医学影像中的机器学习--U-Net 是用于生物图像分割的卷积神经网络（CNN）。 为了保留更精细的特征图，使用了跳过连接来补充更深层中的数据。 在这项工作中，将相同的体系结构用于MRI脑部扫描，以预测一种给予另一种的方式。 这是通过将以两种不同方式扫描的原始MRI体数据切成可在网络上进行训练的2D图像来完成的。 该网络是使用 （用于CNN的MATLAB工具箱）实现的。

根据顺轨飞行模式双基地几何关系及其信号模型,给出了一种适用于该模式下的扩展距离多普勒算法,成功地解决了由于接收、发射平台分置而产生的不同于单基地合成孔径雷达的距离徙动校正和方位聚焦问题,计算机仿真验证了算法的有效性及其在各种双基地角情况下的适应性。

图像融合；图像增强；图像质量评价

适用于科研人员

磁共振成像入门书，脑成像的基础内容，内含很多数据处理方法

心脏冠状动脉CT血管成像技术规范方案.doc

爱奥诺 使用射线追踪和射电观测模拟进行射电天文学的电离层层析成像。 目的是通过消除大气中电子对波前传播时间误差的影响，实现在低频下的超深成像。

近年来,深度学习被广泛应用于计算成像中,并取得了令人瞩目的成果,已成为该领域的研究热点。为了深入了解现有基于深度学习的方法是如何解决众多计算成像问题的,主要介绍了该方法的基本理论和实施步骤,然后以散射成像、数字全息及计算鬼成像中的应用为例具体介绍该方法的有效性和优越性。汇总对比了一些典型应用,并对基于深度学习的计算成像方法进行了总结和展望。

简单的数学matlab代码使用单光子相机进行光子高效成像 Repo 包括数据和 MATLAB 代码“使用单光子相机进行光子高效成像” 作者：D.Shin*、F.Xu*、D.Venkatraman、R.Lussana、F.Villa、F.Zappa、VKGoyal、FNCWong 和 JHShapiro 发表在《自然通讯》上 如何引用（BibTeX）： @文章{shin2016photon， title={单光子相机的光子高效成像}， 作者={Shin, Dongeek and Xu, Feihu and Venkatraman, Dheera and Lussana, Rudi and Villa, Federica and Zappa、Franco 和 Goyal、Vivek K 和 Wong、Franco NC 和 Shapiro、Jeffrey H}， 期刊={自然通讯}， 体积={7}， 年={2016}, 出版商={自然出版集团} } 给定的 MATLAB 实现使用由 SPAD 相机获得的光子到达数据来计算精确的 3D 和房间尺度对象的反射率作为概念验证。 将结果与基线过滤直

Image Processing Toolbox:trade_mark: 高光谱成像库提供用于高光谱图像处理和可视化的 MATLAB:registered: 函数和工具。 使用该库中的函数来读取、写入和处理使用各种文件格式的高光谱成像传感器捕获的高光谱数据。 该库支持国家图像传输格式 (NI​​TF)、图像可视化环境 (ENVI)、标记图像文件格式 (TIFF) 和元数据文本扩展 (MTL) 文件格式。 该库提供了一组用于端元提取、丰度图估计、降维、波段选择、光谱匹配和异常检测的算法。 Hyperspectral Viewer 应用程序使您能够读取高光谱数据、可视化单个波段图像及其直方图、为高光谱数据立方体中的像素或区域创建光谱图、生成高光谱图像的彩色或假彩色表示以及显示元数据。 有关高光谱成像库的更多信息，请参阅文档 - https://www.mathworks.com/help/images/hyperspectra