自20世纪60年代初期激光器问世以来,光学中的散斑现象就引起了人们的关注。人们发现当激光照射在光滑的墙面或者纸张上时,会观察到呈颗粒状分布的散斑图像。墙面和纸张在宏观尺度上来说是光滑的,但是在微观尺度下这些物体表面是完全粗糙的,反射面由无数个不同方向得微小反射基元组成。当相干性较好的光束照射在这些粗糙的表面上时,相当于对入射光场进行了随机的相位调制和方向调制,出射光由于相干叠加作用便会出现随机散斑现象。根据中心极限定理可以推算出随机散斑场振幅在统计上服从瑞利统计分布,强度则服从负指数分布。近年来非瑞利统计分布散斑场逐渐引起人们的关注,在动态散斑照明显微成像,光学超分辨率成像,基于赝热光源的高阶关联成像等领域,非瑞利统计分布散斑场均发挥了重要作用。另外,除了对于散斑场物理性质的研究,人们还对于激光透过散射介质这一过程进行了深入研究,例如激光透过散射介质聚焦,穿透散射介质成像等。本文对以下两个方面进行了相关研究,第一个是利用数字微镜阵列(digital micromirror device,DMD)实现非瑞利统计分布散斑场的调制,第二个是研究深度学习在穿透散射介质成像中的应用。本论文的第一个主要工作是利用DMD实现非瑞利统计分布散斑场的生成,并对非瑞利统计分布散斑场的相关性质进行了深入研究和分析。与液晶空间光调制器相比,DMD的最突出优点在于超快的刷新频率。普通液晶空间光调制器件的刷新频率一般在几十到几百赫兹之间,而DMD的刷新频率则可以达到几万赫兹,我们实验中所用DMD的刷新频率可达到22.7kHz。利用DMD实现非瑞利统计分布散斑场的生成,可以大大提高基于非瑞利统计分布散斑场的相关应用的效率,并且拓展其在更多领域的应用。本论文采用基于超像素的方法,通过离轴的4f系统和空间滤波,实现通过使用DMD对复光场进行调制的功能。最终利用DMD生成强度服从特定统计分布的非瑞利统计分布散斑场,实现通过DMD定制散斑的统计分布,并对实验生成散斑场的相关性质进行了研究。本论文的第二个主要工作是将深度学习应用到穿透散射介质成像中。穿透散射介质成像技术特别是在生物医学成像领域发挥着非常重要的作用,传统穿透散射介质成像的方法有很多,例如基于波前校正技术的穿透散射介质成像和基于角记忆效应的穿透散射介质成像等。为了探究新型穿透散射介质成像技术,本论文就深度学习在穿透散射介质成像领域的应用进行了相关研究。通过将手写数字识别库中的图片加载到DMD上作为成像物体,扩束准直后的激光光束照射在物体上,反射光束透过散射介质(毛玻璃)和成像光路后被相机采集。相机采集到的是物体透过散射介质后的散斑图像,无法直接从散斑图像中得出物体的任何空间信息。采用U-NET型全卷积神经网络,通过大量数据的训练,最终实现基于深度学习的穿透散射介质成像功能。