关联成像,又称“鬼成像”,是一种由量子理论衍生而来的全新成像方式。传统的光学成像是把物体的信息用探测器直接记录,而关联成像是通过两个或更多的探测器对光场的光强信息和光场分布信息独立探测,然后将两者进行关联计算,重构目标物体的像。传统关联光学成像方案想要得到较高质量的目标重构图像需要进行大量的运算、成像时间长。因此,本文以缩短关联成像时间、改善关联成像质量为研究目标。本文提出了一种基于插值算法的关联成像方案,将传统关联光学成像理论与插值算法相结合,既缩减了关联运算的时间也提高了重构图像的质量。首先对目标透射(反射)信息进行降采样处理,压缩参与关联重构的信息量,以此信号多次迭代的均值作为逻辑选择的判断门限,在参考光路中筛选出对应大于和小于光强门限值的光场分布信息。然后将对应的光场分布信息做统计平均,重构出目标物体的像。最后利用插值算法将重构图像复原为原先的像素大小。本文以几幅具有不同图像特征的典型性灰度图作为仿真实验样本。实验结果表明,基于插值算法的关联成像方法峰值信噪比普遍比传统关联成像方法提高15%至20%,结构相似度提高20%至130%,同时减少了87.5%的重构数据。从关联成像实验的角度改进重构算法,既提高了重构质量也缩短了运算时间。本文从去噪的角度研究改善关联成像重构像质,借助均值滤波、双边滤波、卷积神经网络去噪以及三维块匹配四种图像去噪算法,对各算法去除普通图像噪声和去除关联重构图像噪声的能力进行研究。结果发现,卷积神经网络去噪算法对普通图像的噪声去除效果最好,而三维块匹配法对关联重构图像的去噪效果最佳,三维块匹配法的去噪结果相比较原始的关联重构图像峰值信噪比平均提升约32.56%,结构相似度平均提升约183.43%。