压缩成像是基于压缩采样理论的成像方法,因其可以突破采样定律对传统成像系统的限制,广泛应用于图像压缩和计算成像等领域。压缩成像的技术关键在于压缩采样和感知重构两个过程,压缩采样需要构建合适的测量矩阵对目标物体进行稀疏采样,而感知重构则从采集数据中复原出目标图像,采样和重构的过程共同决定了压缩成像的采样效率和成像质量。在压缩成像过程中,需要利用光场调控器件加载测量矩阵来实现对目标信息的压缩采样,空间光调制器是常用的光场调控器件之一,它可以利用所加载的测量矩阵对光信号的各种参数,如振幅、相位、偏振态和频率等进行调制,具有分辨率高、响应灵敏度高和可编程性强等优点。本文以基于空间光调制器的压缩成像技术为核心,分别从单像素压缩成像、多像素压缩成像和压缩光谱成像等方面开展了具体研究。本文主要的研究内容与创新点如下:1.针对单像素压缩成像存在的噪声严重、重建图像质量较差等问题对现有方法进行改进,使用一种非局部广义全变分方法对单像素压缩成像的压缩采样数据进行图像重构。为了减少噪声对图像的影响并提高重建质量,构造了一种基于非局部相关性权重的梯度算子,并使用平滑惩罚权重和非局部稀疏惩罚项来解决重构图像梯度效应的问题。本文进行了不同条件下的仿真,并进一步利用空间光调制器作为核心器件来搭建实验系统验证算法的有效性,并分析了不同分辨率和采样率对重建图像的影响。2.针对多像素压缩成像存在成像时间长、成像质量差的问题,使用了一种分块压缩感知的方法,并设计了相应的测量矩阵,有效降低了采集低分辨率图像所需要的测量矩阵的数量,从而减少了成像时间。针对分块压缩成像方法中存在块状效应的问题,进一步提出了一种基于低秩先验的加权非局部全变分方法,其中低秩先验减少了块效应的影响,全变分先验项则是保证了图像的细节。本文进行了仿真,然后利用空间光调制器作为核心器件来搭建实验系统验证算法的有效性,最后分析了不同采样率对重建图像的影响。3.针对压缩光谱成像中现有算法对高光谱图像成像质量较差、对噪声鲁棒性不高的问题,使用了一种基于低秩先验的全变分最小化算法。首先利用空间光调制器搭建的压缩光谱成像系统采集目标的真实高光谱数据,然后建立仿真系统并进行重建分析,这个过程包括探测图像的仿真模拟和基于低秩先验的全变分最小化模型的高光谱图像重建。最后,选取了不同波段的光谱图像,并合成伪彩色图像来对比不同算法的重建结果。