模拟增益对电荷耦合器件信噪比与动态范围影响的实验研究

电荷耦合器件(CCD)是遥感成像系统的核心部件,为了在低照度、低量化位数的情况下获得高信噪比与大动态范围的遥感图像,首先根据CCD的结构与噪声物理性质给出了模拟增益、量化位数与CCD信噪比的关系,接着搭建了CCD的积分球标定系统,依据实验数据建立了散粒噪声、光子响应非均匀性噪声以及基底噪声的数学模型,然后着重分析了低照度情况下模拟增益与信噪比之间的关系,最后搭建了实际成像系统,获取了低照度情况下不同模拟增益系数的遥感图像.结果表明理论分析、实验室积分球标定数据与实际成像图像符合良好,即模拟增益提高1至2倍 关键词： 电荷耦合器件 模拟增益 信噪比 遥感成像系统     

低照度成像组件的最小可分辨率对比度测量及其作用距离模拟

搭建了一套光电成像系统的最小可分辨对比度测试实验系统,并对MTV-1881-EX型低照度CCD和NOCTURN XL型超低照度CMOS成像系统的最小可分辨对比度进行了测量,分析了对应两款低照度成像组件在相同焦距、相同瞬时视场、相同视场条件下的作用距离,结果表明:1)超低照度CMOS成像组件具有更好的低照度成像质量;2)基于最小可分辨对比度的作用距离模型由于考虑了系统信噪比、调制传递函数和景物对比度等因素,可更有效地预测光电成像系统的作用距离;3)在相同瞬时视场或成像视场条件下,超低照度CMOS成像系统具有更佳的作用距离.本文方法对于拓展基于最小可分辨对比度的光电成像系统作用距离模型的应用具有重要的作用.     

高分辨紫外电子轰击互补金属氧化物半导体器件的实验研究

基于真空紫外光电阴极和背照式互补金属氧化物半导体(CMOS)图像传感器研制了紫外光响应的电子轰击CMOS(EBCMOS)器件,实现了EBCMOS器件在40 mlx光照度环境下的高分辨探测,电子图像灰度随电子能量的变化呈现出极好的线性关系.对器件成像分辨率测试的结果表明,在电场强度为5000 V/mm时,器件的空间分辨率可以达到25 lp/mm,与国际相关报道水平相当.研制的EBCMOS器件可直接在紫外弱光探测领域应用,如天文观察、高能物理、遥感测绘等,同时也可为下一步研制可见光和近红外敏感的EBCMOS器件提供参考.     

基于深度卷积神经网络的低照度图像增强

针对低照度条件下图像降质严重的问题,提出了一种基于深度卷积神经网络(DCNN)的低照度图像增强算法。该算法根据Retinex模型合成训练样本,将原始低照度图像从RGB (Red Green Blue)空间转换到HSI (Hue Saturation Intensity)颜色空间,保持色度分量和饱和度分量不变,利用DCNN对亮度分量进行增强,最后将HSI颜色空间转换到RGB空间,得到最终的增强图像。实验结果表明,与现有主流的图像增强算法相比,所提算法不仅能够有效提升亮度和对比度,改善过增强现象,而且能够避免色彩失真,主观视觉和客观评价指标均得到了进一步提高。     

基于低照度三基色图像去噪及融合彩色图像增强方法研究

现有的各类彩色图像增强方法,主要用于对光照不均匀或弱光条件下已获取的彩色图像进行直接增强,而低照度彩色成像系统获取的彩色图像是由单独采集的三基色图像融合而成。为此提出了基于低照度三基色图像去噪及融合彩色图像增强方法。利用小波变换对低照度条件下独立采集的三基色图像进行去噪;然后将去噪后图像融合成彩色图像,将彩色图像由RGB颜色空间转换为HSV颜色空间;在HSV空间对V进行MSR增强,再对增强后的图像进行S调整;最后再将其转换回RGB颜色空间。采用客观评价方法对选取的去噪增强后图像进行了评价。结果表明:经过去噪和增强后的彩色图像在均值、方差和熵3项指标上均优于三基色直接融合的彩色图像,平均提高幅度为均值11.37%、方差8.46%、信息熵0.44%。该方法可移植到低照度彩色成像系统中,对成像质量的提升具有指导意义。     

高灵敏度APS CMOS图像传感器光谱探测技术研究

主动像元型(APS)互补金属氧化物半导体(CMOS)图像传感器的成像性能已经接近电荷耦合器件(CCD)的成像性能,在光谱成像领域有很好的应用前景。讨论了CMOS器件用于光谱探测的若干问题,建立了光谱成像系统的噪声模型并进行了实际噪声测试,分析了基于CMOS探测器的成像光谱仪的灵敏度水平;结合CMOS器件的结构和特性给出了图像的校正方法。搭建了包括光学、电子学的完整光谱成像系统,进行了光谱成像试验,验证了灵敏度分析和光谱校正方法。结果表明,CMOS探测器可以满足高光谱成像的灵敏度要求,可用于高光谱探测。     

MPPC low-level-light imaging enhancement algorithm based on sub-window box filtering北大核心CSCD

