通常自相似脉冲光纤激光器的增益光纤都为正常色散，而利用色散补偿在反常色散增益光纤的激光器中能否取得相同的效果，目前还缺乏相关研究。这类激光器输出和演化特性有何特点以及应如何优化等都成为有待解决的问题。对色散管理型含反常色散增益光纤的锁模激光器进行研究，通过和传统自相似激光系统的分析和对比，指出其完全符合无源自相似激光器特征，并可达到传统正常色散增益光纤构建的无源自相似脉冲激光器的效果。在理论上拓展了自相似脉冲激光器的可实现范围，弥补了传统自相似脉冲激光器在该方面的欠缺。此外，针对该类型激光器系统的色散图、净色散量和色散补偿部分的非线性等方面对输出脉冲的影响进行了详细讨论，为中红外波段使用反常色散增益光纤的激光器产生更高质量的超短脉冲提供了新思路。

针对压缩光谱成像的图像重建问题，提出了一种基于非局部稀疏表示与双相机系统的压缩光谱重建方法。首先，利用RGB观测来构建一种三维图像块，使用K均值聚类对图像块进行分类，并以聚类结果来指导目标高光谱图像的光谱块分类，通过主成分分析获取每个簇的特征用来稀疏表示其他光谱块。然后用构建的三维图像块估计目标光谱图像非局部相似性，并构建目标函数。最后，通过迭代收缩算法与共轭梯度下降法来交替优化目标函数完成重建。仿真和实拍结果表明，所提方法能大幅提升重建质量与精度，在空间和光谱维度上重建误差更小，RGB观测辅助字典学习与相似块估计的方法能有效提升双相机系统的计算效率。

为了满足光纤激光器在宽光谱高能量应用领域的要求，搭建了一种结构紧凑的光纤型宽光谱啁啾脉冲放大系统。将色散管理型锁模激光器产生的高斯型脉冲作为种子源，注入到正色散掺铒光纤放大器中进行自相似放大，脉冲将逐渐演化成抛物线型，此过程中脉冲的谱宽和能量都迅速增大。随后脉冲经色散补偿光纤的时域展宽，双包层铒镱共掺光纤的功率放大，透射光栅对压缩后实现了高能量的宽光谱输出。并结合理论模拟，优化了激光器的各元件参数，最终在中心波长1 560 nm处实现了光谱宽度为30 nm，平均功率为1.3 W，脉宽为587 fs，重复频率为40.1 MHz的宽光谱高能量激光输出。该激光器结构紧凑，稳定性好，对光学频率梳、光通信等应用领域具有一定研究价值。

高功率高能量飞秒光纤激光系统通常采用主振荡器加功率放大器结构。在放大飞秒脉冲时，非线性效应是制约脉冲能量的主要因素。基于传统啁啾脉冲放大技术的光纤激光系统虽然能够产生能量在1 mJ量级的飞秒脉冲，但是所产生的脉冲通常在200 fs以上，无法直接满足能量要求较低（1~100 µJ范围之内）、脉冲宽度却更短（60 fs以下甚至更短）的应用需求。与啁啾脉冲放大技术通过展宽脉冲而减少非线性相移相反，非线性放大故意保持脉冲的宽度在皮秒量级从而积累大量的非线性相移，导致放大后脉冲的光谱展宽为输入光谱的数倍，经过传统光栅对压缩后能够产生60 fs以下的近变换极限脉冲。本文主要以掺镱光纤放大系统为例，重点介绍自相似抛物线脉冲放大、预啁啾管理放大、增益管理放大和非线性分脉冲放大四种非线性光纤放大技术的工作原理、发展现状以及未来趋势。将提出的预啁啾管理分脉冲放大与多路相干合成相结合，有望产生重复频率1 MHz、平均功率超过1 kW、脉冲能量1 mJ左右的亚50 fs脉冲。这种千瓦级高重复频率、高能量飞秒脉冲源在基础科学、激光加工等领域中具有潜在的应用。

深度卷积神经网络最近在图像超分辨率方面展示了高质量的恢复效果。然而，现有的图像超分辨率方法大多只考虑如何充分利用训练集中固有的静态特性，却忽视了低分辨率图像本身的自相似特征。为了解决这些问题，本文设计了一种自相似特征增强的网络结构(SSEN)。具体来说，本文将可变形卷积嵌入到金字塔结构中并结合跨层次协同注意力，设计出了一个能够充分挖掘多层次自相似特征的模块，即跨层次特征增强模块。此外，本文还在堆叠的密集残差块中引入池化注意力机制，利用条状池化扩大卷积神经网络的感受野并在深层特征中建立远程依赖关系，从而深层特征中相似度较高的部分能够相互补充。在常用的五个基准测试集上进行了大量实验，结果表明，SSEN比现有的方法在重建效果上具有明显提升。

在模糊核未知情况下利用模糊图像对清晰图像进行复原称为图像盲解卷积问题，这是一个欠定逆问题，现有的大部分算法通过引入模糊核和清晰图像的先验知识来约束问题的解空间。本文提出了一种基于跨尺度字典学习的图像盲解卷积算法，采用降采样图像训练稀疏表示的字典，并将图像纹理区域在该字典下的稀疏表示作为正则化约束引入盲解卷积目标函数中。图像降采样过程减弱了图像的模糊程度，且图像中存在冗余的跨尺度相似块，利用更清晰的图像块训练字典能够更好地对清晰图像进行稀疏表示，减小稀疏表示误差；同时，由于在纹理区域清晰图像的稀疏表示误差小于模糊图像的稀疏表示误差，在该字典下对图像中的纹理块进行稀疏表示，使重建图像偏向清晰图像。本文的算法在Kohler数据集上复原结果的平均峰值信噪比为29.54 dB。在大量模糊图像上的实验验证了本文的算法能够有效解决大尺寸模糊核的复原，并具有良好的鲁棒性。