目前，红外与可见光图像融合算法依然存在着对复杂场景适用性低、融合图像细节纹理信息大量丢失、对比度与清晰度不高等问题，针对上述存在的问题，本文结合非下采样剪切波变换（ Non-Subsampled Shearlet Transform, NSST）、残差网络（ Residual Network, ResNet）与生成对抗网络（Generative Adversarial Network, GAN）提出一种 N-RGAN模型。通过 NSST变换将红外与可见光图像分解为高频子带和低频子带；对高频子带进行拼接并输入由残差模块改进过的生成器，并将源红外图像作为判决标准，以此提升网络融合性能与融合图像细节刻画以及目标凸显能力；对红外图像与可见光图像进行显著性特征提取，通过自适应加权对低频子带进行融合，提升图像对比度与清晰度；对高频子带的融合结果与低频子带的融合结果进行 NSST逆变换，从而得到红外与可见光图像的融合结果。通过与各类算法的融合结果进行对比，本文所提方法在峰值信噪比（ Peak Signal to Noise Ratio, PSNR）、平均梯度（ Average Gradient, AVG）、图像熵（ Image Entropy, IE）、空间频率（ Spatial Frequency, SF）、边缘强度（ Edge Strength, ES）、图像清晰度（ Image Clarity, IC）等多个客观指标上均有提高，可提升复杂场景下的红外与可见光图像融合效果，改善图像细节纹理信息损失严重的问题，同时提升图像对比度与清晰度。

近年来, 太赫兹技术得到迅速发展, 在通信、反恐、检测和医药等领域展现了广泛的应用潜力。尤其是许多生物分子和材料在太赫兹波段存在特征的吸收光谱, 而且太赫兹波能量低损伤小等特点, 使得太赫兹生化传感器越来越受到关注。然而, 由于太赫兹波的波长较长与生物分子等的尺寸差别非常大, 导致相互作用比较弱, 从而限制了太赫兹传感器的性能。通过微纳电磁结构对光场空间分布和频率分布的调控, 增强太赫兹波传感器的灵敏度是当前的研究热点。文中将重点介绍各种微纳结构太赫兹传感技术的原理和研究现状, 并通过梳理其发展趋势和当前的性能制约因素, 讨论此方向将来的发展方向和应用前景。

在Gerchberg-Saxton (GS)算法的基础上，引入光强传播方程法（TIE）和加速角谱迭代算法，提出了基于TIE的加速角谱迭代算法，实现了更加精准快速的相位恢复。该算法通过3个面的光强（一个输入面，两个输出面）进行相位恢复，首先通过光强传播方程得到初始的相位，进而使用加速角谱迭代算法进行进一步的迭代恢复相位。通过数值仿真得出，该算法在二维图像相位恢复过程中更加精准快速，抗噪性更强。在可恢复相位的控制范围内，迭代40次即可趋于稳定，均方根(RMS)误差可控制在10-6数量级。