人工智能对图像信息处理的需求量激增。目前,数字图像处理存在速度慢、能耗高等缺点,无法满足更高智能系统的需求。因为光子是玻色子,无质量,损耗低,且能以光速执行光学图像操作,故全光图像处理是提升人工智能决策速度的潜在途径之一。但现有的全光图像处理系统存在功能单一、集成度低、图像质量低等问题,尚需深入系统地研究。针对这些问题,本论文利用几何相位型超表面的结构、复振幅和相干性调制特性,重点研究全光图像处理系统中的多功能复用、可集成图像卷积器、图像匀化等技术,实现多维度图像的隐藏与加密、单片全光图像卷积器及全息图像重构中的消散斑。本论文取得研究成果如下:1.为实现光学图像的多维度加密,通过研究人工介质纳米结构,利用定向激发磁共振理论分析结构的双重（振幅型和相位型）各向异性,设计了几何相位型电介质（Si、Si3N4）超表面,实现光学振幅和相位的独立调控。基于此,通过复用光子的偏振态、相干态和波长等正交通道,将三幅光学图像加密在单个超表面器件中,为全光图像的多功能复用技术提供支持。2.针对现有全光图像处理的功能单一、体积大等问题,利用3×3的卷积核设计复振幅型超表面器件,用其修改光学成像系统的点扩散函数,通过光学成像过程来进行任意全光图像卷积运算。在实验上研制单片或双片的全光图像卷积系统,实现高质量的边缘检测、空间微分、去噪和边缘增强等功能。该光学卷积核具有3×3的矩阵形式,其与电子卷积运算高度兼容,为研究全光卷积神经网络提供技术支持。3.为解决全息图像重构中的散斑问题,利用神经网络算法,优化光场的空间相干性调制函数和全息相位函数,理论上设计具有消散斑效果的位相全息图。实验上利用几何相位超表面实现预期的位相调制,在高相干度激光照明下重构出均匀性高、边缘锐度大（提升2个数量级）的全息图像,证明基于神经网络算法设计的全息设计的优越性,并将其用于研究叉形光栅和二维码的全息图像光刻,为无散斑全息图像重构技术提供新思路。