光谱成像技术能够同时获取被测物体的二维空间及一维光谱信息，在科学检测与研究中发挥着重要作用。传统的高光谱成像系统存在着光学系统复杂、含有精密运动器件、曝光时间长等问题，这些问题极大地限制了其在许多场景的应用。介绍了一种基于旋转衍射机理的快照式高光谱成像系统，通过单次曝光成像和图像重建即可得到待测目标的高光谱信息。提出了一系列的系统设计优化方法以提升系统的成像性能和实用性，通过折衍射混合系统缩短光学系统后截距，通过引入前置光学系统探测远距离目标。实验结果表明，所提出的优化设计方法能够有效提高系统感光能力，提升重建图像的质量。

针对显微图像自动对焦和成像系统质量评价问题, 结合多尺度分解工具和梯度绝对值算子设计, 提出了一种显微图像清晰度评价算法。采用非下采样剪切波分解, 对输入的显微图像进行多尺度、多方向变换, 得到一幅低频子带图像和若干幅高频子带图像。结合抗噪阈值设置, 计算各子带图像的梯度绝对值算子和, 利用图像清晰度变化对于低频和高频子带系数影响的差异, 将高低频梯度绝对值算子的比值作为最终的显微图像清晰度评价数值。开展了仿真论证实验和实拍论证实验, 实验结果表明, 所提出的清晰度评价算法具有较好的单调性和抗噪特性, 和几种经典的评价算法相比, 本文方法得到的评价结果在灵敏度、稳定性和鲁棒性方面表现更为优异, 具有很好的实际应用价值。

针对敏捷成像中的多条带拼接成像模型，对条带图像的拼接重叠度进行仿真分析。建立多条带拼接成像的任务模型和几何退化模型，提出重叠区域宽度阈值的判别准则。针对星下点条带，分析不同场景类型遥感图像的重叠区域宽度阈值，探究了地面分辨率变化对重叠区域宽度阈值的影响。针对敏捷条带，分析了俯仰、横滚等敏捷特性对于重叠阈值的影响。仿真结果表明，在0.46 m地面分辨率下，6类场景类型重叠宽度阈值均在28 pixels以上，其中军港机场、海岛阈值较大，超过31 pixels。阈值统计符合正态分布的3σ原则，证明了阈值求解方式的可信度。星下点成像时地面分辨率变化对像面重叠像素阈值无太大影响，但对地面实际重叠宽度阈值影响较大。而敏捷条带成像时，卫星的俯仰和横滚将会增大条带的重叠宽度阈值，几何变形对阈值的影响超过星下点时地面分辨率的变化。通过对条带拼接重叠度的仿真分析，为敏捷卫星的高分辨率光学成像任务规划提供了有意义的参考。

对含光源等过亮区域场景的自动对焦较为常见, 这些区域导致了图像像素的饱和, 然而所提出的现有的评价函数适用于一般场景, 无法适用于像夜景光源的场景。针对这一问题, 通过分析饱和像素在离焦过程中的特性, 提出了一种去除饱和像素的图像清晰度评价方法, 且其可以用于评估包含光源或者过亮区域场景的图像质量。通过对大津法进行修改得到对焦窗口二值图, 并利用形态学膨胀手段扩展饱和像素区域, 以防止其在离焦过程中产生弥散, 得到去除饱和像素区域的模板, 将其作用于梯度信息矩阵, 计算得到去除饱和像素影响的平均梯度值作为自动对焦评价函数。通过多组离焦序列图测试了所提出的评价函数, 并与其他4种常用的评价函数进行比较, 结果表明, 此自动对焦评价函数适用于含有光源等过亮区域场景的拍摄, 具有良好的无偏性、单峰性、稳定性且覆盖范围较广。

提出了一种基于颜色信息的大区域紫边矫正方法。在研究紫边成因的基础上, 结合色差理论对传统紫边检测方法进行了改进; 在矫正紫边时, 提出了利用物体颜色信息的分类矫正方法以及规避错误矫正的措施, 并对残留紫边进行了矫正, 从而在有效地矫正紫边的同时, 减少了矫正误差。实验结果表明, 相比已有方法, 该方法对图像中各种场景下的大区域紫边均有更好的矫正效果, 矫正后的图像在主观视觉和客观数据指标上均有明显提升。

针对传统调焦函数对噪声敏感和调焦范围小从而影响自动对焦准确性的问题, 提出了一种基于变频梯度的自动对焦评价函数。解决了由于离焦量过大而引起的评价函数调焦范围小的问题, 通过改变采样频率实现了评价函数调焦范围的可调性。其中, 评价函数采用了带有阈值选取的梯度绝对值算子, 提高了评价函数的抗噪性, 降低了时间复杂度。分别利用仿真实验和实拍实验对该方法进行验证, 实验表明: 采用不同采样频率的梯度算子能够兼顾调焦范围广以及灵敏度高的两种特性, 并与现有的对焦评价函数进行了比较, 通过量化指标说明了该评价函数的运算速度较现有评价函数有较大的提升, 证明了所提出方法抗噪性与实时性更好、灵敏度更高、调焦范围可调, 同时能够准确评价离焦图像清晰度。

提出了一种基于信号相关性的自适应时域视频压缩感知重建方法，在超时间分辨率视频成像过程中自适应地判断物体的运动量并有针对性地重建信号。该方法将所观察到的图像分成不同运动量大小的区域，然后利用由视频样本训练得到的对应的字典重建这些区域；在视频重建阶段，将编码曝光图像快速分块重建，再计算各帧图像块之间的相关系数，通过相关系数估计局部图像运动量，根据估计的运动量选择训练字典并重建图像。仿真实验结果表明，该方法能准确地获得视频图像的运动分布信息，在降低重建时间的同时提高了重建质量。