以散斑噪声为主的噪声干扰严重影响视网膜光学相干层析（OCT）图像质量。深度学习是一种有效的去噪方法。但对活体成像而言，其很难获取多帧配准的真值图像，这影响了监督学习方法的效果。提出一种无监督深度残差稀疏注意力网络用于视网膜OCT图像去噪，并分别从视觉评价和数值评价两方面与传统的三维块匹配滤波去噪算法和经典的深度学习去噪网络进行对比。研究了监督学习与无监督学习策略下3种卷积神经网络的去噪性能，并利用公开的视网膜OCT图像数据集进行泛化能力测试。实验结果表明：所提算法的视觉评价和数值评价均具有良好的降噪效果，可以实现视网膜OCT图像高质量降噪，具有较强的泛化性，而且与监督学习相比，无监督学习在数据集不充分时仍能获得较好的降噪性能，可以有效地辅助医生进行准确高效的临床诊断。

对物证的传统光学检验存在不便获取样本空间结构、针对性差、操作过程繁琐等不足。光学相干层析技术（OCT）具有原位、非侵入、高分辨率、高速、低成本等优点，在法庭科学领域有很大应用潜力。通过文献分析，阐述OCT的成像原理，针对此技术在法庭科学的不同研究方向，如指纹检验、法医学检验、文件检验、生物物证检验等，论述了OCT在物证鉴定领域应用的可行性，展望了OCT在法庭科学领域中的研发思路、方法及应用前景。

胶带是犯罪现场常见的作案工具，胶带上留有的指印等物证有重要意义，然而现场发现的胶带通常会相互重叠粘连或者粘附在其他客体上，因此胶带粘面上指印的无损提取一直是刑事技术领域的难题之一。基于此，提出了一种基于光学相干层析（OCT）技术显现胶带粘面潜在指印和分离多层胶带重叠指印的方法。采用自主搭建的频域OCT系统对3种情形下隐藏在胶带粘面的潜在指印进行检测，通过可视化处理获取指印的二维截面图像、en face横截面图像、三维渲染图像并分析其产生机理。结果表明，OCT技术不但可以实现对单层胶带粘面上潜在指印的快速无损显现，而且可对多层胶带上重叠指印进行分离，同时能够消除多色背景图案的干扰，指印细节特征的质量清晰、数量充足。通过3D渲染可以观察到汗孔等三级特征的分布信息，为指印显现提供了新的技术和方法。

在利用莫尔层析技术测量高温复杂流场关键物理参数时，流场的区域划分能够更好地确定成分，这对确保测量精度显得尤为重要。考虑到实际被测流场结构的复杂性，提出了一种自动寻找流场边界的算法对高温复杂流场进行区域划分。为验证算法的有效性和合理性，选取两类典型流场（氩弧等离子体和丙烷-空气火焰流场）进行了实验验证。结果表明，此算法可以显著提高流场区域划分的效率和精度，相关研究成果可以为结构较为复杂的流场重建问题提供一定的基础和思路。

光学相干层析技术（OCT）作为一种实时、无创的高分辨率成像手段，能够使用特征提取算法获得丰富的图像信息，为疾病的诊断提供客观依据。利用OCT对17例甲状腺正常组织与乳头状癌组织进行成像。针对甲状腺组织图像的特点，使用灰度共生矩阵（GLCM）、灰度直方图（GH）、中心对称自相关（CSAC）和Laws纹理测度（LM）4种算法提取图像特征值，并结合支持向量机（SVM）算法定量地评估不同特征组合的识别性能。结果显示，GLCM-GH-LM组合性能最优，能够从多个方面获得图像的纹理和灰度特征信息，灵敏度、特异性和准确度分别高达96.3%、92.2%和94.3%。研究表明，基于特征提取和机器学习的算法对甲状腺乳头状癌OCT图像进行量化分析及识别时不仅可以提供实时的监测图像，还对甲状腺恶性肿瘤临床诊断具有重要的参考价值。

