光学流场可视化研究在航空航天、能源工程、空气/水动力学、医学等领域有着重要的理论意义和应用价值。得益于光学检测技术具有非侵入式、瞬态、无干扰的优势,合成孔径粒子图像测速技术（Synthetic Aperture Particle Image Velocimetry,SAPIV）能够实现复杂流体三维速度高分辨率、全场大尺度的测量,呈现流动结构,揭示流动规律,为理论流体力学提供实验依据。本文围绕基于SAPIV的三维瞬态示踪粒子场重建技术中的数字重聚焦场的粒子筛选、图像重聚焦算法等问题和需求,进行了一系列研究工作。相机阵列中不同粒子图像灰度修正。相机相对于激光位置的不同,造成相同粒子在不同相机成像面上所成粒子图像灰度各异。为了缓解该问题对粒子场重建质量的影响,将Sliding Minimum Substraction（SMS）方法运用到SAPIV散射图像光强均衡预处理中。通过数值模拟实验和真实实验证明了粒子散射图像预处理的必要性和采用SMS方法进行图像修正的可行性。基于自适应灰度阈值的示踪粒子场重建方法研究。针对在高斯分布模型下进行灰度阈值估算时的阈值偏差较大的问题,在分析聚焦粒子点中心灰度分布的基础上,通过图像投影和数字重聚焦场的反投影组合迭代过程,以计算投影图像和真实粒子图像之间的互相关系数为目标,自适应的搜索最佳阈值,进而重建出三维示踪粒子场。基于卷积神经网络的示踪粒子场重建方法研究。针对由SAPIV中的相机阵列图像获得的数字重聚焦场中存在“沙漏”形聚焦粒子点结构的特点,通过将深度学习和SAPIV技术相结合,提出了基于卷积神经网络的示踪粒子场重建算法。通过该深度学习网络,由数字重聚焦场中的灰度分布计算得到示踪粒子的概率分布,再通过反投影过程,以结构相似度为目标,计算获得用于筛选示踪粒子的最优概率阈值,进而获得瞬态三维示踪粒子场。该方法从结构特征的角度来解决数字重聚焦场的示踪粒子筛选问题,为合成孔径粒子图像测速研究展开了一种新思路。基于混合重聚焦的三维示踪粒子场重建方法研究。针对各相机进行示踪粒子图像重聚焦过程中的孤立噪声干扰,将最小视线重聚焦和加型重聚焦融入到从粒子散射图像到数字重聚焦场的投影过程中,由最小视线法提取的聚焦粒子点为备选点,通过对反投影图像的局部极大值滤波来定位聚焦粒子的位置坐标,再融合加型重聚焦算法的灰度信息,求取三维示踪粒子场。圆柱绕流场的SAPIV实验研究。本文在不同光照条件下进行了圆柱绕流场中尾流观测和卡曼涡旋实验。分别采用目前存在的五种算法,对三维示踪粒子场进行重建,并比较了各种重建算法的重建效果,验证了本文研究工作的可行性,并说明了不同方法的适用范围。