针对多像素光子计数器(MPPC)进行微光成像时,图像受光照不足和噪声影响出现的图像亮度低、对比度差、边缘模糊等问题,提出一种基于子窗口盒式滤波的自适应微光图像处理算法。为了减少算法运行时间的同时突出图像的边缘细节信息,利用子窗口盒式滤波器对图像进行分层得到基础层和细节层;对基础层图像采用自适应阈值直方图均衡化拉伸对比度,细节层图像采用自适应增益控制方式进行增强;根据基础层图像中有效灰度值个数占总灰度的比值自适应确定融合系数,将基础层图像与细节层图像融合得到增强后图像。通过微光实验平台设置3组不同照度的微光环境进行实验仿真,验证了本文算法在保持边缘信息和增强细节方面获得了更好的效果。实验结果表明本文算法在标准差、信息熵、平均梯度等客观评价方面优于改进前算法,提升了微光图像的成像效果。     

实现空间高分辨成像的数字域时间延迟积分CMOS相机设计及分析

为使具有诸多优点的互补金属氧化物半导体(CMOS)传感器更适合空间高分辨成像,寻求空间高分成像的新型技术,提出了更利于微光成像和推扫成像的卷帘数字域时间延迟积分(TDI)算法。同时研究数字域TDICMOS相机成像质量,详细分析了其噪声来源和特性,并建立了数字域积分图像信噪比(SNR)与积分级数的关系模型,讨论了积分时间和光照度对SNR的影响。最后利用设计的IBIS5-B-1300卷帘数字域TDI CMOS原理样机开展验证实验。实验结果表明本文算法能明显提高成像质量,数字域10级积分图像SNR由未积分的19.07dB提高至29.21dB,而且级数越大,SNR越大。理论分析和实验验证均表明M级卷帘数字域TDI可使图像SNR提高M(σAD+σCMOS)/(MσAD+槡MσCMOS)倍,其中σAD和σCMOS与选择的CMOS传感器有关,另外σCMOS还受积分时间和光照度的影响。     

融合Retinex和离散小波奇异值分解的远距离目标图像清晰化

针对远距离成像系统获取的低照度降质图像增强问题,提出了一种融合Retinex和离散小波奇异值分解的图像清晰化算法。该方法首先利用自适应全尺度Retinex（adaptive full-scale retinex, AFSR）“粗”提取照度分量和反射分量,然后通过离散小波变换将所提取的图像反射分量分解为4个频率子带并估计出低频子带图像的奇异值矩阵,最后应用逆小波变换“精”重建图像。实验结果表明:所提方法处理后的低照度降质图像视觉增强效果较好,在图像对比度、信息熵、平均梯度和边缘密度等客观评价指标方面优于其他经典算法。     

CMOS电路低温特性及其仿真

本文采用0.25微米工艺制备了CMOS器件和电路,通过对300K、77K和4K温度下器件和电路特性的测量,研究了工作温度降低对CMOS电路特性的影响.通过讨论MOSFET器件和互连线主要特性参数随温度的变化情况,修改了常温CMOS BSIM3模型以及互连线参数,建立了77K、4K温度下的低温电路仿真模型.利用上述新建立的低温电路仿真模型对CMOS电路进行仿真,并将仿真结果与实际测量结果比较,获得了比较一致的结果.研究表明在4K温度下CMOS电路的工作性能大约有50%到60%的改善.     

一种新的基于纹理和空间分布特征的图像检索

提出一种新的基于纹理和空间分布特征的图像检索方法.将检索图像分块,采用平移和尺度不变小波对各图像子块进行分解,在改进的快速小波直方图算法基础上提取图像子块的小波直方图,并提取每个图像子块的小波信息熵和三阶中心距作为纹理特征.对小波信息熵和中心矩特征进行高斯归一化,并利用特征向量的欧氏距离计算图像的纹理和空间特征的相似度.基于纹理图像库和自然图像库的检索试验表明,该方法比基于快速小波直方图算法和对数极坐标变换检索算法具有较高的检索准确度.     

邻域差值法确定灰度变换的分段点

光电跟踪测量设备电视系统受到自然条件的影响,往往捕获不到清晰的画面,很容易出现对比度极低的图像。针对此种情况,提出了一种用邻域差值来确定分段点的灰度变换法。通过计算像素55邻域的灰度差值,取最小的12个值之和ND。在大量实验的基础上确定合适的阈值T,与ND相比较,确定出图像边缘像素的灰度值范围,据此确定分段灰度变换公式的分段点。实验结果表明,在原图像对比度为1.19%的基础上,通过该算法处理后图像的对比度是原图像的18.79倍,是直方图均衡化后图像的6.97倍,是直方图规定化后图像的41.41倍,图像对比度达到了22.36%,图像的直方图也由单峰突出变为比较均衡的状态。该算法无论在数据上还是在视觉上都取得了很好的效果,满足了电视系统的跟踪要求,已经应用在光电跟踪测量设备上,有较好的实用价值。     

