相对基于光强、光谱等信息的传统光学成像与测量技术而言,偏振成像和偏振测量技术利用光的偏振特性获取目标场景的偏振信息实现多维尺度的目标识别与探测,是一种高效的光学探测、识别技术。特别地,偏振成像技术与数字处理技术相结合可有效解决传统光学在目标检测和识别领域无法解决的问题,拓宽偏振光学的研究领域和应用场景。在各类偏振成像系统中,基于分焦平面（Division of Focal Plane,DoFP）线偏振成像系统凭借着其独特的优势迅速发展并在各个领域中得到了广泛关注,但是针对其获取的偏振图像的优化技术仍然处在初步阶段。DoFP偏振相机获取的偏振图像,包括线性偏振度（Degree of Linear Polarization,Do LP）和偏振角（Angle of Polarization,Ao P）等图像容易受到噪声的干扰,特别是对于Ao P图,在噪声环境下识别度变得很低,这极大限制了DoFP偏振相机的应用。另一方面,有效的去噪技术可以提高偏振图像质量,从偏振图像中获取更准确的偏振信息,在实际中具有重要的应用价值和研究意义。本文针对DoFP偏振相机的偏振图像去噪方法进行了研究,结合DoFP偏振相机的结构特点和成像原理,提出了基于残差密集神经网络的偏振图像去噪方法,该去噪网络能够充分利用所有不同层次的特征信息,通过学习残差映射的方式训练网络参数。本文采用不同的网络结构参数搭建网络模型对噪声偏振图像进行去噪,然后对去噪效果分析确定合适的网络结构参数,并且通过消融研究验证了该去噪网络的有效性。实验表明,本文去噪方法能够有效抑制偏振图像噪声,并对不同材料的偏振图像具有很好的泛化性;与现有的几种基于DoFP偏振相机的偏振图像去噪方法相比,本文去噪算法在定量客观评价和定性的视觉评价都更具优越性,特别是对Do LP图和Ao P图的去噪效果尤为显著。DoFP线性偏振相机仅可直接获取线性偏振斯托克斯矢量,为了进一步探讨全斯托克斯矢量（Full Stokes Vector,FSV）的去噪方法,针对基于DoFP偏振相机和可变相位延迟器件的FSV偏振仪,本文提出了两种分别利用矩阵分解和伪逆模型估算FSV的优化策略。这两种优化策略针对不的FSV估算模型,在两次光强采集的条件下可最小化测算方差,从而最优化测量精度。特别地,利用DoFP相机固有的测量冗余特性,本文亦提出了基于两次光强采集的波片相位延迟量自标定解析解,该自标定算法可在实际应用中替代波片相位延迟量标定环节,同时为动态变化环境下的实时偏振测量提供技术支撑。