针对遥感图像中舰船小目标占比大、多方向旋转等问题，提出一种基于纹理和颜色双重特征增强的舰船小目标检测方法。首先，设计生成对抗网络增强舰船小目标的纹理特征，生成高分辨率的舰船图像。然后，采用深度强化学习算法增强图像的颜色信息，解决舰船目标与背景颜色低对比度的问题。接着，设计自适应变换特征金字塔网络，增强全局感受野，有效解决深层网络中空间信息缺乏导致的小目标特征难以提取的问题。最后，利用特征细化模块和圆形光滑标签完成对舰船目标边界框的特征点对齐和角度回归，有效提高多方向旋转舰船目标的检测精度。此外，在HRSC2016和DOTA两个公共数据集上进行了相关实验。可以发现，所提方法在两个数据集上的平均精度均值可分别达到72.87%和89.91%，相比主流的目标检测算法得到了大幅提升。

采用狭缝光束分析仪和偏振仪测量了从铝薄膜表面反射的圆偏振光的光斑位置和偏振特性随外界直流电压变化情况,理论拟合激光从铝薄膜反射后的光斑位置与直流电流电压的关系。测量和多项式拟合结果表明,当外部电压值从0变化到2.5 V时,圆偏振激光在x轴和y轴上的位置分别是从-45 μm移动到-95 μm,从35 μm移动到75 μm,而激光束的光学偏振度基本上不变化。