一种基于粒子群优化的高斯混合灰度图像增强算法

提出一种采用粒子群优化(PSO)的高斯混合灰度图像增强算法。该算法首先采用高斯混合模型(GMM)对输入图像的灰度直方图建模,并采用模型中高斯成分的有效交点来分割直方图。随后,该算法将每个直方图区间的灰度值转换到合适的输出区间,生成增强后的灰度图像,其中转换函数由输入直方图区间的高斯成分和累积分布经过粒子群优化后的参数决定。实验结果显示,该方法生成的图像视觉效果较好,对原图像和纹理细节丰富图像分别进行图像增强,增强后的图像信息熵分别是4.746 6和7.952 6,灰度平均梯度为6.970 6和37.386 1。     

基于FPGA的实时Bayer解马赛克算法与实现

Bayer阵列被广泛地应用于CMOS/CCD?(complementary?metal?oxide?semiconductor/charge-coupled device)等前端传感器中,用以对彩色图像进行压缩编码.通过解马赛克算法将Bayer阵列还原为红、绿、蓝彩色阵列,算法性能影响着成像有效分辨率和纹理细节.随着半...     

一种水下对空成像图像增强算法

针对水下对空成像图像的低对比度增强问题,在对两种直方图均衡化技术详细分析的基础上,提出了一种改进的直方图均衡化的快速算法.该算法将图像划分为不同子区域,计算子区域的均衡化函数,然后设置移动子块的大小和移动步长,最后采用插值方法实现图像的平滑处理.该算法在较好地突出图像细节信息、消除块状效应的同时,避免了复杂的数学运算,取得了较好的效果.     

Image enhancement via Median-Mean Based Sub-Image-Clipped Histogram Equalization

This paper presents a robust contrast enhancement algorithm based on histogram equalization methods named Median-Mean Based Sub-Image-Clipped Histogram Equalization (MMSICHE). The proposed algorithm undergoes three steps: (i) The Median and Mean brightness values of the image are calculated. (ii) The histogram is clipped using a plateau limit set as the median of the occupied intensity. (iii) The clipped histogram is first bisected based on median intensity then further divided into four sub images based on individual mean intensity, subsequently performing histogram equalization for each sub image. This method achieves multi objective of preserving brightness as well as image information content (entropy) along with control over enhancement rate, which in turn suits for consumer electronics applications. This method avoids excessive enhancement and produces images with natural enhancement. The simulation results show that MMSICHE method outperforms other HE methods in terms of various image quality measures, i.e. average luminance, average information content (entropy), absolute mean brightness error (AMBE) and background gray level.     

基于灰度变换的红外图像实时分割算法

针对高灰度等级红外数字图像提出了一种基于灰度变换的实时分割算法.通过实时分析原始图像中几个小区域的灰度直方图,自动确定分割阈值,将原始图像通过灰度变换实时转换为低灰度等级图像.该算法能够将高灰度等级的红外数字图像实时显示在普通显示器上,并且能够有效抑制背景并保留目标灰度信息.由于变换后的图像灰度等级较低而且背景及噪音信息较弱,极大地提高了红外跟踪器的性能.     

穿透毛玻璃的可见光成像系统

透过复杂介质获取目标物体图像精细信息的能力是光电图像采集处理的一大难点, 选用CMOS光电图像传感器, 设计了CMOS成像系统以及后端读取和处理电路, 透过毛玻璃对目标物体成像, 将采集的图像信息传送到计算机中进行处理。该系统按照相机光学成像系统原理制作, 采用通用CMOS图像传感器芯片完成电路设计, 加之红外激光辅助照明拍摄采集图像, 由远及近不同距离分别对同一目标物成像, 对成像图像进行迭代图像增强算法优化, 可以解决毛玻璃非匀质问题, 使光源重建精度大大提高, 得到的可见光图像轮廓清晰, 与一般CCD成像系统相比, 识别率超过95%, 远大于一般成像系统, 且成像性能良好。     

Magnetic-resonance image segmentation based on improved variable weight multi-resolution Markov random field in undecimated complex wavelet domain

To solve the problem that the magnetic resonance (MR) image has weak boundaries, large amount of information, and low signal-to-noise ratio, we propose an image segmentation method based on the multi-resolution Markov random field (MRMRF) model. The algorithm uses undecimated dual-tree complex wavelet transformation to transform the image into multiple scales. The transformed low-frequency scale histogram is used to improve the initial clustering center of the K-means algorithm, and then other cluster centers are selected according to the maximum distance rule to obtain the coarse-scale segmentation. The results are then segmented by the improved MRMRF model. In order to solve the problem of fuzzy edge segmentation caused by the gray level inhomogeneity of MR image segmentation under the MRMRF model, it is proposed to introduce variable weight parameters in the segmentation process of each scale. Furthermore, the final segmentation results are optimized. We name this algorithm the variable-weight multi-resolution Markov random field (VWMRMRF). The simulation and clinical MR image segmentation verification show that the VWMRMRF algorithm has high segmentation accuracy and robustness, and can accurately and stably achieve low signal-to-noise ratio, weak boundary MR image segmentation.