癌症作为一种恶性化程度和致死率很高的疾病，是世界各国共同面对的难题。研究癌细胞的死亡过程，对于研究癌症的病理学机理以及探究有效的癌症治疗方法具有重要意义。本团队采用数字全息显微层析成像技术，对膀胱癌细胞内部的空泡进行了全息记录和衍射再现，获得了癌细胞在不同角度下的复光场数据；然后采用衍射层析重建算法结合非负约束条件，层析重构了癌细胞内部空泡的三维形态和空间位置，证实了数字全息显微层析技术在癌细胞内部空泡三维成像方面的优势和潜力。这一成像方式在研究癌细胞类凋亡过程中的形态变化以及探索新的癌症治疗策略等方面具有重要的应用价值。

打印文书与印章交线先后顺序的判断是鉴定文件真伪和相对制成时间的关键内容。利用中心波长为900 nm的谱域光学相干层析（OCT）系统对激光打印机和喷墨打印机与油性和水性两种印油印章制成的若干相交线样本进行检测，通过获取的交线区域二维断层成像和三维立体图像，比较两类打印机制成的样本在OCT检验下的成像特征，进而判断朱墨时序。对120个样品，包括30组激光打印机与印油的朱墨时序样品和30组喷墨打印机与印油的朱墨时序样品进行了比较研究，每组样品均选取了多个区域重复测试。实验结果表明，激光打印机和喷墨打印机形成的相同朱墨时序样本的OCT图像在透射光亮度分布上形成的反差是不一致的，这可为判别打印文书和印章的交线顺序提供参考。

散斑噪声存在于光学相干层析成像(OCT)中, 影响OCT图像质量。在使用OCT设备诊断各种常见眼科疾病时, 高质量的OCT图像是极为重要的。利用深度神经网络对OCT图像进行降噪处理, 使图像在保留空间结构细节的基础上能展示更多的信息。提出了一种基于残差学习网络的新型OCT图像降噪网络-CMCNN, 其具有多尺度、多权重和多层次特征融合等特点, 并且在保留图像空间结构细节的基础上降低图像噪声; 再将提出的模型与传统降噪算法、深度学习降噪模型进行比较。实验表明, CMCNN在峰值信噪比(PSNR)和结构相似性(SSIM)方面比其他深度学习方法提高了2.5%左右, 验证了方法可以有效地保留OCT图像中的细节信息, 同时有效地抑制噪声, 提高图像质量。

生物测量在眼科疾病的诊断和治疗中越来越重要, 对儿童和青少年的眼轴长度进行监测有助于预防和治疗近视及其引发的眼科疾病, 眼轴参数的准确测量也是影响眼病患者术后视觉质量的重要因素。为了测量眼轴参数, 本文研究了基于时域低相干技术的眼轴测量方法, 研制了高精度、非接触式眼轴测量的原理样机, 并开展了相应的实验研究。利用低相干干涉技术与长相干干涉测距技术结合的方法, 采用时域的机械扫描方式, 搭建一套光纤型低相干层析测量系统。通过对标准透镜厚度和镜面间隔的测量实验, 重复测量精度优于0.3 μm。最后对鱼眼眼轴参数进行测量, 清晰得到鱼眼的角膜、晶状体和视网膜等结构。实验结果表明, 该系统的稳定性及重复性均能达到设计要求, 可以用于动物眼轴参数的测量。

为了在甲状腺手术中辅助医生对切除的颈部组织进行快速的组织学判断,使用自行搭建的光学相干层析(OCT)系统对行甲状腺切除术及淋巴结清扫术患者的切除组织进行三维成像,并将其与二维OCT图像以及病理切片进行对比。对21个病例的切除组织分别采集67幅1000 pixel×1000 pixel×630 pixel的高分辨三维OCT图像,对应6 mm×6 mm×3.8 mm的成像范围。可以从不同角度和不同的内部切面对三维OCT图像进行观察,能够清楚地辨别成像范围内的甲状腺、甲状旁腺、淋巴结和脂肪组织,并能够清楚地分辨淋巴结转移病变。高速、高分辨的三维OCT成像为甲状腺手术提供了一种术中病理诊断的方式,在辅助医生做出手术决策方面具有一定的应用潜力。