液晶空间光调制器（LC-SLM）通过对液晶折射率的调制来实现对光程的控制，在自适应光学中起着重要的作用。文章梳理了国内外LC-SLM的发展现状，对LC-SLM的工作原理和相位标定原理进行了详细介绍，针对LC-SLM在自适应光学中的应用，对国内外LC-SLM关键技术研究状况进行了讨论，分析总结了西安理工大学在该领域的实验研究。最后展望了LC-SLM的应用前景。

图像几何畸变校正是许多计算机视觉应用的关键预处理步骤。当前基于深度学习的几何畸变校正方法主要解决图像的单一畸变校正问题，为此，本文提出一种改进U-Net网络的图像混合畸变校正方法。首先，提出了一种构建混合畸变的图像数据集的方法，解决了训练数据集稀缺以及畸变类型单一的问题。其次，采用U-Net网络结合空间注意力机制进行图像特征提取及畸变坐标图的重建，将图像校正问题转为畸变图像的逐像素点坐标位移变化的预测问题，并设计了结合坐标差损失和图像重采样损失的损失函数，有效提高校正的准确性。最后，通过消融实验验证了本文方法各模块的性能。与最新基于深度学习的畸变校正方法对比。实验结果表明，本文方法在定量指标和主观评价方面都有较好的表现，对畸变图像的空间坐标校正的平均绝对误差为0.251 9。本文还对GoPro相机获取的光学影像开展了校正实验，进一步验证了本文方法对畸变图像校正的有效性。

视觉诱导晕动症（VIMS）是虚拟现实（VR）体验过程中可能产生的一种常见症状，该症状严重降低了用户的体验的舒适度，阻碍了VR技术的推广和发展。虚拟空间畸变是影响VR体验舒适度的潜在因素之一，近眼显示设备不完全的畸变校正会产生虚拟空间畸变，进而可能引发VIMS。针对虚拟空间畸变对VIMS的影响程度，本文模拟VR技术的体验过程，对以VR技术为代表的近眼显示技术畸变机理进行分析，设计了3个不同畸变参数下VIMS等级评价的视觉感知实验，并对实验的主客观数据进行统计分析。结果表明，虚拟空间畸变对VIMS症状具有显著性影响，受测者观看立体影像的畸变程度越大，所引起的VIMS症状越明显。该研究可为VR技术体验的舒适度提升方向提供理论依据。

光学相控阵技术具有响应速度快、系统紧凑、功能多样和控制灵活等优点，在众多科学技术领域得到了广泛的应用。在近50年来的光学相控阵研究与应用中，涌现出了众多卓越的成果。为了对光学相控阵领域的发展进行梳理，简要回顾了光学相控阵技术的历史，并论述了光学相控阵技术的基本原理。从光束发射与接收等不同应用场景的角度，结合笔者的思考，深入介绍了光学相控阵在高品质的光源技术、激光相干合成技术、光束扫描技术、大气链路畸变控制技术以及合成孔径探测与成像技术多个领域的发展现状，并最后对光学相控阵技术的瓶颈与未来的发展研究趋势进行了评述。

为实现高次非球面的高精度检测与确定性加工，从高次非球面检测的零位补偿器设计和干涉检测图的投影畸变校正两方面出发提出了具体的解决方案。首先，基于三级像差理论与PW法推导了高次非球面三片式补偿器初始结构参数计算公式。针对有效口径314 mm、F/0.78的8阶偶次非球面，将基于公式获得的初始结构参数代入光学设计软件进行缩放、优化后获得PV=0.009 6λ、RMS=0.001 2λ（λ=632.8 nm）的补偿器设计结果，公差分析结果表明此设计满足高次非球面λ/50的检测精度要求。进一步地，针对基于零位补偿器的干涉检测图存在畸变的问题提出了一种校正方法，该方法采用零位补偿器的成像畸曲线数据确定干涉图的畸变规律，利用畸变零点求解算法确定畸变中心，结合畸变规律与畸变中心点坐标进行逆向求解实现干涉检测图畸变的快速校正。采用本文所提方法对零位补偿检测结果进行畸变校正，基于畸变校正结果对非球面进行了6次磁流变抛光后，面形RMS由0.270λ收敛至0.019λ，验证了该畸变校正方法的有效性。

为了改善传统随机并行梯度下降(Stochastic Parallel Gradient Descent, SPGD)算法收敛速度慢且容易陷入局部极值的问题，提出了一种元启发式随机并行梯度下降(Meta-Heuristic SPGD, MHSPGD)算法。该算法将SPGD算法和元启发式算法的开发与探索两步结合，首先利用SPGD算法的梯度下降搜索得到局部最优解，然后进行邻域搜索得到局部最优区域以外的可能最优解，通过所有解性能指标的比较来确定新的迭代起点。随着搜索范围的自适应扩展，该算法能够避免陷入局部极值并趋向收敛于全局最优。同时，为了避免重复搜索，建立了记忆表来记录迭代过程中产生的次最优解。搭建了无波前探测器自适应光学系统模型，运用所提算法对不同湍流强度下的波前畸变进行了仿真校正，并针对不同Zernike阶数的像差进行了仿真实验。在三种湍流强度下，MHSPGD算法所能达到的斯特列尔比(Strehl Ratio, SR)分别为0.7621、0.6554、0.3749，相比于SPGD算法分别提升了0.1%、2%和18.6%。此外，当畸变中含有较多高阶成分时，文中所提优化算法相比传统的SPGD算法，SR收敛到0.6所需的迭代次数减少了约47%，且SR收敛极限值也提升了约9.4%。结果表明：与三种主流优化算法相比，MHSPGD在保持较快收敛速度的同时，能够在各种湍流强度下达到更高的收敛极限，有效地解决了算法的局部收敛问题。