• 提出了首个面向彩色偏振成像的联合去噪与去马赛克重建框架，在共享特征空间内协同建模并恢复退化图像。

• 设计了基于编码器特征融合机制的图像重建模型，显著提升了重建质量。

• 构建了首个真实世界彩色偏振图像数据集，支持模型训练与评估。

• 在多个指标上显著优于现有偏振图像去噪与去马赛克方法。

• 设计并实现基于硬件加速的高速色调映射算法，支持 24Bit-HDR 图像的实时处理与 LDR 显示，动态范围接近人眼感知极限（130-140dB）。

• 开发端到端可学习的 ISP 算法，通过小型神经网络实时估算 Global Tonemapping 参数，显著提升 24 位视频流的处理效率与图像质量。

• 在 ISP 算法中引入端到端可微设计，支持任务扩展与联合优化；例如，将 ISP 与目标检测任务结合，优化 ISP 输出以适配检测网络，显著提升目标检测精度。

• 通过实验验证算法在多种场景下的性能，确保其在复杂光照条件下的稳定性。

• 设计并实现基于 GPU 加速的 RGB-IR 传感器图像信号处理管线（ISP），显著提升图像处理效率，满足实时性要求。

• 提出一种基于红外光特性的反射去除算法，利用 NIR 波段对玻璃反射的低敏感性，结合可见光波段信息，有效分离并去除反射干扰，提升图像质量。

• 采用引导滤波技术优化 RGB-IR 图像的特征提取与融合过程，在保证算法精度的同时，大幅降低模型复杂度与参数量，提升计算效率。

• 设计并实现了从光学到传感器的完整图像仿真处理流程。

• 使用空间可变的点扩散函数（PSF）卷积核模拟镜头退化。

• 基于传感器噪声特性构建噪声模型并生成噪声Map。

• 完成了可扩展、可移植的仿真管线，可适配不同应用场景，为算法开发与验证提供高保真数据支撑。

• 构建模块化 CPU/GPU 并行算子库，实现部分传统图像处理算子（灰度化、模糊、Sobel、双边滤波）、矩阵乘法及部分深度神经网络卷积/全连接层，并支持反向传播。

• 使用 MPI、Pthreads、OpenMP 实现CPU上的并行优化，使用 CUDA 和 Triton 实现GPU上的并行优化。

• GPU/Triton 实现的图像算子和矩阵乘法在相同条件下性能优于基线-PyTorch实现。

• 基于谷歌HDR+论文，实现多帧短曝光Raw合成的高动态范围（HDR）视频处理管线。

• 使用多帧对齐与融合、滤波降噪和局部色调映射等HDR+提出的ISP模块。

• 使用Python和PyQt5框架开发了图形用户界面（GUI）应用，方便用户操作，支持选择RAW图像序列进行处理 ，并通过调用FFmpeg将处理后的图像帧合成为最终的HDR视频 。