针对目前图像超分辨率重建算法中所存在的特征信息提取不充分、重建图像细节信息模糊等问题，提出了一种多尺度双阶段网络来实现图像的超分辨率重建。首先，考虑到单尺度卷积层会出现特征信息提取不充分的现象，故而以多尺度卷积层为大体框架，设计网络模型；其次，考虑到重建后的图像效果，将整体网络分为2个阶段，第1阶段根据输入的低分辨率图像进行特征信息的提取和重建，第2阶段对重建后的图像进行更深一步的特征细化，从而提高重建图像的视觉效果；整体网络中还引入了跳跃连接和注意力模块，以加强特征信息的有效传播；最后，以数据集Set5、Set14、Urban100、BSDS100和Manga109作为测试集展开实验，峰值信噪比和结构相似度作为图像质量的评价指标。实验结果表明，二者的值相比以往均有所提高，且重建图像视觉效果较好。因此，该算法在客观评价和主观视觉上都取得了较好的结果。

针对现有图像超分辨率重建算法的重建图像仍存在高频信息缺失、噪点增多问题，本文提出了一种基于卷积稀疏编码与生成对抗网络的图像超分辨率重建模型。首先，利用卷积网络实现稀疏编码并获取图像稀疏表示，充分利用图像的先验信息，有效避免重建图像高频信息缺失和噪点增多的问题；在得到低分辨率图像的稀疏表示后，通过重建模块对稀疏表示进行重建得到超分辨率图像；随后，鉴别器对重建图像进行鉴别，缓解由PSNR主导的算法导致重建图像趋于平滑的问题。在不断对抗训练后，最后的重建图像具有更好的视觉效果。本文在Set5、Set14、BSD100和Urban100通用测试数据集上进行2倍和4倍的超分辨率重建实验，并与Bicubic、SRGAN、EDSR和ESRGAN对比。与ESRGAN方法相比，本文模型在4个数据集上平均PSNR提升约0.702 8 dB，平均SSIM提升约0.047，平均LPIPS提升了0.016。实验结果表明，所提出的模型具有较强的竞争力，能够恢复更多的细纹理细节且具有更好的清晰度。

微器件广泛应用于电子工业。由于衍射效应，微器件的物理边缘与光学边缘不一致，这给检测和测量带来了挑战。为提高微目标检测与测量精度，本文将图像超分辨率重建与目标测量结合，提出了一种基于边缘增强的图像超分辨率重建算法并搭建了对应的测量系统。首先提出了一种新的图像超分辨率重建质量评价参数，证明了图像超分辨率重建提高目标测量精度的可行性。针对目标边缘，将通道注意力机制引入网络，增强了网络对图像边缘的重建能力。最后，设计并搭建了目标测量系统，并进行了实验。结果表明：在公开数据集上，本文算法能取得更高的峰值信噪比（PSNR）和结构相似性（SSIM）等客观指标值；在实际测量中，本文算法可将原有测量系统极限分辨率提高25.9%，目标测量精度平均提高51.6%。本文研究为工业生产中的微目标检测和测量提供了一个潜在的发展方向。

快照式光谱成像技术可以单次曝光成像获得目标辐射的二维空间分布和一维光谱信息，在动态目标探测与识别中具有显著优势。本文总结了快照式光谱成像技术的空谱调制投影原理，并从丰富探测信息量的角度出发，在技术原理和数据处理两个层面分析了其主要发展趋势。在技术原理层面，扩展目标辐射探测维度，实现多维信息实时探测是光学探测技术发展的重要趋势，重点介绍了快照式光谱立体成像技术；在数据处理层面，提高光谱图像空间分辨率，对于提升快照式光谱成像技术的应用效果具有重要的实际意义。在此基础上，对快照式光谱成像技术的未来发展方向进行了展望。

随着生成对抗网络在图像超分辨（SR）领域的应用，一些感知驱动的SR方法可以恢复出纹理细节更加丰富的SR图像，有效地缓解了由PSNR主导的SR方法导致重建图像趋于平滑的问题。然而梯度信息作为图像纹理的一种重要表现形式，鲜有SR方法能准确、高效地利用。为此，提出一种基于梯度感知的图像超分辨（GASR）算法，可以更准确地利用梯度信息。一方面，使用梯度域的特征图作为作用在图像域特征图上的卷积核，有效地避免了不同域特征图串联所带来的域冲突问题；另一方面，通过对卷积核尺寸等设计细节的调整使两个分支对应位置所输出的图像域与梯度域特征图的感受野一致。此外，由于实际应用对网络轻量化需求的提高，提出的GASR算法还有效降低了参数量和计算量。与同样利用梯度信息的SPSR相比，GASR最终以约1/6的参数量与1/10的计算量取得了与其相近的性能。在Set14数据集上，LPIPS与PSNR分别提升了0.002 2与0.217。实验结果验证了GASR可以在纹理生成与图像平滑度之间取得一个很好的平衡，视觉化效果也验证了GASR不仅可以准确地恢复SR图像，而且在一定程度上缓解了杂乱纹理的生成。

In-situ laser-induced surface damage inspection plays a key role in protecting the large aperture optics in an inertial confinement fusion (ICF) high-power laser facility. In order to improve the initial damage detection capabilities, an in-situ inspection method based on image super-resolution and adaptive segmentation method is presented. Through transfer learning and integration of various attention mechanisms, the super-resolution reconstruction of darkfield images with less texture information is effectively realized, and, on the basis of image super-resolution, an adaptive image segmentation method is designed, which effectively adapts to the damage detection problems under conditions of uneven illumination and weak signal. An online experiment was carried out by using edge illumination and the telescope optical imaging system, and the validity of the method was proved by the experimental results.