模拟散斑图生成.rar

数字散斑图的模拟 有一定借鉴意义 希望对大家有帮助

搭建实验平台,把26个字母的图像传入光纤,并在输出端采集散斑图。把散斑图展开到HSV色彩空间中,单使用V分量进行分类能达到不错的分类准确率,且能缩减训练时长。在预处理后,分别使用具有不同层数卷积结构的神经网络、卷积神经网络和支持向量机(CNN+SVM)算法、SVM算法对散斑图进行分类。测试结果发现,使用4420张散斑图作为训练集,3层卷积结构的神经网络的识别准确率为88%,4层卷积结构的神经网络的识别准确率为95%,CNN+SVM算法的识别准确率为98%,而SVM算法的识别准确率达到了100%。实验结果表明,把机器学习算法应用在光信号上,同样可以对多模光纤散斑图进行分类,当图像特征相对明显时,直接使用SVM算法对光纤输出散斑进行识别,可以大大提升多模光纤输出散斑图的识别准确率。

服从复高斯联合分布的随机散射介质，可用来配合傅里叶光学模拟散斑 由于多重散射效应导致强散射介质并不是简单的相位扰乱，需要建立全连接的矩阵 仿真模型来自西安电子科技大学邵晓鹏课题组文章 未解决问题，不能有效模拟光学记忆效应

本文提出了用两个孔径(单环和双环孔径)装置进行激光散斑干涉照相的方法,得到了光强分布比较均匀的衍射晕和较好的杨氏条纹照片.

讨论了横向位移双曝光散斑图维纳谱的信息分布，并由此导出了杨氏条纹图的一般表达式.讨论了条纹可见度与应变、面内转动、照明光束直径与条纹图空间坐标的关系，指出了在条纹可见度影响下最大可见条纹数目.还讨论了散斑村比与衍射晕的关系.

基于叠加统计独立散斑图像的散斑抑制原理, 设计了一个具有N个透光孔的掩模板, 将其放置于成像透镜出瞳面上, 理论研究了产生统计独立散斑图像所需的条件。在简化光学系统中, 将散射片与探测面分别置于透镜成像共轭面上, 通过系统实验, 分析了多孔掩模板上相邻两个透光孔的不同中心间距以及单个透光孔孔径对统计独立散斑图像形成的影响, 其中单个透光孔孔径也会影响散斑颗粒的大小。在不考虑实验装置对测试精度的影响下, 实验结果与理论分析吻合。

用来生成模拟散斑图的matlab程序，输入整像素位移与亚像素位移，散斑数量，散斑亮度，图片分辨率，可以得到一幅原始图像和一幅进行过位移的图像