针对目前单一地从左右立体图像进行视差估计的问题, 提出一种新的立体匹配算法, 利用离散小波变换将目标图像分解为多个子带, 针对各个子带图像实施阈值改进, 继而进行小波逆变换提高各个子带图像的匹配质量。在此基础上基于图像分割算法进行视差估计, 并结合人类视觉系统模型 HVS的噪声可见度函数将各个子带的视差图像融合为最终图像。实验结果表明, 与以往算法相比, 该算法有效提高了视差估计精度。

对由 37单元 OKO变形镜和 140单元 BMC变形镜组成的双变形镜系统的联合校正算法做了理论分析, 通过将两个变形镜的影响函数组合, 提出了一种基于影响函数组合及动态修正的校正模型。仿真研究了 37单元 OKO单变形镜系统, 140单元 BMC单变形镜系统, 37单元 OKO变形镜和 140单元 BMC变形镜组成的双变形镜系统的闭环校正。结果表明: 一是基于影响函数动态修正法的校正效果要优于固定修正法, 二是双变形镜系统的校正效果要优于任一单变形镜系统。从而可以在现有技术条件下通过提出的算法提高自适应光学系统的校正能力。

为了满足自适应光学系统实时快速的工作要求, 将自动控制理论引入到自适应光学系统中, 在不改变系统硬件性能的基础上对系统的控制部分进行了研究。首先, 对自适应光学闭环控制系统进行分析, 将其模块化并建立相应的数学模型;其次, 在自动控制理论基础上设计控制器和相应的控制算法, 并分析了控制器的性能;最后, 将自动控制理论的控制方法与人眼波前像差校正相结合, 使控制算法应用到自适应光学系统波前像差的校正中。结果表明, 相对于传统的自适应光学系统控制方法(纯积分控制和比例-积分控制), Smith预补偿控制使自适应光学控制系统具有较高的闭环带宽和较好的动态、稳态控制性能;在模拟人眼波前像差迭代校正过程中, Smith预补偿控制器校正残余像差的快速性最好;在实际人眼动态像差校正中, Smith预补偿控制校正的残余像差值达到最小,有利于自适应光学控制系统优化。

针对导致自适应光学视网膜图像降质退化的原因，提出了一种结合双树复数小波变换(DT-CWT)和图像半盲解卷积复原算法的方法。首先，对经过自适应光学实时校正技术得到的视网膜图像进行DT-CWT分解，得到低频和高频部分对应的图像。将自适应光学成像系统中残余像差重建的光学传递函数作为图像复原模型的初始估计点扩散函数(PSF)，并对低频部分图像进行条件约束的迭代半盲解卷积复原；对高频部分的图像进行去噪处理。最后，将处理后的高频和低频部分图像进行双树复数小波逆变换，获得复原图像。实验和结果表明：由该方法处理的视网膜细胞图像质量得到明显提高，图像客观质量评价参数相对于原始图像提高了5倍多；在视网膜细胞的空间频率范围内(70~90(°)-1)，复原图像功率谱平均值提高了5倍左右，有助于对视网膜细胞的高分辨率观察。

根据Zernike模式在单位圆的同心孔径圆域内某些模式间具有一定耦合性的结论及对应Zernike模式像差在一定同心光瞳区域内的相互抵消特性, 对具有相同角频率不同阶数的Zernike模式建立组合模型, 同时根据同心光瞳区域内像差均方根值的降幅比参数给出了同心光瞳直径为4 mm时的Zernike模式线性共轭组合模型。最后通过共轭组合模型对光学质量影响的研究发现, 共轭模型组合之后能显著提高光学质量。同时也表明Zernike模式组合对光学质量的影响不具备叠加性, 而对共轭组合模型表现为补偿关系。

为了提高自适应光学系统中人眼波前像差的重建精度, 进而提高自适应光学图像中的点扩散函数重建精度, 提出了一种基于部分岭估计的 Zernike模式前重建算法。首先, 基于 Zernike模式波前重建模型, 分析了常用的模式系数求解方法; 其次, 在最小均方误差意义下, 将部分岭估计的概念引入到自适应光学系统的波前重建算法中, 通过确定最优岭估计参数来改善最小二乘估计的奇异性, 从而抑制波前探测中测量误差的进一步被放大; 最后, 讨论了在波前斜率误差的影响下由两种算法所产生的误差大小。仿真实验结果表明: 在波前重建算法中引入部分岭估计可有效减小模式系数的均方误差, 相对于奇异值分解法减小了 8%~10%, 在波前探测测量误差增大的情况下, 部分岭估计的波前重建精度要高于最小二乘估计法, 有利于自适应光学后期中基于波前探测的图像复原研究。

