从频谱支集对称程度及夹角两个结构特点出发，分析频谱支集结构变化对于去噪效果的影响，提出光场频谱支集集中程度的概念，并设计相应的度量函数。通过极小化集中程度度量函数，计算合适的光场双平面间距，按照此间距在去噪前对光场数据进行重参数化可以提高滤波去噪效果。HCI模拟光场数据和斯坦福实测光场数据实验结果表明，引入重参数化的光场滤波去噪方法能够优化去噪结果。从视觉上看，在滤除更多噪点的同时保留场景更多的结构和纹理信息；从定量评价上看，峰值信噪比和结构相似度指标也有所提高。

抠图算法能够有效地将二维图像的前景信息和背景信息分离，实现目标提取、图像合成等计算成像处理。利用四维光场数据的空角耦合关系，通过对光场数据的稀疏化表达建立了满足空角一致性的光场抠图传播模型，并利用该模型将中心子孔径图像的alpha闭合解传播到其他子孔径平面中，快速地得到了具有空角一致性的光场alpha图。同时，基于对极平面图（EPI），提出了光场alpha图空角一致性的定量评价指标。模拟数据集与实测光场数据的数值实验结果表明，所提算法相比逐子孔径图像抠图方法，能够减少冗余计算，更快地得到具有更好空角一致性的高质量光场alpha图。

针对单一成像系统获取RGB-D数据时视场过小难以满足大视场成像需求的问题，提出了基于空间信息聚类的RGB-D数据拼接融合方法。根据RGB-D数据中蕴含的空间信息定义物点距离，利用simple linear iterative clustering （SLIC）方法实现空间信息聚类。将场景分割成若干平面子块，每个子块具有单应性，可以进行准确的单应性矩阵计算，进而实现将小视场RGB-D数据准确拼接融合生成大视场RGB-D数据。实验结果表明，所提方法能够改善图像变换过程中产生的扭曲变形及拼接过程中在重叠区域产生的错位。峰值信噪比（PSNR）和结构相似性（SSIM）两个定量评价指标说明基于空间信息聚类的RGB-D数据拼接相较于全局拼接，结果质量得到了提升。

提出基于聚焦堆栈单体数据子集架构的全局成像方法,该方法可以提高单体内部的重建精度,减少由物体边界深度跳跃带来的重建误差。首先采用Alpha Matting算法获取物体的边界信息,按照物体的边界信息在(x,y)空间中对聚焦堆栈进行精确划分,在深度方向上对聚焦堆栈数据进行筛选,获得聚焦堆栈单体数据子集。然后根据聚焦测度对单体数据子集进行深度重建和全聚焦成像,利用全变差正则化优化计算结果。最后将优化后的聚焦堆栈单体数据子集的重建结果进行全局融合,得到全局场景的深度图和全聚焦图。实验结果表明,提出的基于聚焦堆栈单体数据子集架构的全局成像方法可以提高计算效率和重建结果的质量,为聚焦堆栈计算成像提供一种优化方案。

为实现对红枣品种的判别,利用高光谱技术并结合机器学习算法对金丝大枣、骏枣和滩枣这三个品种的新疆红枣进行研究。首先,分别利用多元散射校正(MSC)、标准正态变量变换(SNV)、一阶导(1-Der)和Savitzky-Golay(SG)平滑等数据预处理方法对原始光谱进行预处理,研究了预处理方法对建模的影响;然后,利用光谱-理化值共生距离法(SPXY)将样本集划分为校正集和预测集,基于线性判别分析(LDA)、K-最近邻分类(KNN)和支持向量机(SVM)算法对预处理后的全波段光谱建立红枣品种鉴别模型,结果显示,在多种预处理方法中,1-Der的处理效果最好;然后,结合主成分分析(PCA)、连续投影算法(SPA)和竞争性自适应重加权采样(CARS)等特征提取方法对全波段光谱进行特征波段的提取,再基于特征波段建立红枣品种鉴别模型,结果发现,在几种特征提取方法中,基于CARS所提特征波段建立的模型可以获得最高的鉴别准确率;最后,以SVM模型为例对模型运行时间进行了比较,结果发现,基于特征波段所建模型的运行时间远短于基于全波段所建模型的运行时间。