采用数字图像相关(DIC)法对物体表面形变进行测量,并通过散斑场的形变对被测物的真实变化进行研究。对散斑质量评价方法进行研究,以求在测量前即可判定所采用的散斑对测量精度的影响。根据DIC法对散斑图像的具体要求,提出基于灰度共生矩阵(GLCM)的散斑质量评价方法。对实际散斑图像进行亚像素刚体平移仿真模拟,采用GLCM中的能量、熵、对比度和相关性指标与DIC法的测量结果进行对比分析,并与平均灰度二阶导数和香农熵进行对比实验。通过改变散斑图像的整体亮度等级与亮度分布情况,探究不同光照情况对实验结果准确度的影响。实验结果表明,GLCM在散斑图像质量评价中具有一定的有效性。

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。

此程序为 数字图像相关处理方面的内容，可以得出散斑图变化前后的位移和应变的结果，精确度还可以，也可以根据自身需要修改。

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.

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