现有基于视觉变换器（Vision Transformer， ViT）的图像级弱监督语义分割方法主要依赖自注意力机制提取有限的语义信息，未能充分利用多维特征关系，导致目标区域的识别较为粗略。为此，提出一种时空对比学习驱动的弱监督图像语义分割网络（Spatio-temporal Contrastive Learning， STCL），旨在通过时间、空间角度挖掘监督信息，以提高分割精度。通过ViT的令牌机制，引入了空间特征对比学习模块，结合补丁级令牌和类级令牌对比策略，深入探索图像空间中隐含的语义特征关系；设计了时间上下文对比学习模块，通过构建记忆库，利用历史图像分割中的先验知识来指导当前语义分割任务，并建立了记忆库更新策略和自适应记忆对比度损失，进一步提升了模型对细节区域的辨识能力。实验结果表明，在PASCAL VOC和MS COCO数据集上的平均交并比可以分别达到72.7%以及43.6%，证明了所提出方法的优越性。

准确评估和订正临边大气探测仪器的在轨指向及观测切点高度偏差对全球痕量气体的垂直反演精度至关重要。针对我国风云三号F星全新仪器-紫外临边探测仪（Ozone Monitoring Suite-Limb，OMS-L），基于仪器精测坐标系推导了扫描镜观测几何指向模型，构建了等距离虚拟椭球切高解算模型，首次研发了8种配置参数模式分析计算地球椭球/圆球模型、卫星轨道姿态、仪器安装参数以及叠加因素对理论设计观测切高的影响。针对采用knee点法评估出的OMS-L在轨测试期间存在的切高系统偏差，在轨订正仪器安装俯仰参数并统计12个月的仪器指向稳定性。结果表明切高订正精度优于0.4 km，仪器垂向（沿轨）指向季节性变化小于0.01°。针对OMS-L跨轨指向精度，采用同平台同波段的对地观测仪器图像作为基准进行图像匹配，结果表明OMS-L跨轨方向定位偏差对应仪器指向偏差为0.1°。OMS-L沿轨跨轨在轨指向精度满足临边探测痕量气体反演需求。

铝基碳化硅因其高模量、轻量化特征，成为新一代空间光学反射镜理想材料，但表层氧化铝及多相界面缺陷使其很难达到光学镜面要求。为了满足铝基碳化硅反射镜的光学性能需求，对铝基碳化硅（SiC_p体积分数为20%）表面镍磷非晶膜的制备技术进行优化，采用“清洗-初次浸锌-退锌-二次浸锌-化学镀镍”的工艺路径，重点解决氧化膜去除、界面活化、界面强度提升及镀层厚度控制等核心问题。铝基碳化硅基体表层经初次浸锌产生碎屑状化合物，可部分去除氧化铝薄膜层，但形成的活化层厚度浅且易剥落。硝酸退锌处理能够清除化合物层并暴露基体材料。二次浸锌后实现大范围全覆盖活化，且碳化硅颗粒表面也被活化层覆盖，界面结合强度较未活化处理前得到提升。L₉正交实验结果表明，化学镀时间对镀层厚度影响最显著，其次为二次浸锌时间和初次浸锌时间。最优参数组合为化学镀8 h、初次浸锌10 s、二次浸锌2 min，镀层厚度约为50~60 μm。本工艺通过分步活化与晶胞堆叠生长机制，协同提升了镀层界面结合强度与材料致密度，为空间光学反射镜的高稳定性需求提供了表面改性方案。

针对自动驾驶环境感知等应用场景对算法准确性和实时性的严苛要求，为了有效平衡语义分割模型的精度与推理速度，提出一种基于三分支网络的实时图像语义分割算法。借鉴PIDNet算法设计三分支网络结构，分别用于提取图像的细节信息、语义上下文信息和边缘信息。在语义分支设计高效金字塔池化模块，用于获取不同尺度的上下文信息，同时增大网络特征感受野。在细节分支和边缘分支设计轻量高效的多尺度通道交互注意力模块，以对提取到的特征进行增强。最后，融合上述三分支提取的图像特征并输出最终的语义分割结果。实验结果表明，所提出的基于三分支网络的实时图像语义分割算法在Cityscapes数据集取得了79.2% mIoU及88.5 frame/s的实时语义分割性能，在CamVid数据集取得了80.5% mIoU及140.1 frame/s的实时语义分割性能。本文提出的算法可以高效地实现图像语义分割任务，实时性和准确性方面均获得了极佳的平衡，语义分割性能显著优于现有基准方法。

针对现有多基线气体透射比测量系统存在稳定性不足、光路对准精度难以保证、成本高昂以及难以实现紧凑型设计等问题，研究一种能够在有限空间内实现多种基线的稳定切换，并且接收机可共用的气体透射比测量系统。该系统基于时谱复用合成原理，通过集成化的多波长共孔径激光光源与分光镜、宽带反射镜等镜组的结合，形成多种基线的折返光路，在不同时隙选通不同波长实现多种基线的稳定切换，最终多个波长信号在空间上合成为一条光路进入单个接收机，用于气体透射比计算。实验结果表明，在考虑收发系统误差和局部组件偏移的综合场景下，多基线系统在低透射比和高透射比的测试中分别将气体透射比示值误差从单基线系统的1.99%和25.58%降低至0.38%和7.23%以内，抑制了系统衰减和局部干扰的影响，为复杂气象条件下的精确监测提供了解决方案。

