傅里叶叠层成像从一系列低分辨率图像中恢复出高分辨率图像,打破了传统成像系统高分辨率与大视场相互制约的情况。近年来傅里叶叠层成像这一技术得到高速发展。然而在实际成像系统中,存在各种系统误差和噪声影响图像恢复质量。本文利用多种最优化算法,在对傅里叶叠层成像的系统误差校正的同时提高图像重建质量。主要研究内容如下:首先,利用被测图像本身的稀疏性,使用₁l范数度量这一先验知识并作为正则项与保真项结合。另外,自然图像具有梯度稀疏性,结合全变差模型,提出基于全变差的傅里叶叠层成像算法,使用Split Bregman法进行求解。经实验验证,稀疏先验的加入能有效提高图像恢复质量。其次,动量因子通过在目标函数的减小方向上加入累积速度来提高随机梯度下降法的收敛速度,与此同时,动量的加入避免了局部最优解的产生。本文将动量因子和梯度下降结合起来解决傅里叶叠层成像这一非凸问题。在高斯噪声环境下仿真实验结果表明该算法所恢复图像质量有明显提高,另外,实际数据实验结果也表明算法的有效性。最后,遗传算法通过模拟自然进化过程随机搜索最优点达到优化目的,具有强大的适应性和有效性,能有效避免局部最优值的产生。使用遗传算法对傅里叶叠层成像系统的LED位置进行校正,找到LED光源的实际位置,能有效提高图像恢复质量。实验结果表明,亮场内的多个LED光源位置均能有效校正,明显提高了恢复图像的质量,具有一定的抗噪性。