将压缩传感理论引入超分辨率成像，得益于绝大多数图像在变换域中普遍具有稀疏性。在介绍压缩感知原理基础上，通过仿真分析表明，二维图像在变换域具有稀疏性；测量矩阵的性能越好重建图像效果越好；压缩感知采样仅用相当于传统图像30%测量值，就能恢复出与传统采样相当质量的图像；相对GPSR、GPSR+TV等算法，ADM算法超分辨率图像重建效果更佳。提出了一套基于4f系统的棱镜反射式压缩编码孔径光学成像系统，采用SLM作为编码模板完成对目标图像的调制和压缩，通过开发的基于全变分稀疏重建的ADM算法软件，实现了重建图像分辨率比CCD采集到的图像分辨率提高4倍的超分辨率重建效果。压缩感知成像技术解决了传统成像系统存在图像分辨率低、数据存储压力大、数据传输速度慢等问题，具有巨大应用潜力。

将压缩感知理论引入超分辨率成像,得益于绝大多数图像普遍具有稀疏性,提出了一套基于4f系统的全相位反射式压缩编码孔径光学成像系统,采用反射式空间光调制器进行光学系统成像实验,通过MATLAB程序对该系统进行仿真,对采集到的单幅低分辨率图像进行解码重建得到高分辨率的。实验结果表明,只有在保证CCD相机与空间光调制器像元尺寸完全匹配的情况下才能得到最佳的重建效果。

二维编码阵列是编码孔径成像的关键部件,它直接决定着再现的层析图像的质量。目前仍没有一种理想的二维阵列既具有较高的量子收集率,又具有良好的层析成像特性。采用一种新的方法——分割矩阵(DIRECT)全局优化算法,设计二维阵列,该算法适用于多变量“黑盒”问题的求解,并且具有比其他优化算法更快的收敛速度。其目的是设计一类自相关函数旁瓣最大值为1,同时具有最大填充率的二维编码阵列。理论分析及实验结果表明:用该算法搜索得到的二维阵列既具有较高的量子收集率,又具有良好的层析成像特性。

三维成像技术因其应用广泛而备受关注。根据编码孔径成像的基本原理，提出了一种非相干可见光三维成像方法。这种两步成像方法的第一步采用空间位置编码的照相机阵列对物体拍照，在第二步中，首先将照相机阵列拍照得到的物体照片根据拍照时的位置关系合成为一幅图像，然后采用计算机程序模拟光学反投影解码方法解码再现出物体不同深度的表面分层图像。设计了初步的实验，该实验采用1部照相机依次在各编码位置对物体模型拍照，编码形式是包含9个点的无冗余阵列形式，物体模型只包含2个深度层次，布置在距离照相机阵列1.5 m的地方。实验得到了信噪比较高的物体模型的分层解码图像，验证了这种三维成像方法的可行性。