为满足高动态响应、高精度与大范围的光电跟踪任务需求，研究了一种基于同轴球面并联机构的望远镜跟踪架。基于几何向量与旋量关系建立了跟踪架的正/逆运动学模型，研究了采用信赖域迭代并结合装配模式约束筛选唯一运动学解的求解方法。利用雅可比矩阵计算条件数，并在叠加支链夹角约束的条件下，分析了跟踪架无碰撞、无自由度缺失的工作空间，分析结果表明，跟踪架的俯仰角为48.4°~131.6°，方位角无限。最后，提出了单位四元数Slerp结合三次Bezier速度连续化的轨迹规划方法，实现了跟踪架在不同姿态间的连续平滑运动。实验结果表明，所提出的运动学求解方法的角度误差数量级至少为<inline-formula><alternatives><math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M1"><msup><mrow><mn mathvariant="normal">10</mn></mrow><mrow><mo>-</mo><mn mathvariant="normal">11</mn></mrow></msup></math><graphic specific-use="big" xmlns:xlink="http://www.w3.org/1999/xlink" xlink:href="alternativeImage/86F3EF2D-87BB-447b-9F36-244383EAF3EA-M001.jpg"><?fx-imagestate width="6.60400009" height="2.62466669"?></graphic><graphic specific-use="small" xmlns:xlink="http://www.w3.org/1999/xlink" xlink:href="alternativeImage/86F3EF2D-87BB-447b-9F36-244383EAF3EA-M001c.jpg"><?fx-imagestate width="6.60400009" height="2.62466669"?></graphic></alternatives></inline-formula>°，验证了所建模型与求解模型具有较高的一致性。在多关键姿态的指向实验中，在设定规划时间内跟踪架姿态与角速度均能保证连续平滑收敛，且整条轨迹无奇异点，进一步验证了基于同轴球面并联机构的望远镜跟踪架具有优异的结构特性与运动能力。

针对大面积破损图像在人脸、街景、建筑等修复工程中存在的纹理模糊、结构扭曲与边界伪影的问题，提出一种基于结构先验与多尺度残差聚合（Structural Priors and Multi-scale Residual Aggregation， SPMRA-Net）的大面积破损图像修复方法。首先，设计动态自适应多尺度（Dynamic Adaptive Multi-scale， DAM）模块，通过空洞卷积与残差结构增强模型的上下文感知能力。其次，构建由Transformer路径与一致语义注意力路径组成的瓶颈模块，并通过交叉注意力机制将Transformer路径输出的全局语义信息与自注意力路径输出的局部纹理信息融合，以抑制大面积缺损场景中的结构扭曲。然后，为缓解传统跳跃连接因简单拼接导致的语义鸿沟问题，引入自适应多尺度聚合（Adaptive Multi-scale Aggregation， AMSA）模块提升深层特征与浅层特征的交互能力，保证修复图像的边界连续性。最后，引入双判别器对修复后的结果与原始图像进行一致性评估，以提升生成图像在视觉感知上的真实性。实验结果表明，该模型在CelebA数据集上的PSNR提升3.06 dB，SSIM提升0.087，LPIPS降低0.078。在Paris StreetView，Places2数据集上的主观评价以及客观评价指标均优于对比算法。本文方法在结构一致性与感知层面上均取得一定提升，验证了其在大面积破损图像修复任务中的有效性。

星载高光谱成像仪是大气观测卫星的重要载荷，采用帧转移CCD获取地球大气成分分布信息。帧转移CCD具有Smear效应，影响光谱测量精度。针对传统Smear消除算法基于矩阵描述二维图像过于复杂，难以满足载荷研制部门地面检测系统实时消除图像中Smear效应的现状，根据帧转移CCD工作原理使用代数形式描述Smear的形成模式，推导出代数形式的Smear消除算法。该算法避免了传统矩阵形式Smear消除算法的矩阵运算，耗时为矩阵算法的1/500，适用于实时性要求较高，主要针对静态图像消除的地面检测平台。分析了帧转移CCD中的Smear成因，基于成因推导了代数形式的Smear消除算法，该算法相对于Eigen库函数实现的矩阵消除算法，将耗时由8 s提升为16 ms。将该算法应用到星载高光谱成像仪的地面检测系统中，实现了实时消除Smear的图像处理功能。

多磁源定位由于受到地磁噪声和多磁源边界模糊等因素干扰，从而限制了其应用。为了实现多源目标的精确同步定位，提出了飞蛾扑火（Moth-Flame Optimization， MFO）非线性优化和密度聚类融合的多磁源目标定位方法。利用高精度磁传感器在二维平面网格内进行磁异常检测（Magnetic Anomaly Detection，MAD），确认各磁目标的最大磁异常值点。针对地磁干扰问题，在磁异常最大值区域设计了两点磁异常定位方案。将磁异常定位数据作为飞蛾扑火算法的初始输入，利用非线性算法优化，实现了磁性目标定位精度的进一步优化。最后，在同一磁性目标处多次进行优化，将其真实位置形成密集的点簇，通过基于密度的空间聚类算法（Density-Based Spatial Clustering of Applications with Noise， DBSCAN），排除噪声与算法优化异常对定位精度的干扰，实现了对多个磁性目标的同时定位。仿真结果表明，9个磁性目标经过飞蛾扑火算法均实现了磁性目标的初步定位，平均均方根误差（Root Mean Square Error， RMSE）为0.134 6 m，聚类算法结果排除了噪声的干扰，平均RMSE下降到0.076 4 m，下降幅度为57.1%，实现了精度的提升。实验结果表明，3个典型磁目标定位在1 m×1 m×1 m的测试区的平均RMSE小于0.081 2 m，该方法可实现高精度多磁源定位。