对龙王山墓葬出土玉器的稀土元素及微量元素含量进行投点, 推断大部分玉料来自某个与新疆成矿环境类似的矿床, 但因其地球化学特征的多样性, 不排除玉料多来源的可能性。

提出了编码器到解码器结构的深度卷积神经网络，并基于二维层面和三维层面共同约束网络从单目图像中学习深度。在二维图像层面，为了均衡网络提取到的浅层细节特征和深层语义特征，引入通道注意力机制，在相同尺度上为编码器特征与解码器特征添加权重连接；为了得到边缘细节信息更丰富的深度图，构建了尺度不变损失和基于图像金字塔的多尺度边缘损失。在三维几何层面，为了提高点云之间的几何一致性，基于空间中坐标点的局部和全局几何关系，构建了深度的全局几何约束损失和局部几何约束损失。在NYU Depth-v2数据集上将所提方法的结果与其他方法进行定量定性比较。结果表明本文方法可以估计出准确度和细节上表现更好的室内场景深度，实现了更为准确和平滑的单张图像三维重建效果。

为了进一步提高遥感图像超分辨效果, 提高超分辨重建速度。针对以往稀疏超分辨算法中更容易丢失边缘信息和引入噪声的问题, 本文改进了特征提取算子, 以对称近邻滤波(SNN)代替高斯滤波, 重点解决特征空间中的字典学习问题。首先, 根据遥感图像退化模型生成训练样本图像, 并分别对高、低分辨率遥感图像进行7×7分块, 生成字典训练样本。然后, 建立连接高、低分辨率图像空间的双参数联合稀疏字典, 将字典学习过程中的稀疏系数分解为系数权值和字典原子的乘积, 依据字典原子指标训练和更新字典, 得到高低分辨率联合字典映射矩阵。最后, 进行遥感图像超分辨稀疏重构。实验结果表明: 与当前最先进的稀疏表示超分辨算法相比, 本文算法得到的超分辨重建遥感图像的主观效果更好, 恢复出更多的地物细节信息; 客观评价参数峰值信噪比(PSNR)提高约1.7 dB, 结构相似性(SSIM)提高约0.016。改进的稀疏表示超分辨算法可以有效地提高遥感图像超分辨效果, 同时降低重建时间。

针对肢体动作有限的虚拟人仿真系统,提出了一种基于视频序列的虚拟人渲染方法。首先利用建模工具获取关键表情和口型的脸部模型,并对脸部模型进行预处理,在选取脸部模型后,采用基于模型的脸部姿态估计算法,将其叠加到包含肢体动作的图片上以生成具有新表情的图片;然后利用图像变形技术逐次生成含有虚拟表情的图像序列,并将图像序列转换为视频,通过播放视频渲染出逼真的虚拟人。实验结果表明,渲染得到的虚拟人的真实度有了明显的提高。