损毁字符磁光成像显现复原技术对于损毁程度较轻、笔划特征简单的字符具有较好的显现效果,但是对损毁严重、笔划特征复杂的字符的显现效果不是很理想。为提高损毁字符磁光成像系统的显现分辨率,对系统中的成像原理、励磁方案、图像处理等关键技术进行研究与分析,并且结合深度学习方法,实现了对损毁严重字符的显现与信息复原。根据对磁光成像原理的研究分析,设计了一种具有上下反射层的磁光膜片,该磁光膜片能扩大偏振光在膜片内的有效通过路径,增强偏振光的旋光效应。与线激光器相结合,优化了现有倾斜入射光路的磁光成像系统方案,提出了一种高灵敏度的磁光传感器,使字符的显现分辨率明显提高。基于该磁光传感器,本文提出了一种高分辨率的磁光成像显现系统方案,主要包括磁光传感器、直线运动平台、磁场发生器和计算机。相较于现有的损毁字符磁光成像显现技术方案,该系统具备更高的复原精度和灵敏度,能更高效、更全面地复原损毁字符信息。除了磁光成像系统中的光路系统,励磁方案亦是影响成像系统分辨率的重要因素。为了优化损毁字符样件内磁场的分布情况,提高磁光成像的显现效果,根据理论计算,设计与比较了环形直流电磁铁与U型直流电磁铁的铁芯结构,最终选择U型直流电磁铁作为磁光成像系统的励磁装置。通过Maxwell软件仿真模拟了 U型直流电磁铁对损毁字符样件的励磁情况,探究了电磁铁芯尺寸、样件的尺寸对磁场传导的影响规律,优化了U型电磁铁芯的尺寸,明显提高了电磁铁的励磁效果。针对多笔划类型的复杂损毁字符,研究分析了字符笔划方向对铁磁材料内磁场传导的影响机理,设计了一种能分时正交励磁的环形电磁铁模型。通过Maxwell仿真模拟了模型对损毁样件的不同励磁情况,验证了该模型的正确性。根据字符磁光图像的特点,采用了局部直方图均衡化法提升了字符的笔划特征。并且设计提出了一种基于像素级显著值的磁光图像融合算法,实现了对正交励磁的两幅磁光图像的融合,完整显现了复杂笔划特征的损毁字符,提高了显现效果。对于极少数由于损毁严重而导致的残缺字符,以上高分辨率磁光成像显现技术已经无法显现。本文将磁光成像技术与深度学习方法进行结合,实现了残缺字符的复原。采用设计的损毁字符磁光成像显现设备收集不同损毁类型的残缺字符磁光图像,通过均值模糊的方法来扩充残缺字符的磁光图像数量,构建了用于卷积神经网络训练与测试的数据库。在MALTAB平台搭建了面向残缺字符数据库的五种卷积神经络模型,经过训练后可知,AlexNet、DarkNet-19和GoogleNet网络在验证集的识别率达到99%以上,而LetNet-5和ResNet-18网络泛化能力较差。分别采用本文提出Softrelu激活函数和dropout层对两个网络进行优化后,发现预测准确率明显提升,并且训练耗时大幅缩短,优化效果较好。相较于其他网络,添加dropout层的ResNet-18网络最适合残缺字符的识别与信息复原。本文分别从光路系统方案、励磁方案、正交励磁与图像融合、面向残缺字符的深度学习方法等方面对现有的损毁字符磁光成像显现系统方案进行研究与优化,实现了损毁严重、笔划特征复杂的字符高分辨率磁光成像显现。