中子偏置CT（computed tomography）扫描是一种有效的大尺寸样品层析检测方法，但投影数据截断会导致较大的CT系统转台旋转中心标定误差，严重影响成像质量。基于投影数据对称性原理，提出了一种计算旋转中心左侧和右侧投影数据和之间方差的偏置CT扫描旋转中心精确标定算法。设计了对称补数据重建算法和投影数据预处理重建算法，验证得到，对称补数据重建算法对旋转中心标定误差更为敏感，较小的误差值会导致补齐后投影数据出现拼接缝以及拼接错位问题。提出了一种中子投影数据噪声仿真方法，设计的三维仿真模体验证了所提标定算法与投影数据预处理重建算法在不同旋转中心偏置大小以及不同强度投影噪声条件下的性能优势。基于反应堆中子源开展了中子偏置CT扫描成像验证实验，获得了样品清晰的内外部结构细节，中子CT成像系统的成像视野扩大了31.4%。

光场显微粒子图像测速技术通过单光场相机即可实现微尺度三维速度场的测量，但单光场相机角度信息有限，导致粒子重建的轴向分辨率低、重建速度慢。基于此，提出一种基于卷积神经网络深度学习模型的光场显微粒子三维空间分布重建方法，以实现粒子三维分布的高分辨率快速重建。首先，根据光场显微成像模型，基于粒子的实际发光特性生成模拟光场图像，进而构建“粒子空间分布-光场图像”数据集；然后，耦合光场显微成像特点，建立卷积神经网络深度学习模型，通过“粒子空间分布-光场图像”数据集对模型进行学习和训练，获得光场显微三维粒子空间分布预测模型，并对预测模型的性能进行评价；最后，测量水平微通道层流流动中的示踪粒子空间分布和三维速度场。模拟和实验结果表明：相比常规的反卷积方法，所提方法的粒子重建轴向分辨率提高79.3%，基本消除了粒子重建的拉伸效应；单张图像重建时间仅为0.243 s，可以满足实时测量的需求。

Cherenkov激发的荧光扫描成像（CELSI）是一种新型的光学成像技术，为监测体内恶性肿瘤的生物学特性提供了一种手段。为提高CELSI图像重建质量，本文提出了一种基于迭代优化展开的深度学习图像重建算法——ADMM-Net。在该算法中，交替方向乘子法（ADMM）与卷积神经网络（CNN）相结合组成一个深度网络，网络中的所有参数通过端到端训练进行学习。实验结果表明：该算法可以有效提升重建图像的质量。当网络层数为5时，该算法重建的单荧光目标图像的平均峰值信噪比和结构相似性值分别可达到33.75 dB和0.86。该算法不仅可以分辨出边沿距离最小为2 mm的双荧光目标，而且在多荧光目标和不同荧光量子产额比率下表现出了良好的泛化能力。

在光声内窥成像中，不均匀或不稳定的照明，以及生物组织的复杂光学特性均会导致成像平面内光通量分布不均匀，从而造成重建图像质量和成像深度的下降。提出了一种校正光通量变化的定量光声内窥成像方法，对光吸收能量分布进行稀疏分解，采用贪婪算法重构得到光吸收系数和光通量的稀疏表示，并通过稀疏矩阵分解实现光吸收系数与光通量分布的联合重建。仿真和体模实验结果表明，与一步法和基于模型的定量重建方法相比，采用所提方法估算光吸收系数的均方根误差（RMSE）可降低约48%，重建图像的归一化平均绝对距离（NMSAD）和结构相似度（SSIM）可分别降低约25%和提高约24%。与其他校正光通量的重建算法相比，所提方法估计光吸收系数的RMSE可降低约22%、NMSAD可降低约20%、SSIM可提高约10%。

