Deconvolution is a commonly employed technique for enhancing image quality in optical imaging methods. Unfortunately, its application in optical coherence tomography (OCT) is often hindered by sensitivity to noise, which leads to additive ringing artifacts. These artifacts considerably degrade the quality of deconvolved images, thereby limiting its effectiveness in OCT imaging. In this study, we propose a framework that integrates numerical random phase masks into the deconvolution process, effectively eliminating these artifacts and enhancing image clarity. The optimized joint operation of an iterative Richardson-Lucy deconvolution and numerical synthesis of random phase masks (RPM), termed as Deconv-RPM, enables a 2.5-fold reduction in full width at half-maximum (FWHM). We demonstrate that the Deconv-RPM method significantly enhances image clarity, allowing for the discernment of previously unresolved cellular-level details in nonkeratinized epithelial cells exvivo and moving blood cells invivo.

为提高激光诱导击穿光谱 (LIBS) 寻峰中重叠谱的分辨能力并抑制随机噪声的干扰, 提出用Gold去卷积算法结合平滑处理的自动寻峰方法。对于标准样品NIST 1256b和NIST 1762的LIBS光谱, 先进行平滑处理, 然后采用高斯形系统函数去卷积, 最后用五点法对去卷积结果进行自动寻峰。实验研究了平滑处理结合不同半峰全宽 (FWHM) 的系统函数对重叠峰分辨能力和抗随机噪声干扰能力的影响。结果表明, 采用0.140 nm (比弱峰的FWHM稍大) 作为Gold去卷积系统函数的 FWHM, 结合平滑处理能取得高达0.039 nm的重叠谱分辨能力, 且寻峰峰位、峰值、曲线拟合与NIST数据库的数据都能较好地吻合。研究初步表明基于Gold去卷积算法的自动寻峰可应用于LIBS数据处理。

工业精密制造中，视觉检测设备的成像系统往往景深较小，易产生离焦模糊，严重影响检测效果。针对这一问题，提出了一种针对于均匀离焦图像的盲去模糊网络（Uniform Defocus Blind Deblur Net，UDBD-Net）。首先，提出一种模糊核估计网络，提取离焦模糊的特征，并准确地估计出模糊核；其次，提出一种反卷积网络，通过神经网络学习并估计基于特征维纳反卷积（Feature-based Wiener Deconvolution，FWD）公式中的未知量，更准确地生成去模糊图像的潜在特征；最后，使用一个编解码网络（Encoder-Decoder Net）增强图像的细节，并去除伪影。实验结果表明，该方法在DIV2K和GOPRO图片上的峰值信噪比（Peak Signal to Noise Ratio，PSNR）分别达到31.16 dB和36.16 dB；与目前主流的方法相比，该方法在不显著增加模型推理时间的同时能够复原出更高质量、更自然地去模糊图像。此外，该方法对真实的均匀离焦模糊图像也有较好的去模糊效果，且能够显著提升工业视觉检测算法对于离焦模糊图像的检测效果。

近年来，太赫兹成像技术在多个领域具有广阔的应用。一套完整的太赫兹成像系统的数学模型是非常有必要的。基于点扩散函数的太赫兹图像增强模型是很好的选择。该方法将目标函数与点扩散函数进行褶积，实现了太赫兹图像的模拟传输。然后根据光学成像的过程，计算成像系统的点扩散函数。最后，基于点扩散函数对图像进行反褶积增强。该模型用于探测图像增强的结果表明，该方法有效地提高了图像的分辨率。恢复的映像包含更多细节。

盲解卷积是常用的自适应光学图像事后重建方法之一。为提高盲解卷积对太阳(自适应光学)图像的重建效果，本文提出了基于二阶广义总变分的空变多帧盲解卷积算法。该算法首先利用交替最小化和半二次分裂方法求解本文提出的二阶广义总变分约束的空不变多帧盲解卷积模型；然后针对非等晕大视场太阳图像特性，利用重叠分块与加权拼接实现空变盲解卷积扩展。在一米新真空太阳望远镜(NVST)观测的真实太阳图像上进行的重建实验与分析表明，本文算法在主观视觉效果和客观指标上均具有较好的图像重建效果。

新型陶瓷纤维复合材料由短切氧化硅纤维及其胶合物经高温烧结得到的一种轻质多孔材料, 材料微观结构特性直接影响着宏观结构特性和功能特性。 该类材料的孔隙度分布在84%~95%之间, 微观孔径主要集中在100 μm范围内, 偶尔有少量纳米孔。 陶瓷纤维复合材料以其耐高温、 低密度、 高比强和抗烧蚀等优异性能在超高声速飞行器外层隔热部件得到应用, 但该类材料可能因为制作和装配的工艺水平等因素出现夹杂、 孔洞甚至大面积脱粘等现象。 由于陶瓷纤维复合材料结构与应用场景的特殊性使得常规的无损检测手段效果不佳, 而太赫兹(THz)技术作为一种新兴的无损检测技术, 在该类材料的无损检测具有很大的潜力, 可与常规检测技术形成互补。 针对陶瓷纤维复合材料构件粘接层缺陷检测问题, 研究了太赫兹时域信号和太赫兹层析成像方式对缺陷定位方法。 基于太赫兹时域光谱(THz-TDS)无损检测技术获取和对比试样中有粘接层缺陷和粘接层完好位置的时域波形的波形峰值和相位差异, 并经过反卷积滤波技术对时域波形进行处理, 定性分析时域波形与粘接层缺陷特性的关系, 宏观判断缺陷存在; 通过对太赫兹波段陶瓷纤维复合材料光学参数提取测定太赫兹波段的平均折射率为1.028, 进而分析粘接层缺陷的深度和厚度分别为18.4和0.28 mm, 与预置缺陷真实深度和厚度相比准确度分别为92%和90%。 但由于通过时域信号提取的平均折射率会给粘接层缺陷位置分析造成误差, 因此以太赫兹层析成像方式进一步估计缺陷的位置, 分析了太赫兹层析成像噪声来源以及对成像质量的影响并采用了双边滤波对层析成像降噪滤波, 基于太赫兹层析成像技术建立了位置评估模型, 获取了粘接层缺陷的厚度为0.26 mm, 较预置缺陷厚度的准确度为96%, 有效地完善了太赫兹检测技术对缺陷定位的形式, 实现了陶瓷纤维复合材料构件的粘接层缺陷的高精度定位表征。