针对现有的去雨方法无法彻底去除雨纹并且去雨后图像存在细节丢失问题, 提出一种多分辨率融合密集网络的图像去雨方法。网络主体由多个多分辨并行融合模块构成, 始终保持空间精确的高分辨率并从低分辨率中接收大量的上下文信息。使用一种基于选择性卷积核机制SKNet的多尺度特征融合模块, 通过非线性的方法有效聚合来自不同分辨率流的特征。在不同的分辨率流中使用一种改进的残差模块, 采用相邻层次的多种尺度的卷积来获取丰富的雨纹信息。模块间使用密集连接, 加强不同模块之间的特征传播。实验表明, 所提方法在合成及真实雨像数据集上的评价指标与其他去雨方法相比有所提高, 去除雨纹的同时能够保留更多的细节信息。

红外与可见光图像融合一直是图像领域研究的热点, 融合技术能弥补单一传感器的不足, 为图像理解与分析提供良好的成像基础。 因生产工艺以及成本的限制, 红外探测器的分辨率远低于可见光探测器, 并在一定程度上因源图像分辨率的差异阻碍了实际应用。 针对红外与可见光图像分辨率不一致的问题, 提出了用于红外图像超分辨率重建与融合的多任务卷积网络框架, 应用于多分辨率图像融合。 在网络结构方面, 首先设计了双通道网络分别提取红外与可见光特征, 使算法不受源图像分辨率的限制; 其次提出了特征上采样模块, 先用双线性插值方法增加像素个数, 再通过多层感知器精细化拟合像素平滑空间与高频空间的映射关系, 无需重新训练模型即可实现任意尺度的红外图像上采样; 接着将线性注意力引入网络, 学习特征空间位置间的非线性关系, 抑制无关信息并增强网络对全局信息的表达。 在损失函数方面, 提出了梯度损失, 保留红外与可见光图像中绝对值较大的滤波器响应值, 并计算该值与重建的融合图像响应值的Frobenius范数, 无需理想的融合图像作为真值监督网络学习就能生成融合图像; 此外, 在梯度损失、 像素损失的共同作用下对多任务模型进行优化, 可以同时重建融合图像和高分辨率红外图像。 算法在RoadScene数据集上进行训练, 与其他4种相关算法在TNO数据集上进行对比, 主观性能上该方法可以输入任意分辨率的源图像, 融合图像红外目标突出、 可见光细节纹理丰富, 在源图像分辨率相差较大时能重建特征清晰的高分辨率红外图像, 模型泛化性能强; 客观性能上在信息熵、 差异相关性总量、 空间频率等多个评价指标上表现优异, 结果表明重建的融合图像信息丰富、 信息转化率高、 清晰度高, 验证了算法的有效性。

提出了一种液晶透镜与玻璃镜头组合的新型局部变倍成像系统，以解决传统变倍成像系统中机械结构体积较大、非线性运动设计难度较大、变倍数离散等问题。首先对所提出系统进行了说明，给出了系统各参数间的关系。对实验装置进行了介绍，重点介绍了液晶透镜结构及双偏振结构。对所提系统进行了实验验证，通过改变液晶透镜组所加电压调节孔径区域内成像变倍比。这说明在系统组件无机械移动的条件下可通过调节液晶透镜组所加电压实现局部变倍成像，且变倍比连续可调。此系统不仅简化了传统变倍成像系统的机械结构，使变倍系统轻量化、小型化成为可能，还为图像细节信息的获取与分辨提供了新方法。

为满足显微成像领域的多样化需求,解决实际应用中成像质量与成像时间之间的矛盾,提出一种基于数字微镜器件的多分辨显微关联成像方法。该方法利用LED光源作为背景照射光源,对科研级荧光正置显微镜原光路改装设计为关联成像光路,采用多分辨Hadamard优化矩阵作为数字微镜器件的预置图样,实现了生物组织样品的连续多分辨成像。实验结果表明,多分辨显微关联成像系统的分辨率可达218 nm,单组测量后可同时输出8组不同分辨率图像,能够根据实际应用中不同图像质量需求选择不同的分辨率,减少成像时间和存储空间,极大地提高了显微成像的灵活性。这种新型多分辨显微关联成像方法可以扩展至细胞筛选、细胞实时成像等领域,对推动关联成像在细胞和生物组织显微成像领域的应用具有重要意义。

旋转双棱镜系统可以通过光束控制来扩大成像视场、增大棱镜顶角,可提高视场角扩大倍率,但同时加剧成像畸变的问题。为了实现大视场实时成像的目的,针对大顶角双棱镜系统提出了一种快速畸变校正和视频拼接的方法。所提方法采用多次相机预标定、建立查表插值重投影算法,配合图像尺度变换及基于搜寻最佳缝合线的多分辨率融合算法,实现对两路旋转双棱镜成像系统的实时畸变校正和拼接。针对视场扩大情况,提出一种基于矢量形式折射定律的视场扩大评价方法,并以视场角扩大因子作为评价指标。仿真结果表明拼接视场水平视场角扩大因子可达1.50,垂直视场角扩大因子可达1.30。实验结果验证了该扩大视场方法的可行性,且可达到30 frame/s的实时畸变校正及拼接。