单像素成像借助多次掩模调制和单像素测量值计算获得目标物体的多维光场信息,其降维亚采样、高灵敏探测、谱型适应性等特点为非可视波段成像、极弱光探测、激光雷达等领域带来了福音。当面向动态场景时,单运动帧内多次单像素测量与物体的运动之间存在矛盾,引发图像模糊和噪声问题。针对上述问题,介绍了单像素成像的数学模型及其成像机理,综述了动态单像素成像的发展历程及应用现状,尤其是研究人员在提高成像帧频、改进成像方案或者成像机理方面取得的长足进展;讨论了动态单像素成像目前存在的问题,思考和展望了未来的发展趋势,以期为该领域进一步的科学研究提供有益参考。

径向边缘的伪影是外部CT图像明显存在的缺点。为了抑制外部CT图像径向边缘的伪影,采用加权方向全变差(WDTV)算法计算沿径向和切向方向的局部方向差分,引入两个权重参数对这两个局部方向差分进行加权求和。WDTV算法可以更好地描述外部CT图像梯度模的稀疏性,有效提升重建图像的质量。针对高噪声中子外部CT检测的需求,在WDTV重建模型的框架下,对沿着径向和切向两个方向附近的一定角度范围内分别施加不同的全变差(TV)最小化约束。改进的WDTV算法中TV最小化的作用更明显,具有更强地抑制径向边缘伪影与抗噪声的性能。计算机仿真结果和齿轮冷中子实验结果表明,改进的WDTV重建模型能够更有效地抑制重建图像的噪声,提高重建图像的质量。

切伦科夫激发的荧光扫描成像(CELSI)作为一种新兴分子成像技术,具有空间分辨率高和成像深度深的优点,在监测放疗过程中肿瘤的生理变化方面具有巨大潜力。前期工作基于Tikhonov方法成功实现了CELSI断层成像,但该方法无法对位置深度超过3 cm或低对比度的荧光目标进行准确重建。为克服这一问题,提出了一种基于近似信息传递算法的断层CELSI稀疏重建方法。为说明该算法的优点,将其与传统的Tikhonov正则化算法以及3种基于稀疏的重建算法进行比较。实验结果表明,就均方误差和对比噪声比而言,本文算法可以获得最优的重建结果。

傅里叶叠层成像是一种能够同时实现大视场和高分辨的成像方法, 公开发表的文献表明其空间分辨率极限由照明数值孔径和物镜数值孔径决定。为了进一步提高其分辨率, 提出了频域和空间约束傅里叶叠层重建方法: 利用传统重建算法获得的空间频谱进行频域约束, 以传统重建算法获得的图像进行空间约束; 该方法基于一个假设: 图像具有稀疏特性; 从传统重建算法获得的图像中提取所需的频域和空间约束条件, 不需要额外采集数据和硬件改进。仿真和实验结果表明: 与传统无约束重建方法相比, 提出的算法能够提高分辨率和改善对比度, 空间分辨率提高幅度高达~26%。

利用时域辐射传输方程,模拟了脉冲激光在弥散介质内的传输。利用广义Guess-Markov随机场模型,构建了正则化项,克服了反问题的病态特性。将步长加速法与序列二次规划算法相结合来求解反问题,构建了一种不依赖初值的光学成像算法,重建了二维弥散介质内的吸收系数和散射系数的分布,并模拟了癌变生物组织的近红外光学成像。研究结果表明,所提算法能够较好地解决初值依赖性问题且具备高精度,重建得到的图像能够清晰地分辨出介质内部的结构。

经典的恢复算法不能有效地恢复被观测物的全频域信息, 空间频率的缺失导致超分辨图像伴有较为严重的旁瓣.本文提出利用最大后验概率(MAP)评估解决表面等离子体结构光照明技术中的光学旁瓣问题.结果表明MAP评估恢复算法可以有效恢复物质的高空间频率信息, 并且通过合理选择优化参数达到抑制光学旁瓣的目的.在波长520 nm, 数值孔径1.3下, 可获得半高全宽65 nm的横向分辨力, 约为传统荧光显微镜的3.6倍.该技术在生命科学观测中具有潜在应用价值.