单像素成像通过调制光场测量场景对单个像素探测器的强度响应来还原场景图像，相比依赖阵列探测器捕捉图像信息的传统成像技术，在低成本、宽光谱及特定应用场景下具有出色表现。该技术是一种由物理域转为计算域的新型成像方式，因此众多研究在寻找高效的计算方式。由于神经网络在计算域中的强大学习能力，深度学习技术已经广泛应用于单像素成像中并取得了显著进展。将深度学习单像素成像分为数据驱动式、物理驱动式及混合驱动式，又在每个驱动模式下划分出神经网络用于“图像到图像”和神经网络用于“测量值到图像”两种成像方法。从6种角度综述基于深度学习的单像素成像方法的基本理论和典型案例，并讨论了各类方法的优势与不足。最后对基于深度学习的单像素成像方法进行总结与展望，有前景的应用包括高光谱成像、瞬态观测与目标检测。

生物组织折射率在微观上的不均匀分布造成了光学散射，进而导致了光在组织深处聚焦能力的丧失。波前整形技术通过补偿不同散射通道间的相位延迟，能够实现散射光的重新聚焦。该技术的有效实施依赖于散射过程的确定性，一旦散射过程在调控完成前发生变化，预补偿的相位将无法抵消散射带来的影响，最终会造成焦点强度的下降甚至是完全消失。然而在实际应用中，散射过程通常处于一个不断变化的动态状态，例如在生物活体内，血液的流动、心跳，以及呼吸等动态生理活动均会引起散射过程的动态变化。因此，为了保障波前整形技术在生物活体中的应用开展，提升波前整形系统的调控速度显得尤为关键。针对该问题，本综述主要对高速波前整形的发展现状进行了回顾，概述了调控速度的未来优化方向，分析并展望了其在生命科学中的潜在应用和前景。

微透镜阵列作为一种光学元件，凭借高分辨率、无限景深的特性可以实现高质量成像，在光通信、光传感等领域也有重要应用。近年来，光电子学、微纳米技术、智能材料等学科的发展促进了对微透镜阵列进行调谐的相关研究，使得微透镜阵列突破了固定焦距的缺陷，大大提高了器件的灵活性。总结微透镜的形状调谐、折射率调谐和超透镜的调谐3个方面的最新研究进展，详细地阐述微透镜阵列的调谐原理和过程，探讨各种调谐方式的优势和不足之处，并介绍了可调谐微透镜阵列的应用前景，最后展望了可调谐微透镜阵列未来的发展趋势。