为了解决结构光三维重建中传统立体匹配存在的特征点匹配错误、匹配缺失和匹配重复等问题，本文将SURF算法中高斯滤波改进为自适应中值滤波结合小波变换，并提出了一种基于OKG算法的二次特征匹配方法。该算法首先使用自适应中值滤波结合小波变换算法对图像进行平滑和降噪处理，再进行初步特征点提取和匹配，然后将构建的尺度空间划分成多个网格，在每个网格内使用FAST算法提取尺度空间特征点，使用ORB算子提取左右图像的特征点，用BRIEF描述子对其进行描述，采用K-D树最近邻搜索法限制特征点选取，通过GMS算法剔除误匹配点。最后，将本文SURF-OKG算法与传统特征匹配算法进行对比分析，并对阶梯块进行三维重建来验证本文算法的有效性。实验结果表明：SURF-OKG算法的正确匹配率为92.47%；对阶梯宽度为40 mm，精度为0.02 mm的阶梯块进行三维重建，实验测得阶梯宽度的误差均值为1.312 mm，最大误差值不超过1.72 mm，基本满足结构光三维重建系统的实验要求。

空气中的高危病原微生物对人类社会存在着极大威胁，而传统的监测方法无法对空气中的微生物实现准确的识别与分类。因此采用激光诱导荧光技术原理，以单光子探测器为核心器件，设计并搭建了一种高效的荧光光谱仪用于空气中高危病原微生物的识别与分类，并且该光谱仪可以实现对微生物浓度的预测，其对于环境安全具有重要意义。对于该光谱仪采集的数据，探索了以一维向量和二维矩阵2种输入形式来实现荧光光谱的识别与分类，并研究对比了主成分分析网络、卷积神经网络和全卷积网络等深度学习网络的识别与分类效果。实验结果表明以矩阵形式输入的卷积神经网络模型在测试集中识别分类准确率达到98.05%。采用矩阵形式输入的全卷积网络模型在测试集中微生物浓度预测准确率达到98.97%。

为了解决激光诱导荧光检测系统存在的光学结构复杂、体积大、成本高以及灵敏度不足等主要问题，研制了一种高灵敏、小型化的荧光光谱仪。该光谱仪以349 nm半导体激光器作为激发光源，采用正交型光路，将4×4窄带滤光片阵列与具有单光子灵敏度的硅光电倍增器（SiPM）阵列耦合，可实现光谱信息的多通道探测，具备结构紧凑、成本较低以及稳定性好等优点。以荧光素钠为测试样品，对光谱仪性能进行了评估。实验结果表明，光谱仪的检测限优于5×10⁻¹¹ mol·L⁻¹，在5×10⁻¹¹ mol·L⁻¹到1×10⁻⁹ mol·L⁻¹的溶液浓度范围内，被测溶液浓度与检测所得荧光强度满足良好的线性关系，线性相关系数为0.998 39。此外，光谱仪还具备良好的重复性，荧光峰值强度的相对标准偏差小于10%。因此，该光谱仪兼具灵敏度高、线性度好、重复性与可靠性强等优点，可以满足现场实时检测的需求。

针对单像素成像重构中的散射介质影响而导致重构图像无法达到最佳效果的问题，研究了有无散射介质的情况下，关联算法和压缩感知算法的图像重构适用性。分析了散射介质在成像光路造成的调制信息空间结构变化和在探测光路造成的信号损耗对成像的影响，建立了近红外单像素成像系统，使用CGI算法和TVAL3算法实现了穿透生物组织散射介质的单像素成像实验。实验发现，在无散射介质时，TVAL3算法的重构时间、峰值信噪比和相似度等均优于CGI算法；而在有散射介质时，CGI算法的三项数值中有两项优于TVAL3算法，其最大重构时间（0.304091 s）小于TVAL3算法最小时间（1.766299 s），其最小峰值信噪比（9.9831 dB）高于TVAL3算法的最大值（9.170456 dB），其相似度（0.0982、0.1178）则位于TVAL3算法的范围内（0.099258~0.497622）。结果表明，基于关联成像理论的CGI算法较适合散射介质成像，基于压缩感知理论的TVAL3算法更适合无散射介质成像。