光谱共焦显微技术结合了共焦显微镜的高空间分辨率和光谱分析的高波长分辨率，凭借精度高、适用性强、无损检测等特性，广泛应用于工业生产、生物医疗和半导体芯片等领域。首先介绍点光谱共焦系统的原理，指出点光谱共焦检测效率低的缺点。其次，针对光谱共焦显微技术的关键性能指标改善，阐述了在光源、色散物镜和光谱信号检测等方面所取得的主要成果，并对各类光源进行定性对比。随后展示光谱共焦显微技术的扫描方法，梳理了相关研究进展，并总结了相关方法的优点和缺点。最后，展望光谱共焦显微技术未来的发展趋势。

多能计算机断层扫描（Computed tomography，CT）技术可以更加精确地分辨出人体组织对不同能量X射线光子的吸收情况，是医学成像领域的重要发展方向。为了解决因量子噪声等非理想效应加重导致重建图像质量急剧退化的问题，提出了一种基于移位窗口多头自注意力机制的双流Transformer网络结构。该结构利用移位窗口Transformer和局部增强窗口Transformer分别提取投影数据的全局和局部特征，充分利用投影数据的非局部自相似性以保留投影数据的内部结构；然后通过残差卷积融合提取的特征；最后使用带有非局部全变分的混合损失函数来监督网络模型的训练，提升该网络模型对投影数据内部细节的敏感程度。实验结果表明，所提方法处理后的重建图像峰值信噪比（PSNR）值、结构相似性（SSIM）值和特征相似度（FSIM）值分别达到37.7301 dB、0.9944和0.9961。与目前先进的多能CT去噪方法相比，所提方法在去除低剂量多能CT投影数据噪声的同时，可保留更多的细节特征，有利于后续的精确诊断。

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%。

深度学习作为机器学习领域的重要研究方向, 其强大的特征学习能力以及优秀的可移植性使得深度学习技术渗入到科学研究的各个领域, 尤其是深度学习中前沿领域的成果对医学图像的识别、分类、分割、量化等方面起到了积极作用。光学相干断层扫描成像( OCT)技术具有非侵入、分辨率高的特点, 能够无创获取生物组织内部微米级的高分辨率三维切面图像, 在生物医学的眼科、血管、皮肤科等方面有着广泛应用。本文首先介绍了 OCT及深度学习的基本原理以及二者相结合在皮肤领域的应用优势, 然后详细阐述了深度学习在皮肤 OCT医学图像领域的应用, 主要包括在皮肤癌的分析分类、美容领域、指尖图像的分割以及在损伤皮肤的定性定量评估中的应用。

光束扫描系统在光学显微成像中扮演着重要的角色，针对现有光束扫描中继系统尺寸、像差较大以及装调精度要求高的问题，提出一种双二维微机电系统（MEMS）振镜光束扫描方法。该方法采用两片二维MEMS振镜进行光束远心扫描，其中，一片MEMS振镜替代传统中继系统中的scan lens和tube lens，避免像差的引入，缩减系统尺寸，最终完成了小型化、结构简单和无像差的光束扫描系统设计。基于该方法构建了小型化共焦扫描显微镜，并对台阶样品进行扫描成像，验证了该方法的可行性。该方法为光学显微成像提供了一种新型的光束扫描手段，可为光学显微成像技术在深空探测、现场检测和生物医学等领域的进一步应用提供一种新的技术途径。

细胞超微结构的原位解析是当前的一个研究热点。冷冻电子断层扫描成像技术（cryo-ET）是目前细胞原位结构解析的核心技术。cryo-ET只能对厚度小于300 nm的样品进行成像，因此利用cryo-ET研究细胞超微结构时首先需要对细胞进行减薄。聚焦离子束（FIB）切割是目前冷冻生物样品减薄的主流技术。传统FIB切割只能在细胞的任意位置上进行“盲切”，无法对细胞内部特定研究目标进行定点切割。光电融合成像技术（CLEM）恰可解决这一问题。CLEM利用荧光成像技术识别并定位研究目标，通过光电图像的关联匹配，可在FIB图像中确定荧光目标的位置，进而指导FIB的定点减薄。针对荧光导航cryo-FIB减薄的相关技术方法、仪器设备和工作流程进行了梳理，分析对比了主流方案的优缺点，旨在帮助研究者选择出合适的荧光导航FIB减薄方案，并对该技术的未来发展方向进行了展望。

为了实现弱回波信号下非合作目标识别跟踪, 文章基于单像素光子计数激光雷达系统设计了目标识别跟踪策略, 并且提出了一种目标识别跟踪方法。该方法首先将单像素光子计数激光雷达系统采集得到的三维点云经过插值处理得到直观的距离像, 然后采用最大稳定极值区域算法分割目标和背景, 根据目标轮廓特征识别并选择需要跟踪的目标。最后提取识别目标的质心, 与激光雷达扫描中心的偏差作为误差信号, 控制伺服系统在扫描的基础之上执行目标跟踪。实验结果表明, 当激光发射能量为625pJ、回波光子数为25时, 该系统能对距离为5m、角速度约为2mrad/s的目标进行稳定的识别跟踪; 验证了基于单像素光子计数激光雷达的策略及方法能够稳定的分割目标和背景, 以及正确提取需要识别跟踪测距的目标质心, 为弱回波信号下目标识别跟踪测距提供一种有效直观的探测方法, 同时, 弱信号探测作为远距离探测的必要条件, 为远距离下的目标探测及识别跟踪提供了一个新的技术方向。

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。

利用蒙特卡罗模拟和光密度算法评估线扫描成像系统对被测样品内部缺陷的检测性能。首先，引入三维体素分割方法，实现对内部缺陷不规则组织边界的精细划分，以改善传统蒙特卡罗方法难以准确模拟复杂组织的光学传输问题；分析了仪器参数对光子在组织内部的穿透深度、探测器的探测深度和表面漫反射率的影响，确定了最佳的参数配置；最后，利用光密度算法评估了系统对不同大小和深度缺陷的检测性能。仿真结果表明，在光源入射角为15°、光源-探测器距离为1 mm的条件下，线扫描成像检测系统能够兼顾光子探测深度和表面反射率；对于大（a=2 mm，b=3 mm，c=1 mm）、中（a=2 mm，b=2 mm，c=1 mm）、小（a=2 mm，b=1.5 mm，c=1 mm）三种尺度的椭球体缺陷，系统的缺陷深度检测限分别为3.5 mm、3 mm、2.7 mm。本研究结果为面向水果等农产品内部缺陷检测的线扫描成像系统的参数优化和性能评估提供了理论依据。