提出一种基于迭代自适应滤波原理的端到端深度神经网络。该网络旨在解决由简单透镜的光学结构引起的显著图像边缘模糊问题。利用具有大视场的单个胶合透镜，提出一种像素级去模糊滤波器，该滤波器可有效地适应模糊的空间变化，从而恢复输入图像的模糊特征。通过模拟和在原型摄像机系统上进行的实验验证了所提方法的有效性。

为克服传统质量导向相位展开方法无法正确展开多孤立物体的局限性，提出一种基于区域分割的立体质量导向相位展开方法。该方法将包裹相位分割为多个区域，并为每个孤立区域通过立体匹配算法确立左右相机多视图相位展开初始点，通过质量导向相位展开算法实现多视图孤立物体相位展开。进一步提出了基于区域双目立体展开相位匹配的单频条纹结构光三维（3D）测量，实现了单个频率包裹相位下的多孤立物体3D重建。实验结果表明，所提方法可以实现多孤立物体运动状态的3D重建，在四步相移和单幅条纹图条件下重建标准球的直径平均绝对值偏差分别为0.0135 mm和0.0347 mm。

为探究成像参数对大深度物体聚焦形貌恢复精度的影响规律，明确实际应用中聚焦形貌恢复重建精度不满足要求时成像系统的改进措施，在构建聚焦形貌恢复三维重建精度评价指标的基础上，利用正交实验确定成像参数对聚焦形貌恢复精度影响的主次顺序，重点分析主要和次主要参数对重建精度的影响规律，并揭示最佳成像参数随多聚焦图像采样间距的变化关系。考虑到成像参数的变化实际通过改变系统景深影响聚焦形貌恢复精度，建立了多聚焦图像采样间距与最佳景深之间的经验公式，为系统成像参数的设定提供了理论依据。实验结果表明：焦距和F数是聚焦形貌恢复的主要和次主要影响参数，在给定多聚焦图像采样间距下存在使重建精度最高的最佳焦距和最佳F数，且随着采样间距减小，最佳焦距增大，最佳F数减小；多聚焦图像采样间距与最佳景深之间的经验公式拟合准确率为97.28%，验证准确率为94.76%，可用于最佳景深的计算；采用最佳景深能够显著提升聚焦形貌恢复精度，为大深度物体聚焦形貌恢复精度的提升提供了新途径。

针对相对平行直线扫描CT（PTCT）图像重建存在的有限角伪影问题，提出一种学习局部和非局部正则项的深度迭代展开方法。该方法将具有固定迭代次数的梯度下降算法迭代展开到神经网络，利用具有坐标注意力（CA）机制的卷积模块和Swin-Transformer模块作为迭代模块交替级联部署，构成端到端的深度重建网络。卷积模块学习局部正则化，其中CA用于减少图像过平滑；Swin-Transformer模块学习非局部正则化，提高网络对图像细节的恢复能力；在相邻模块间，使用迭代连接（IC）增强模型提取深层特征的能力，提高每次迭代的效率。通过消融实验验证了网络各部分的有效性，并在两种类型的数据集上进行实验，结果证明了本文方法的效果。实验结果表明，本文方法在抑制PTCT重建图像有限角伪影的同时，能较好地保留重建图像细节，提高重建图像质量。

提出一种基于盲源分离（BSS）从多角度投影提取出任意深度聚焦层的数字乳腺层析合成摄影（DBT）重建算法。首先，通过DBT成像设备采集乳腺的多角度投影，并对投影进行校正、对数变换等预处理工作；然后以中心投影为基准，根据成像几何将多角度投影通过位移聚焦到所选的重建深度z处；最后，将位移后的多角度投影视为由一个聚焦层内信息和若干层外信息构成的线性组合，进而通过BSS将聚焦层信息分离出来，由此快速重建出乳腺厚度范围内任意深度z处的层面。以中心投影为参考，将位移叠加（SAA）法、滤波反投影（FBP）法、最大似然期望最大化（MLEM）3种当前DBT重建的主要算法与所提重建算法进行比较，4种算法对原投影的噪声污染的改善程度分别为13.4%、18.8%、88.5%、73.6%，图像对比度分别下降83.7%、81.4%、74.6%、10.7%，与中心投影的特征相似性分别为0.841、0.866、0.861、0.886，结构相似性分别为0.596、0.594、0.628、0.787，伪影扩散平均值分别为0.571、0.254、0.189、0.146。此外所提算法的重建速度小于SAA、FBP，但比采用2次迭代的MLEM高56.0%，因此所提算法在降低噪声、保持细节、抑制伪影、重建速度方面的综合性能优秀，且随着BSS技术和计算机硬件水平的快速发展而不断提高其分离重建性能，因此所提算法是一种实用性强、极具发展潜力的DBT重建算法。

构建了一种基于自监督的框架，该框架从单目立体内窥镜视频中提取多视图图像，利用图像中的底层三维（3D）信息构建对象的几何约束，实现软组织结构的准确重建。基于分割任意场景模型对内窥镜下的动态手术器械、静态腹腔场景及可形变软组织结构进行分割解耦。该框架利用简单的神经网络多层感知机来表示动态神经辐射场（NeRF）中运动手术器械和形变软组织结构，基于偏斜熵损失对手术场景中的手术器械、腔体场景和软组织结构进行正确分离。在通过使用单目立体内窥镜捕获机器人手术模拟器场景的数据集上，将所提方法的结果与其他方法进行定量定性比较。结果表明本文方法在处理腹腔体场景、软组织结构重建、手术器械的分割解耦，以及来自多视点的3D信息和运动对象的图像分割等方面显著优于当前的方法。

针对太赫兹扫描成像设备存在的图像清晰度差、边缘模糊等问题，提出了一种基于生成对抗网络的太赫兹图像超分辨率重建算法。首先，在处理太赫兹图像时引入限制对比度自适应直方图均衡方法，有效解决了太赫兹图像对比度低的问题；其次，在生成对抗网络的基础上，提出了一种基于增强注意力机制的残差生成对抗网络，实现了太赫兹扫描图像的超分辨率重建，提升了图像纹理和细节的重建能力；最后利用频谱归一化的U-net网络对生成器生成的重建图像进行判别，增强了训练的稳定性。实验结果表明，提出的太赫兹图像超分辨率重建算法将太赫兹线阵相机所成太赫兹图像的边缘强度提高了7%，峰值信噪比提高了13%，平均梯度提高了12%，结构相似度提高了14%，验证了该算法的优越性和有效性。