分析了一维多孔径阵列的成像特性，选取子孔径间距比为1∶2的一维非冗余三孔径结构为基阵列，以最大化频域覆盖为设计标准，设计了沿基线方向对基阵列在360°范围内以不同角度进行多次旋转的新型合成孔径结构，以提高中频调制传递函数（IFMTF）和系统成像质量。当填充因子为28.51%时，旋转合成得到的九孔径阵列的IFMTF值（0.1223）大于Golay-9阵列的0.0782。仿真和实验结果的定量和定性评价均证明了所提方法的有效性。

组织血氧饱和度（StO2）是检测组织和血液中血液灌注和血液氧合变化的重要指标, 在临床及日常监测中具有重要意义。 高光谱成像以其非接触、 光谱信息丰富等优点, 成为一种评估StO2的新兴手段, 然而高光谱成像设备造价昂贵且操作复杂, 限制了其使用环境及发展。 传统工业相机获取皮肤组织的RGB图像空间分辨率高、 但其光谱分辨率低, 若能提高光谱分辨, 则其实现高精度生理参数测量成为可能。 提出了一种基于RGB图像高光谱重建的StO2评估方法。 该方法基于深度学习方法构建了从RGB图像到皮肤组织高光谱图像的重建模型, 获得了高物理可靠性皮肤组织高光谱图像, 并利用改进的朗伯比尔模型, 实现了区域StO2评估。 采用普通可见光相机与高光谱相机通过捆绑实验同时采集了49位受试者处于不同血液灌注状态下手部的RGB图像与高光谱图像作为数据集。 在对高光谱图像进行降维去噪的基础上, 根据含氧血红蛋白、 脱氧血红蛋白的特征光谱选取了450～600 nm（含31个光谱通道）波段作为重建光谱波段, 构建了基于深度学习的皮肤组织高光谱重建神经网络模型。 实验结果表明, 重建模型获得的皮肤反射光谱与高光谱相机直接采集的反射光谱曲线具有较高的一致性, 测试集中二者的平均绝对误差（MAE）为0.009 38, 均方误差（RMSE）为0.0148 1。 之后对重建模型得到的区域StO2测量结果与高光谱相机得到的测量结果二者的相似性进行了定量评估, 测试集样本中两种方法生成StO2空间分布图的二维相关系数均处于可靠范围内（大于94%）, 表明了本文提出的基于可见光图像高光谱重建的StO2评估方法具有较高的可靠性。 该研究利用普通彩色相机实现了区域StO2评估, 为各种疾病的临床诊断和监测提供了一种简单低成本的StO2监测方法。

成像式光电容积描记技术是在传统光电容积描记技术基础上发展而来的一种非接触式生理信号检测技术。成像式光电容积描记技术由于非接触、可远程监测、适用场景广泛、易操作以及低成本等优点可实现人体多项生理参数的测量，成为仪器及生物医学工程领域的新兴研究热点之一。本综述首先介绍了成像式光电容积描记技术的基本原理，对光学起源机理进行了分析，并对成像视频处理方法进行了总结，最后介绍了成像式光电容积描记技术在生理参数方面的应用，并对其在生理参数检测领域中的发展进行展望。

皮肤的漫反射光谱中包含丰富的组织信息,已被广泛应用于生理参数的检测,但由于人体生理参数变化复杂、多种情况下光学数据采集困难等因素,其在无创外周血液生理参数检测技术的发展及应用中受到了限制。鉴于此,使用蒙特卡罗模拟方法仿真了不同总血红蛋白、含氧血红蛋白、脱氧血红蛋白、高铁血红蛋白等多种外周血液成分浓度对皮肤的漫反射光谱及肤色的影响,提出了基于色谱融合的发绀成因分析方法。结果表明,皮肤的颜色特征可区分健康、黄疸病以及发绀,而分析方法解决了仅使用肤色很难对发绀现象的成因进行准确区分的难题。

针对逆向求解生物组织光学特性参数存在测量精度不高、在体测量困难等问题,提出了一种利用神经网络模型反演生物组织光学参数的方法,该方法以蒙特卡罗算法输出的不同检测距离r处的漫反射率R(r)作为输入,以吸收系数和散射系数作为输出。本文将神经网络算法反演的吸收系数、散射系数值与蒙特卡罗算法获得的吸收系数和散射系数值进行了对比。仿真实验表明:选择r=0.1 cm以及r=0.3 cm距离处的漫反射率作为输入,利用神经网络模型反演的吸收系数和散射系数的平均绝对误差分别为0.003和1.574,一致性决定系数R²分别为0.9997和0.9915。神经网络模型反演的生物组织参数与蒙特卡罗算法获得的吸收系数、散射系数具有较好的一致性,且反演精度高,操作简单,为生物组织光学参数的在体测量提供了新思路。

针对现有心理压力检测方法主观性强、准确率低,且无法连续监测的问题,提出了一种融合心率变异性(HRV)与人脸表情的非接触式心理压力检测方法。该方法通过成像式光电容积描记(IPPG)技术从视频图像中提取HRV信息,并通过VGG19网络建立表情识别模型,获得人脸表情。将HRV及表情共同作为特征输入,利用支持向量机进行训练分类,实现压力状态与非压力状态的检测。实验结果表明,本方法的压力分类准确率可达到81.4%,能有效提高心理压力检测的准确性,可应用于普通人群、运动员、犯罪人员心理测试等领域。

针对现有活体皮肤检测方法精度不高、实时性较差的问题,提出一种基于超像素分割的成像式光电容积描记(IPPG)活体皮肤检测(SPASD)算法。利用零参数简单线性迭代聚类算法将图像分割为多个超像素子块;然后通过IPPG技术并行提取各子块中的脉搏波信号;最后利用支持向量机对提取到的信号进行训练分类,进而实现活体皮肤的实时检测。实验结果表明,SPASD算法可以有效提高活体皮肤的检测精度和实时性,其检测精度达92.02%。所提方法在人脸防骗、非接触生理信号检测、面部表情识别等领域具有应用前景。

基于光学测量的无创血糖检测是目前生物医学领域的研究热点,但由于存在信噪比低、背景噪声干扰、准确度不高等问题,该无创血糖检测方法还停留在实验阶段,无法应用于临床实践。针对这些问题,提出了一种基于可见光图像的无创血糖检测方法。该方法通过采集到的散射图像,采用梯度增强决策树算法,建立了散射图像特征参量与血糖浓度关系的回归模型,并通过仿体实验验证了模型的准确性。实验结果表明,利用梯度增强回归模型,可以对可见光散射图像与葡萄糖浓度的关系进行建模,一致性决定系数可达0.929,葡萄糖检测精度平均绝对误差为0.156 g·L -1。

非接触式心冲击描记术(BCG)通过测量血液循环过程中血液对血管壁产生的周期性压力来测量心率。这种压力会引起包括头部在内的身体各部位周期性弱机械运动,这种运动十分微弱,并且从身体运动中提取的BCG信号有着较低的信噪比,限制了其心率的测量精度。利用光学杠杆放大头部运动(Optical lever amplified BCG,OLA-BCG),提出了一种非接触式高精度心率检测算法。该方法以激光作为主动光源,结合附着在头部的平面镜,实现头部运动的放大;同时利用加权质心跟踪算法提取头部运动轨迹并采用独立成分分析过滤掉干扰噪声,得到BCG信号。最后,对提取的BCG信号进行频谱分析,计算出心率值。实验结果表明,OLA-BCG方法可以有效提高从头部运动中提取的BCG信号的信噪比和心率的测量精度。