关联成像又称为鬼成像,因其非定域成像、无透镜成像以及抗湍流干扰等特点成为近年来量子成像和经典光学成像领域中的研究热点。与传统成像相比,鬼成像可以通过两束光的二阶关联性来获取物体信息,在某些鬼成像实例中,甚至可以仅通过一个无空间分辨能力的桶探测器实现对被测物体信息的获取。因此,鬼成像在遥感、国防、生物医学、光学信息加密等领域中得到了广泛的关注。然而,低信噪比以及庞大的测量次数依然是制约当今鬼成像技术走向实用化所面临的亟需解决的关键问题。针对这些问题,本文从提高鬼成像信噪比、降低测量次数方面出发,提出了改善鬼成像重建质量的切实可行的研究方案,并通过数学建模、仿真模拟和实验验证的方法证实了本文提出方案的可行性和有效性。本文的主要研究内容及创新点如下:1.提出一种基于自适应阈值方法的鬼成像降噪方案。在不需要目标先验知识的前提下,采用自适应阈值迭代算法,找到与鬼成像中相关噪声逼近的阈值,并通过计算得到的阈值,完成鬼成像中噪声干扰项的构造。此外,对于二值物体图像,可以使用自适应阈值方法对其进行二值化,降低图像背景噪声对迭代性能的影响。最后从仿真与实验两个方面,证明了该方法的降噪性能,并与现有鬼成像方法的重建结果进行对比,验证所提出的方法在人眼主观视觉和图像客观峰值信噪比(Peak Signal to Noise Ratio,PSNR)参数上的优势。为抑制鬼成像中相关噪声以及改善鬼成像质量提供了一个新颖的技术方案。2.提出一种基于掩模(Mask)降噪的鬼成像方案。首先,分析了标量矩阵用于鬼成像目标重建的优缺点,并采用自适应迭代阈值方法对该方法进行优化。然后,在采用性能更好的最大类间方差法和形态学膨胀的方法设计抑制鬼成像中相关噪声的掩模,并通过掩模有效的去除相关噪声。最后,通过仿真以及实验证明了该方法对提高鬼成像重建质量的优势。为有效改善鬼成像的目标重建质量以及降低测量次数提供了新的解决办法。3.提出一种基于模糊C-均值(Fuzzy C-means,FCM)聚类算法改善鬼成像质量方案。通过分析光强平均值对鬼成像可见度的影响,采用FCM聚类方法对不同测量次数下参考光路的总强度值以及桶强度值进行统计和分类。根据聚类结果选择相应的部分散斑图案以及桶强度值对物体的信息进行重建。通过仿真以及实验证明,采用FCM聚类方法对测量数据进行分类,可以在降低测量数据的前提下,实现对鬼成像质量的有效提高。为鬼成像测量数据的选取提供了新的思路和技术手段。