关联成像,也被称为鬼成像,是一种新颖的成像技术,能够在恶劣极端的环境下成像,在军事、遥感、医学等方面有广泛应用前景。不同于采集目标物体分辨率信息的传统成像方式,关联成像只采集探测光通过物体后的总光强,利用光源和通过物体后总光强的高阶关联信息计算出目标物体的成像结果,具有抗干扰能力强、超分辨率、探测器简单的优点。然而,关联成像技术难以在有限时间内计算出令人满意的成像结果,因此难以实用化。关联成像系统分为数据处理算法和光学系统两部分,因此本文所做的工作主要分为两个方面,算法方面提出了一种新的重构算法——基于二项式的关联成像重构算法,光学系统方面研制了一套关联成像实验系统。关联成像重构算法的性能是决定其最终能否实用化的关键,针对重构算法的性能问题,本文对已有算法做了深入研究,并通过矩阵理论总结了重构算法提升重构质量的两条思路。在此基础上,本文综合运用了两种思路,提出了一种新的重构算法,使重构性能得到了均衡的提升,具有实用意义。光学系统为后续的重构算法提供真实的数据来源,重构算法最终也必须经过真实数据的检验,本文为此研制了一套关联成像实验系统,开发了实验系统的控制器,最终采集到了成像数据。重构算法的重构质量、重构时间、鲁棒性是阻碍关联成像实用化的制约因素。非线性重构算法,使用了如压缩感知理论、伪逆理论等现代数值求解理论,虽然大幅提高了重构质量,但却对外界噪声十分敏感,且消耗了大量的计算时间。而传统的线性算法使用的是关联平均运算,重构质量不高,但重构时间少、鲁棒性强。本文通过建立重构系统的矩阵模型,分析了重构系统的噪声引入机理,并总结出重构算法去除噪声的两种思路。本文提出的基于二项式的关联成像重构算法均衡提升了重构算法的重构性能。该方案是基于其他重构算法的后续处理,对重构结果构造二项式求和,将原有重构算法的特征矩阵噪声项间接的降低,因此可以与线性算法结合,在避免复杂计算并保持鲁棒性的同时进一步提高算法的重构质量。实验结果表明,与差分关联成像结合的该算法对灰度图像的重构效果可以提升到与压缩感知关联成像算法相当的水平,而且在计算时间和鲁棒性上更具有优势。最后,本文根据关联成像的实验架构研制了关联成像实验系统。实验系统的核心在于赝热光源的制备。本实验系统以STM32微控制器为核心,实现了赝热光源的制备与数据的同步采集。实验系统可以根据触摸屏输入的实验参数,控制旋转毛玻璃生成相应的运动轨迹,并同步触发相机采集。