针对传统透射式光学系统初始结构优化设计效率低、结构选取过度依赖经验等问题，提出了一种基于深度学习的透射式光学系统初始结构自动优化设计方法。通过监督训练学习公开光学镜头库中参考镜头的结构特征数据，构建基于光线追迹的无监督训练模型，提升深度神经网络（DNN）模型的泛化能力。通过训练生成的网络模型输出包含真实玻璃的光学系统的结构参数，从而实现透射式光学系统初始结构的自动优化设计。设计结果表明：利用该网络模型优化设计的光学系统初始结构在全视场、全谱段下的像面点斑半径与参考镜头接近，并且能够根据不同焦距要求分别设计出光学系统初始结构；所设计的1×106组初始结构的成功率优于96.403%，表明所提网络模型具有良好的泛化能力。

针对航空相机复杂的使用环境以及需在高速运动中进行高分辨率成像的特点,设计了一种大视场航空照相机光学系统。该系统光学结构采用双高斯准对称结构形式, 通过双成像模块光学拼接扩大视场角, 调整最后一片透镜实现内置调焦, 且通过控制地物反射镜的3种工作模式, 分别实现航空相机垂直照相、自动调焦及前向像移补偿功能, 避免了航拍过程中温度、气压、航高等环境条件变化时引起的图像质量大幅下降, 确保整个视场内成像质量不受影响。该光学系统设计实现了全视场无渐晕,全视场最大畸变＜0.5‰, 在91 lp/mm处MTF接近衍射极限, 物镜在全视场范围内成像质量一致。通过实验室及航拍试验验证, 该光学系统具有成像清晰、视场大、可靠性高、体积小、质量轻等优点, 满足了航空相机在比较复杂环境下清晰成像的要求。