计算光学成像技术是现代光学系统设计方法、图像传感技术和图像处理技术的综合性应用,能够在视觉信息的多维度、多尺度和分辨率上实现质的突破,进而观测到传统光学成像系统“看不清”、“看不全”和“看不到”的场景信息。针对低对比度、低分辨率、低照度的复杂光学特性场景,如何利用图像处理技术提升计算光学系统的成像质量已成为近些年的研究热点问题。为此,本文开展了偏振成像去雾增强处理、红外夜视图像超分辨率重建和水下弱小目标检测识别三方面研究工作,具体研究内容如下:(1)针对浓烈雾霾场景,为了增强图像对比度同时提升成像系统探测距离,提出了一种基于斯托克斯矢量模型的四相机共光轴实时偏振差分成像系统。将与入射光偏振方向夹角为0°、45°、90°、135°的检偏器集成在镜头内部,可实时获取四幅偏振分量图像。在偏振分量图像配准方面,提出一种偏振分量图像实时配准算法。首先,利用高精度四维标定平台对偏振分量图像重叠区域进行像元级标定,采用加速鲁棒特征检测子提取重叠区域的图像特征。然后,采用快速近似最近邻搜索算法获得初始的匹配点对,通过对匹配点对特征向量的欧式几何距离进行排序筛选并保留下较好的匹配点对。最后,基于渐进一致采样法对内点集合采样过程进行全局优化,实现更精准的空间变换参数估计。在偏振合成图像视频融合方面,提出一种基于“映射-合并”框架的视频融合方法,并采用双线性插值的限制对比度自适应直方图均衡算法对视频进行可视化增强处理。实验结果表明,该方法能够实时获取高对比度、高清晰度图像且不损失成像系统的空间分辨率。(2)针对夜间低照场景,为了提升红外成像系统的分辨率并去除噪声干扰,提出了一种基于微扫描成像超分辨率重建算法。首先,通过双线性插值的方法构造参考帧。接着,采用四参数仿射变换模型对序列图像运动参数进行估计。然后,提出一种基于边缘检测的点扩散函数算子进行凸集投影和灰度修正。最后,提出基于稀疏阈值的K-SVD字典学习算法对图像进行去噪声处理。实验结果表明,该方法能够较好地复原图像边缘细节信息并对噪声有一定的抑制作用。此外,提出了一种压缩编码成像超分辨率重建算法。首先,采用傅里叶变换对图像进行稀疏化表示。然后,提出了一种基于自适应非单调线搜索策略的全局优化梯度投影并行加速算法,完成稀疏信号的超分辨率重建。实验结果表明,该方法能够较少数据量高效地重建一幅的高分辨率图像并能够抑制图像噪声。(3)针对浑浊水下场景,为了提升浑浊介质条件下弱小目标检测识别精度,提出了一种基于蚁群优化和强化学习的图像边缘检测方法。首先,将强化学习思想整合到人工蚂蚁运动中,提出一种可变感知半径策略来计算每个像素转移概率,不同于与传统方法采用固定数量的领域像素来计算梯度。然后,引入双种群策略控制蚂蚁的运动方向,使搜索过程兼顾全局搜索和局部搜索能力。实验结果表明,该方法可以对水下弱小目标进行高精度的边缘检测。此外,提出一种基于深度编解码网络的水下图像目标检测识别方法。首先,通过反卷积操作对AlexNet卷积操作提取的图像特征进行细节补充,提出了一种基于AlexNet的深度编解码网络结构。然后,通过迁移学习解决了数据饥饿问题,基于仿射变换等操作对训练样本集进行了扩充。实验结果表明,该方法对于水下弱小目标能够表现出较高的识别精度。