为自动检测出眼底图像中的视网膜内出血, 从而构建基于眼底图像的糖尿病视网膜病变自动筛查系统, 提出了基于多模板匹配的局部自适应区域生长法用以自动检测该病灶。 首先, 对眼底主要生理结构进行光谱特征分析, 从而为不同分割目标选取合适的RGB通道; 其次, 利用HSV空间的亮度校正以及对比度受限自适应直方图均衡方法对眼底图像进行预处理; 在此基础上利用设计好的多个模板对图像进行归一化互相关模板匹配获取该病灶候选区域; 然后, 从中去除视盘、 血管以消除相关假阳, 从而得到区域生长所需种子; 最后, 利用局部自适应区域生长法获取其精确轮廓, 从而实现该病灶的准确检测。 利用该算法对90幅不同颜色、 不同亮度、 不同质量、 不同分辨率眼底图像进行该病灶的自动检测, 实验结果表明: 该算法能快速、 有效地自动检测出眼底图像中的视网膜内出血, 且算法稳定可靠, 可满足临床需求。

对比分析了基于近红外光谱的人眼像差校正系统中两种微机械薄膜变形镜(OKO37单元和BMC140单元)的结构特征和空间特性, 着重对变形镜的影响函数进行了主成分研究, 建立了变形镜电压控制模型, 并通过调整参数d确定变形镜最优控制模式。 最后对Zernike单位模式波前像差和Thibos模式人眼波前像差进行拟合仿真实验, 结果表明BMC140单元变形镜对Zernike各阶模式的拟合能力均为OKO37单元变形镜的2倍以上。 对RMS均值为0.683λ(λ=0.785 μm)的Thibos模式人眼像差, BMC变形镜校正后残余像差RMS值为0.063λ, 达到了光学系统的衍射极限(λ/14)。 而OKO变形镜由于受相邻电极交连值大、 电极分布密度小等因素的影响, 其校正能力不及BMC变形镜, 残余像差RMS值为0.168λ。 本方法也可用于其他种类变形镜的性能评估。

为获得高分辨率视网膜图像，建立了基于自适应光学的视网膜成像系统，并以成像时获得的残余像差作为图像复原的估计参数，通过半盲解卷积进行图像复原以获得高质量图像。通过Hartmann-Shark波前传感器和微机械薄膜变形镜组成的自适应光学系统对活体人眼像差进行测量与校正，并在成像时记录系统残余像差，据此重建光学传递函数作为图像复原模型初始参数估计，对获得的视网膜图像进行条件约束迭代半盲解卷积复原，消除像差对成像质量的影响，从而得到高分辨率视网膜图像。实验表明，系统获得的图像经该方法处理后可获得较满意视网膜图像，图像质量提高近一倍，成像成功率由38%提高至78%，成像时间缩短为原来的1/7。该方法在满足使用要求的前提下有效缩短了校正时间，提高了成像的成功率，提升了系统的适用范围。

为提高自适应光学系统中Hartmann-Shack波前传感器的动态测量范围和测量精度, 对由CCD采集的波前光斑图进行了质心探测研究。介绍了波前传感器的工作原理, 根据127单元传感器的结构特征和实际人眼光斑图的畸变特点, 提出了一种动态定位光斑区域、动态分割区域内部阈值以及锁定最优探测窗口的自适应光斑质心探测方法。讨论了该方法中阈值等级选取对人眼光斑图质心探测的影响, 并通过仿真和实验分析了算法的质心探测精度和算法对噪声影响的鲁棒性。实验结果表明, 光斑区域内选取阈值等级为总等级数的(50±3)%时最合适; 与其他方法相比, 自适应质心探测方法的探测误差减小了60%以上; 将该探测方法运用至自适应光学视网膜成像系统的波前传感器中, 可将人眼像差RMS值从0.728λ闭环校正到0.081λ(λ=785 nm), 达到衍射极限, 并获得视网膜图像。本方法针对光斑特征选择不同实验参数, 弥补了传统算法的局限性, 基本满足了人眼像差测量的可行性和实用性。