在实际生产生活中,人们更多地希望能够拍摄出更加清晰真实的照片,但是由于光线原因导致相机过度曝光,为了解决这一难题,提出使用超表面实现点扩散函数以及卷积神经网络来实现过曝光场景下的超分辨率成像。与此同时,不可或缺的是具有高分辨率,小焦斑的光学镜片。超表面(Metasurface)是指一种厚度小于波长的人工二维层状材料,在亚波长尺度中,能够灵活的有效调控电磁波的振幅、偏振、传播、相位等。并且其尺寸能够实现微米、纳米级别。超表面是由亚波长光学天线阵列按照固定的尺寸和形状排列而成的,近些年来,在调控光波方面得到了大量应用,甚至能够对传统的光学元件起到替代作用。本文的主要研究和工作内容如下:首先,本文设计超透镜之前,对其单元结构特性进行了分析,一方面分析其结构参数周期、高度等,构建高透射率的纳米单元库,同时分析其纳米单元结构的加工误差对其相位及透射率的影响。另一方面根据聚焦相位公式,利用lsp脚本,生成惠更斯超表面,在分析其聚焦特性的同时,分别分析了焦距、超表面半径、以及F数对其聚焦特性的影响。其次,在上述聚焦透镜的基础上,利用APR恢复算法,在Matlab中重建超透镜,利用光纤激光器照射我们的成像样品,在CCD上记录不同轴向距离的成像强度信息,通过迭代相位恢复进行成像。通过对比超透镜成像结果与普通透镜成像结果发现,超透镜成像结果的PSNR值略低于普通透镜,但成像效果与普通透镜相差不大,说明超透镜能像普通透镜一样成像,且成像效果与普通透镜差别不大。最后,通过增加光纤激光器的照射光强,模拟过曝光场景,通过大量HDR训练集与我们透镜的点扩散函数进行卷积训练,训练模型通过反向传播损耗,不断更新U-Net模型的权重与偏置,从而得到优化后神经网络模型。在相同过曝光条件下,透镜呈的LDR图像经过与透镜的点扩散函数反卷积,输入到训练好的U-Net神经网络模型中,通过对比恢复的结果发现超透镜恢复结果要优于常规圆透镜,更进一步,本文通过不断调节超透镜的结构参数,优化表面相位达到超表面处理过曝光场景的能力。