matlab方差分析代码OCT重建和光谱分析 用于频谱域OCT图像的重建和频谱分析的MATLAB代码。 该代码可用作OCT分子成像平台的一部分，我们称之为MOZART。 创建该代码是为了从Thorlabs OCT中读取原始干涉图（SW版本4效果最好，但版本3也受支持，但有一些更改）。 它将原始干涉图重建为OCT图像，并支持2D，3D和散斑方差。 除了重建图像之外，此代码还包括： 计算标准化的花斑变化（用于检测血管） 计算色散补偿 基于双频频谱分析，计算频谱对立图 计算光谱深度补偿 创建结合了OCT图像，光谱分析和斑点变化的图像。 和更多功能... 使用此代码和分析创建的图像示例： （连续注射两种类型的大金纳米棒后，绘制小鼠耳廓的增强OCT图像） 该代码用于创建图像并进行以下分析：“具有皮摩尔灵敏度的增强光学相干断层扫描，以进行功能性体内成像”，O Liba，ED SoRelle，D Sen，A de La Zerda-科学报告，2016年。 如果您使用我们的代码，请引用我们的论文。 我要感谢德国吕贝克的Thorlabs团队在使用OCT系统和重建原始信号方面的支持。 代码的用法： 如果使

用于从 RGB 图像重建光谱的分层回归网络 NTIRE 2020 团队 OrangeCat 光谱重建挑战的 README 文件：用于从 RGB 图像重建光谱的分层回归网络。 我们的方法在轨道 2 中获得了第一名：真实世界的图像。 论文可下载： : HRNet架构 主网络（不同层通过PixelShuffle和PixelUnShuffle连接）： 主网建议使用的 ResDB 和 ResGB： 文件结构 NTIRE 2020 Spectral Reconstruction Challenge │ README.md │ validation*.py │ test*.py │ ensemble*.py │ └───track1 (saving the trained models of track1) │ │ code1_G_epoch9000_bs8.pth │

PeakFit：基于MATLAB的用于光谱数据分析的峰拟合工具

Higher-Order Spectral Analysis (HOSA) Toolbox,这个是比较全的，里面包含PDF帮助文档。做高阶统计必备。

光谱Python（SPy） 光谱Python（SPy）是用于处理高光谱图像数据（成像光谱数据）的纯Python模块。 它具有读取，显示，操作和分类高光谱图像的功能。 有关该程序包的完整详细信息，请参见。 安装说明 最新版本始终托管在，因此，如果已安装pip，则可以从命令行使用以下命令安装SPy： pip install spectral 打包的发行版也托管在和因此您可以下载并解压缩最新的zip / tarball，然后输入 python setup.py install 要安装最新的开发版本，请下载或克隆git存储库并按上述进行安装。 不需要显式安装，因此您可以简单地访问（或符号链接）源树中的光谱模块。 最后，可在官方找到有关如何通过流行的conda软件包和环境管理系统进行安装的最新指南。 单元测试 若要运行单元测试套件，必须安装numpy，并且必须将示例数据文件下载到当前目录（

这是一篇介绍谱聚类方法的书，主要涉及到谱聚类的原理，过程以及证明。英文版。

SPECTRUM：Python中的光谱分析 贡献： 请加入 贡献者： 问题： 请使用 说明文件： 引文： Cokelaer等人，（2017年），``频谱''：Python中的频谱分析，开源软件杂志，2（18），348，doi：10.21105 / joss.00348 频谱包含使用基于傅立叶变换，参数方法或特征值分析的方法估算功率谱密度的工具： 傅里叶方法基于相关图，周期图和韦尔奇估计。 可以使用标准的锥形窗口（Hann，Hamming，Blackman）和其他奇异的窗口（DPSS，Taylor等）。 参数方法基于Yule-Walker，BURG，MA和ARMA，协方差和改进的协方差方法。 还实现了基于特征分析（例如MUSIC）和最小方差分析的非参数方法。 也可以多锥度 目标受众是多种多样的。 尽管信号功率谱的使用是电气工程（例如无线电通信，雷达）的基础，但它具有

视觉显著性

一本介绍由系数或者区域随机性所得到的随机方程的数值计算方法，包括gPC, collocation methods等等以及一些简单的应用例子。

本书旨在用作研究生水平的教科书和技术参考。 重点是基本概念，分析技术和基本经验方法。 唯一的前提条件是有关傅立叶分析的入门课程。