低采样率下的高质量鬼成像（GI）对于科学研究和实际应用具有重要意义，为了在低采样率条件下重建高质量图像，提出了一种高质量的被动式压缩鬼成像重构算法（PCGI-LRC）。基于图像的非局域相似块堆叠而成的矩阵具有低秩和稀疏奇异值的假设，从理论和实验上证明了一种对最小二乘问题与非局域相似块低秩近似问题进行联合迭代求解的方法，能够在低采样率（6.25%~50%）条件下实现高质量鬼成像。实验结果表明：与基于稀疏基约束的GI（GI-SBC）和基于全变分约束的GI（GI-TVC）相比，PCGI-LRC在峰值信噪比、结构相似性系数和视觉观测等方面均更优，在抑制重构噪声的同时保持了目标的细节信息，其中PSNR提升效果优于1.1 dB，SSIM提升效果优于0.04。

光切片图像的质量与使用的重构算法直接相关，传统的均方根算法虽然简洁，但在原始图像信噪比和条纹对比度不高时重构效果不佳，得到的三维重建结果并不理想。针对该问题，提出一种去背景和去卷积相结合的光切片方法。与传统均方根算法相比，该方法能有效减少残留条纹，提高微小细节的可见性。实验搭建了一套基于数字微镜器件的结构照明显微系统，以小鼠肾脏细胞、牛肺动脉内皮细胞等为样品进行了光切片实验。实验结果表明，该方法能获得更好的光切片和三维成像效果。

针对从基于压缩超快成像（Compressed Ultrafast Photography，CUP）的任意反射面速度干涉仪（Velocity Interferometer System for Any Reflector，VISAR）中获得的压缩图像中重构出冲击波二维条纹图像的问题，提出一种基于卡尔曼滤波的双约束图像重构算法。该算法首先基于条纹图像具有的稀疏性和平滑性，将问题转化为基于小波与全变分双先验约束的优化问题，然后，考虑到实际成像的噪声问题，采用加权卡尔曼滤波对图像已有信息进行预测和调整，最后将卡尔曼滤波引入二步迭代阈值算法的迭代过程中，进而求解该双约束优化问题，实现压缩图像的精确重构。在大噪声仿真实验中，该算法重构图像的峰值信噪比和结构相似度分别提高了4.8 dB和14.81%，显著提高了图像重构质量。在实际实验中，该算法重构出了清晰的冲击波条纹图像，且将冲击波速度最大相对误差降低了9.57%和平均相对误差降低了2.2%，验证了该算法的可行性。

针对基于超快压缩成像(CUP)与二维任意反射面速度干涉仪(VISAR)获得的压缩图像重构冲击波二维条纹的问题，提出了一种基于低秩约束和全变分正则化的压缩图像重构算法。该算法利用条纹图像空间结构的相似性以及平滑性，将重构问题转化为核范数最小化和全变分正则化的优化问题，利用即插即用的交替方向乘子法将优化问题分裂为多个子问题求解，实现了CUP-VISAR压缩图像的精准重构。仿真结果表明，在大噪声的条件下，重构图像的峰值信噪比提高了8.45 dB，结构相似性提高了8.52%，重构效果优于主流重构算法。进一步设计实际实验，实验结果表明，冲击波条纹的最大速度相对误差从13.5%降低到3.46%，减少了近10%，验证了算法的有效性。

集成成像技术作为一种重要的裸眼三维显示技术，在完整记录三维场景信息的同时，庞大的数据量给传输和存储带来了压力。为了实现图像的有效压缩和重构，根据光子计数集成成像的特点，基于分布式压缩感知理论，提出用于图像压缩与重构的方案。该方案将图像分为参考图像和非参考图像两类，对其设置不同的测量率并分别进行重构。为保证非参考图像的重构质量，提出一种联合重构算法。该算法首先对非参考图像进行分块测量，依据与参考图像之间的相关性进行图像块分类，然后结合参考图像测量值信息构建新的测量矢量，利用新的测量矢量完成初次图像重构。为了进一步提升图像重构质量，对初次重构结果进行二次残差补偿重构，获得最终重构结果。最后通过设置不同的测量率进行了大量实验，实验结果表明，所提算法在测量率为0.25时，图像重构质量可以达到30 dB，测量率为0.4时，图像质量可以达到35 dB，算法性能具有一定的优越性。