无镜头成像技术是一种新型成像技术,其原理是采用光学调制器件代替镜头组直接放置在图像传感器前,从而构建一种超薄的无镜头相机,并配合后期重建算法进行成像。无镜头成像技术在具有大规模部署需求的物联网成像场景以及其他领域有着广泛的应用前景。由于编码掩模制造简易,成本低廉,并易于与图像传感器结合,因此,本文采用编码掩模代替镜头组,构建更轻薄,成本更低的成像系统。到目前为止,基于编码掩模的无镜头成像系统成像质量依然与传统镜头成像的质量存在很大差距,部分原因在于后期图像重建算法不成熟。本文围绕无镜头编码掩模成像重建算法展开研究,取得的主要研究成果如下:（1）针对无镜头成像重建算法研究,搭建了基于编码掩模的无镜头成像系统,并提出了一种将吉洪诺夫正则化约束的截断奇异值分解与三维块匹配算法相结合的无镜头编码掩模图像重建算法。将编码掩模直接放置在图像传感器前进行多次图像标定实验,对不同场景进行图像采集后通过该算法进行图像重建,并采用多项客观图像评价指标对重建结果进行综合评价。实验结果表明,使用无镜头编码掩模成像系统采集图像并采用本文提出的算法进行图像重建,输出图像的视觉效果以及客观评价指标表现良好。（2）面对未来成像设备更轻、更薄的需求,对无镜头成像系统进行优化,设计了基于小型化图像传感器的无镜头编码掩模成像系统,大幅减小了成像系统的尺寸。采用该小型化无镜头成像系统采集数据、重建图像并进行分析。（3）针对无镜头成像技术重建图像过程中存在的病态逆问题,本文提出了一种无镜头编码掩模成像深度卷积网络处理算法,借助深度神经网络强大的特征提取能力及复杂映射的学习能力,改善了传统算法无法准确重建原始场景的问题,提高了重建图像质量。使用无镜头成像系统对不同场景进行图像采集,并采用本文提出的成像方法求解系统传输矩阵初步重建图像并进行深度卷积神经网络处理,得到不同算法的输出图像结果,对其加以分析,然后对深度卷积神经网络结构做出改进,构建了同时具备端到端的输入输出特性和同尺寸密集连接特性的Dense-U-Net网络。采用本文提出的Dense-U-Net对重建图像进行处理,进一步提升了无镜头成像系统重建图像的视觉效果以及客观评价指标。（4）面对无镜头成像技术在大规模物联网部署场景的应用需求,设计实验探讨将本文提出算法重建图像在图像分类和图像识别任务中的表现。通过对基于编码掩模的无镜头成像系统采集,并经过图像重建及深度神经网络处理输出的图像数据集进行自训练图像分类与预训练图像识别实验,研究基于编码掩模的无镜头成像系统采集、处理、输出的图像数据集在机器视觉领域最广泛的图像分类和图像识别任务中的处理准确率。在自训练图像分类任务及预训练图像识别任务得到良好的结果。