提出了一种基于深度学习的单幅图像去雾算法。利用卷积神经网络,通过学习雾天图像与清晰图像的YUV(Y代表的是亮度,UV代表的是彩度)各个通道之间的映射关系实现去雾。网络结构由两个相同的特征模块组成,主要包括多尺度卷积、卷积和跳跃连接结构。实验结果表明,无论是针对合成雾天图像数据集还是针对自然雾天图像数据集,所提去雾算法恢复的图像皆具有较高的清晰度和对比度,在主观评价和客观评价上均优于其他对比算法。

（1）对传统图像去雾领域的一些典型去雾算法进行深入分析，并与基于深度学习的图像去雾算法进行性能对比分析。本文在经典图像去雾数据集 RESIDE 和 O-HAZE 上进行实验，并采用无参考图像质量评估指标以及运行时间来衡量多种典型图像去雾算法的去雾效果。实验结果表明基于深度学习的去雾算法不仅具有不错的去雾效果，而且在单幅图像上的去雾效率更高。 （2）针对目前去雾网络模型训练参数过多，影响图像去雾效率的问题，本文提出一种新的基于轻量级网络的图像快速去雾模型 FAOD-Net 用于单幅图像去雾。 FAOD-Net 模型基于轻量化的体系结构，该体系结构使用深度可分离卷积来构建轻量级卷积神经网络。此外，本文在 FAOD-Net 模型中添加了金字塔场景解析网络来聚合图像不同区域的上下文信息，从而提高网络模型提取全局信息的能力。本文使用 RESIDE 训练集来训练 FAOD-Net模型，并在RESIDE 测试集上进行了广泛的实验，使用全参考和无参考图像质量评估指标来衡量去雾效果。实验结果表明 FAOD-Net 模型在去雾效果和速度上均具有令人满意的结果。 （3）针对目前图像去雾算法易导致去雾后的图像出现颜色失真的问题，本文提出一种新的基于颜色特征提取卷积网络的图像去雾模型 CIASM-Net。CIASM-Net 模型包括颜色特征提取卷积网络和深度去雾卷积网络。其中，颜色特征提取卷积网络用于提取有雾图像 RGB 颜色空间的特征，深度去雾卷积网络改进了逆大气散射模型卷积网络 IASM-Net，并使用多尺度卷积层来估计透射率图。此外，本文在 CIASM-Net 模型中添加了金字塔场景解析网络来提取全局特征。本文使用经典的 RESIDE 训练集来训练 CIASM-Net 模型，在 RESIDE 测试集上的实验结果表明 CIASM-Net 模型具有令人满意的去雾效果。

在这封信中，我们使用来自宇宙微波背景（CMB）普朗克温度和极化，重子声波振荡（BAO）测量和弱引力透镜数据的最新数据，报告了对暗物质-暗能量散射截面的精确而强大的观测约束 来自加拿大-法国-夏威夷望远镜镜头调查（CFHTLenS）。 散射情况由暗组分之间的纯动量交换组成，并且根据联合分析（CMB + BAO + CFHTLenS），我们发现在95％CL时σd<10-29cm2（mdmc2 / Gev），其中mdm是典型的暗物质 粒子质量。 我们注意到，黑暗成分之间的散射可能会影响宇宙中大规模结构的生长，从而使背景宇宙学保持不变。

具有均匀长程有序结构的纳米结构对于高质量表面增强拉曼散射(SERS)光谱的性能标准化至关重要。本文描述了金修饰的铜(金@铜)纳米阵列的制备和SERS性质。首次在绝缘基底上通过原位电化学组装合成了具有均匀长程有序结构的铜纳米阵列。铜纳米阵列可以达到厘米大小，具有严格周期性的纳米微结构，有利于SERS衬底的生产和性能标准化。然后在没有任何封端剂的情况下，通过电化学反应将金纳米粒子修饰在铜纳米阵列上。所获得的金@铜纳米阵列对4-巯基吡啶表现出优异的SERS活性，灵敏度极限低至108M。因此，这种简易的方法为基于纳米有序阵列的SERS基底的制备提供了一个有用的平台。

在光学传输矩阵的基础上,提出一种基于weighted Gerchberg-Saxton (GSW)算法的迭代聚焦方法。将利用传输矩阵求解调制相位的过程抽象为相位恢复问题,将传输矩阵与均方优化算子作为散射系统变换算子来迭代优化调制相位。通过仿真和实验证明,相比相位共轭法、均方优化算子,所提方法具有更显著的多点聚焦效果,为光场能量调控领域提供了新的思路。

基于维纳滤波的对流层散射信道通信仿真

不均匀柱形粒子的光散射特性研究对复杂结构粒子参量的反演具有重要意义。基于德拜理论,对在轴高斯波束垂直入射无限长多层圆柱的散射特性进行了讨论。获得了散射系数的德拜级数展开式;并利用该公式分别计算了均匀和双层圆柱的总散射强度角分布,德拜级数单阶散射强度角分布;总散射强度结果与广义米氏理论(GLMT)进行了比较,两者吻合很好。分析表明圆柱散射强度不同散射角区间的值来自德拜级数不同阶的散射强度贡献;双层圆柱各层半径和折射率的值对德拜级数二阶散射强度角分布中峰值的出现起决定作用。当双层圆柱的外层较薄时,在120°～150°之间会出现两个明显峰值,即出现双重一阶彩虹峰值;反之,当外层厚度大于内层时,只有一个峰值存在。

雷达工程师通常需要计算和分析目标的雷达散射截面（RCS）数据，通过RCS的一维概率密度函数及二维密度分布图来分析目标的隐身特性。另外，通过雷达对目标的扫描角度旋转及入射平面波频率变化获得的RCS数据，通过二维逆傅里叶变换可获得目标的逆合成孔径雷达成像。FEKO是一款三维电磁场分析软件，给出了基于FEKO软件计算目标的RCS，并利用软件的Lua脚本语言分析目标RCS一维概率密度函数、RCS二维密度分布及逆合成孔径雷达成像技术。

以修正的Dobson介电常数模型作为基础模型, 分析并验证了土壤体积含水量和含盐量与介电常数的关系。在此基础上, 提取不同极化方式下的雷达影像后向散射系数, 分析后向散射系数与介电常数之间的关系。结果表明：体积含水量和含盐量是土壤介电常数的主要影响因素; 体积含水量是介电常数实部的决定性因素, 直接决定土壤介电常数实部的大小; 介电常数虚部受多种因素的影响, 含盐量为主要因素; 体积含水量和含盐量相互作用, 共同影响后向散射系数; 在交叉极化模式下, 介电常数是影响雷达影像后向散射系数的主要因素。基于土壤的介电常数来监测土壤中的含盐量和体积含水量具有一定的潜力, 通过雷达影像反演土壤中的含盐量是完全可能的。

利用Matlab软件，通过Mie算法，计算球形粒子的消光系数和尺度参数的关系。 结果和文献中的参考文献对照过了，真实可靠。