深度散斑相关性：一种通过散射介质实现可扩展成像的深度学习方法。 通过散射成像是一个重要但具有挑战性的问题。通过利用固定介质的确定性输入-输出传输矩阵已经取得了巨大的进步。然而，这种一对一的方法非常容易受到散斑去相关的影响——对散射介质的小扰动会导致模型错误和成像性能的严重下降。我们的目标是开发一个新的框架，该框架对介质扰动和测量要求都具有高度可扩展性。为此，我们提出了一种全面的统计深度学习技术，该技术封装了广泛的统计变化，使模型能够适应散斑去相关。具体来说，我们开发了一个卷积神经网络 (CNN)，它能够学习在一组具有相同宏观参数的扩散器上捕获的散斑强度模式中包含的统计信息。然后，据我们所知，我们首次展示了经过训练的 CNN 能够通过一组完全不同的相同类别的扩散器进行泛化并进行高质量的对象预测。我们的工作为通过散射介质成像的高度可扩展的深度学习方法铺平了道路。

利用QTdesigner+pyqt5设计并制作可视化界面的苹果树叶片病斑检测与分级系统。系统分为检测系统以及病斑分割分级系统，检测系统可实现的功能有：患病叶片及健康叶片检测，对于患病叶片的疾病可作区分，并提出防治建议。病斑分割分级系统可实现的功能有：分割患病叶片的叶片区域以及染病区域，并根据依据计算出患病等级，并提出防治建议。本系统是博主自行研发的系统，有需要的人可以下载并随时欢迎咨询。

去噪声代码matlab 美国降噪 优尼斯·法鲁伊（Younes Farouj）的美国降噪技术。 v.2017年4月 超声时空散斑。 该Matlab代码遵循这两篇论文中介绍的方法。 [1] Y. Farouj，L。Navarro，J.-M。 Freyermuth，M。Clausel和P. Delachartre。 通过Kronecker小波-菲兹阈值进行的超声时空散斑。 信号，图像和视频处理，2018年，第1期。 ，第12号，第6页。 1125-1132 和 [2] Y. Farouj，J.-M。 Freyermuth，L。Navarro，M。Clausel和P. Delachartre。 双曲小波-Fisz去噪在超声成像中产生的模型。 IEEE Transactions on Computational Imaging，第一卷。 3号1，第1-10页，2017年。 该代码包括两个版本。 一个数据驱动的和参数化的。 输入 ％％使用给定的（BseOnd）小波找到数据驱动的小波-Fisz估计。 %% ％％拍摄：％％x-数据：超声成像序列％％h-方差函数（对于参数版本）％％AV-像素值分布的预

matlab除噪声代码DD-SRAD DD-SRAD代表距离驱动散斑减少各向异性扩散，用于消除SAR时间堆栈的噪声。 该代码是为与MATLAB一起使用而编写的。 用于对合成Kong径雷达数据的时间堆栈进行去噪，但可用于随时间推移而被噪声破坏的任何图像数据。 可以在下面列出的相关论文中找到更多详细信息。 如果使用此代码，请引用以下内容： N. Tabassum，A。Vaccari和S. Acton，“通过合成Kong径雷达时间堆栈的距离驱动各向异性扩散进行斑点去除和变化保留”，《数字信号处理》，第1卷。 74，第43-55页，2018年。 该代码提供了两个数据集，一个是合成生成的，另一个是一组实际SAR幅度数据。 原始合成数据也包括在内以进行比较。 要运行演示，请运行DD_SRAD.m。 如有任何疑问，请联系。 谢谢！

基于进化算法的病斑提取研究

小麦种子病斑破损发霉发芽分类图像数据集（四分类）

提出了一种基于叠加散斑图的反射鬼成像方案。在散斑颗粒尺寸为1 pixel×1 pixel的散斑图上，随机插入不同尺寸的散斑颗粒，将叠加成的散斑图作为鬼成像的光源。数值模拟及实验结果表明，相对于传统的鬼成像方案，由多种不同尺寸散斑颗粒随机混合形成的叠加散斑不仅显著提高了恢复物体空间信息的衬噪比，还减少了采样次数，推动了鬼成像技术的实用化。

针对唐墓室壁画泥斑病害问题，提出了泥斑病害自动标定算法。用空间自相关函数分析泥斑病害纹理特征，在YCbCr模型下，分析泥斑病害亮度，色度特征；对图像分块处理，分析其每个图像块的纹理、亮度和色度特征，通过阈值分割得到泥斑的纹理、亮度和色度掩码。为了精确标定又提出将泥斑的纹理、亮度和色度掩码进行与或运算，得到泥斑区域掩码，将泥斑区域掩码与原图进行加运算，实现壁画泥斑病害精确标定。通过壁画虚拟修复实验表明这种标定算法不仅标定准确而且提高了壁画虚拟修复效率。

偏振频域光学相干层析成像（OCT）中图像质量受散斑噪声影响较大，散斑噪声会使图像细节变模糊，降低图像清晰度。针对此问题，提出了一种分光谱降低偏振频域OCT散斑噪声的方法。该方法将系统的全光谱信号分为多个光谱信号，对每个分立的光谱信号进行窗函数滤波，单独进行常规数据处理，然后将处理后的各个分光谱进行平均合成，达到降低散斑噪声的目的。利用Matlab进行仿真，同时搭建实验系统对离体生物样品鸡胸肉进行检测。实验结果表明，该方法可有效降低散斑噪声，提高偏振图像质量。

在高噪声散斑条纹图中含有大量的噪声,这些噪声极大的影响了图像的质量。条纹图像处理之前一般的要进行图像预处理,通常选用滤波的方法来去除散斑噪声。笔者介绍了目前常用的滤波方法:均值滤波、中值滤波、频域低通滤波和同态滤波等,利用MATLAB编程实现了这些滤波方法,通过比较对散斑图的滤波效果,以及比较通过这些滤波方法滤波后的图像的方差,平滑指数等各项数字指标,总结了各方法的特点。