提出一种基于残差网络改进的卷积神经网络模型，应用于乳腺组织光学相干层析图像的辅助诊断。该方法采用残差网络作为基础框架，利用级联的小卷积层替换大卷积层，使用八度卷积替换部分卷积层，并且加入注意力机制，构造出一个具有双重过滤结构的残差网络模型。双重过滤结构不仅能够减少模型整体的参数计算量，还能使模型在特征提取时侧重于含有丰富结构信息的高频分量，降低低频分量占比，减少信息冗余，从而提高模型对于近似结构图像的分类识别能力。对比实验结果表明，提出的双重过滤残差网络模型对纤维脂肪、基质和肿瘤3类乳腺组织光学相干层析图像实现96.88%的分类精确度，且分类性能比目前经典的卷积神经网络模型更加优异，在乳腺癌切缘术实时诊断领域具有潜力。

提出了一种基于表面双向反射分布函数（BRDF）离散测量值直接追迹散射光线的方法，以各向同性表面为例，先对随散射角离散变化的表面BRDF离散测量数据组做空间坐标转换，由散射角半球空间转换到方向余弦空间；再通过等间距赋值插等值方式得到方向余弦空间内分布的BRDF数据；然后，利用舍选抽样法不受限于累积分布函数（CDF）求解过程的优点，设计新的散射概率模型，以方向余弦空间内BRDF数值比表示离散光线的概率分布，设定检验条件筛选出散射光线的空间坐标，实现散射光线追迹。为验证本文方法的准确性与适用性，设置相同的入射角、追迹光线数量等仿真参数，编制了本文光线追迹方法的仿真程序，对不同光机元器件建模仿真，对比商用LightTools软件的仿真结果，计算二者的通用质量指数UQI作为比对评价指标。结果表明，基于舍选抽样BRDF离散数值的散射光线追迹方法，运算结果数据准确，与商用LightTools软件的仿真结果相比，UQI值均在0.998以上，且波动范围小，本方法具有良好地适用性。

微纳尺度的微结构可调制光场，提高传感器的灵敏度，是新一代功能器件或传感器件中广泛使用的重要结构特征。包含微细加工在内的先进制造技术的快速发展，对多种型式微纳尺度微结构的无损测量技术提出了紧迫的需求。本文从多维视角论述了国内外行业发展中出现的微结构种类、型式，围绕具有高精度无损检测特质的光学显微技术，阐述了国内外仍在继续发展的微结构无损检测四种主流方法，分析了这些方法的技术特点、适用对象，给出了典型样品的检测结果，其中部分结果是首次发表。结果表明，暗场显微机器视觉法，是振幅型颗粒、凹坑、划痕等有害微结构的有效检测方法，可以实现大尺度样品的快速检测；共焦显微成像和低相干显微干涉法是“相位”型微结构的最佳检测方法，可以得到微结构的三维形貌；光谱反演-过焦扫描法与近红外显微干涉法，是应高深宽比微结构无损检测需求而发展起来的新方法，前者可以快速测得线宽和深度，后者可以测得物镜视场范围内高深宽比微结构的三维形貌，二者可以相互验证与补充。

提出了一种基于粒子群优化的子孔径拼接方法，实现子孔径拼接调整误差和定位误差的同步消除。为了提升粒子群搜索算法的效率，利用降采样的方式缩小粒子群算法的搜索范围，然后通过梯度法获取像素级定位误差，实现各项误差系数的求解。以实测干涉波面作为仿真输入，比对了该算法和常规粒子群算法的子孔径拼接干涉检测结果。两种方法均能达到整像素级定位精度，但采用4阶（1/16）降采样手段使得算法的运算速度提高了约12倍。选择平面反射镜、离轴抛物面反射镜作为实测样品，利用所提拼接方法获得的表面面形与全口径测试结果吻合，拼接结果准确。