电子倍增CCD噪声参数的估计方法

为定量评价电子倍增CCD(EMCCD)图像噪声的大小,实现对EMCCD 图像噪声参数的准确估计,研究了EMCCD 的噪声分布模型及其参数估计方法。首先,讨论了EMCCD 图像的噪声来源及其统计特性,由此建立了适于EMCCD 的噪声分布模型。然后,提出了两种EMCCD 噪声参数估计方法矩估计法和高斯-牛顿法,采用Monte Carlo 仿真验证其性能。仿真结果表明,矩估计法和高斯-牛顿法的平均相对误差和相对标准偏差均为10-2 量级,估计精度较高,且高斯-牛顿法的估计精度要高于矩估计法。采集一系列无增益时积分时间为50 s的暗场图片和增益为50 的本底图片,利用矩估计法和高斯-牛顿法分别估计出EMCCD 的暗电流噪声、时钟感生电荷噪声和读出噪声,实验结果表明,估计值与EMCCD 指标值一致,证明矩估计法和高斯-牛顿法能有效估计噪声参数且具有较高的精度。     

电子倍增CCD性能参数测试方法研究

电子倍增CCD（EMCCD）性能参数测试是电子倍增CCD芯片及其成像系统研制的重要辅助手段和设计依据。在对 EMCCD的工作原理进行了阐述之后,介绍了 EMCCD 的各项特性参数,分析了相关参数的测试方法。针对测试过程中出现的单位转换问题,引入了转换增益的概念,提出了基于改进的光子转移技术的EMCCD性能参数的测试方法,建立了EMCCD性能参数测试系统,该系统包括高稳定度可控标准钨灯、光学系统、暗箱、数据采集与处理系统等。对Andor Luca相机的转换增益、满阱容量、倍增增益、读出噪声、时钟诱导噪声和暗电流进行了测试。实验结果表明:测试值与相机的指标值基本一致,测试结果准确,证明了所提出的测试方法有效可靠。     

低场磁共振系统的低噪声前置放大器研究设计

噪声前置放大器是磁共振射频接收子系统中的重要组件,它的性能优劣直接决定了最终磁共振图像的好坏.目前市场上的低噪声前置放大器大多基于中高场磁共振系统开发,而针对低场磁共振系统的很少;另外,商用低场磁共振系统的低噪声前置放大器价格相对较贵,并且多采用两级放大结构,结构复杂、调试难度大、成本相对较高.在此背景下,针对0.5 T低场磁共振设备利用Keysight公司的先进设计系统（ADS）软件对低噪声前置放大器进行研究设计,采用一级放大结构,探索电路设计与布局对放大器性能的影响.实测结果表明自主设计的低噪声前置放大器在21 MHz共振频率附近噪声系数为0.5 dB左右,增益达到了30 dB,能够满足低场磁共振应用的要求.     

噪声环境下基于单像素成像系统和深度学习的目标识别方法

单像素成像系统由于其独特的成像方式受到广泛关注,但其在噪声环境中的目标识别方法并未得到深入研究。针对该问题,文中分别采用桶探测器获取的信号值和重构出的二维图像作为训练样本进行深度学习,并以此识别噪声环境中的目标。通过对比两者识别结果,发现在采样率较低时,前者即使在较强噪声环境中也可以获得较高的识别率;而后者的识别率虽然一直比较稳定,但其预处理时间较高,因此前者更适用于快速成像中的目标识别。此外,对于仅利用桶探测器信号进行训练的方法,文中还研究了目标稀疏度对其识别精度的影响,发现当外界噪声和采样率一定时,稀疏度越高的目标,其识别精度也越高。文中为噪声环境中单像素成像的目标识别方法提供了选择依据。     

EMCCD图像自适应模糊中值滤波算法研究

针对电子倍增CCD（EMCCD）图像噪声密度随着增益的变化而变化,提出了一种基于噪声点检测的自适应模糊中值滤波算法。该算法由模糊滤波模块和自适应模块两部分组成。首先,该算法对滤波窗口内的中心点进行噪声检测;然后对检测为噪声的像素点引入双阈值,并根据引入的阈值和滤波窗口内的中值建立噪声点的模糊隶属函数,根据模糊隶属函数对噪声点进行滤波处理后输出;最后采用自适应模块调整待处理图像的像素。仿真及实验结果表明,新算法不仅能够有效地将图像中的噪声去除,而且很好地保护了图像中的细节和边缘,PSNR比传统的自适应中值滤波算法平均提高了15 dB以上;该算法在低噪声密度情况下性能明显好于其他中值滤波器,在高噪声密度情况下性能也比较稳定。     

基于小波变换的EMCCD微光图像融合算法

由于增益水平的不同,电子倍增电荷耦合器件图像所显现的图像内容不同,且图像动态范围极窄、对比度低、图像整体偏暗或模糊发白。为了提高微光图像动态范围及对比度,采用将不同增益水平的微光图像进行融合的算法,即先获取两组同场景但增益不同的微光图像,再对小波分解后的微光图像选择不同的融合规则,最后通过小波变换实现图像融合,得到了高质量的融合图像,并取得了融合图像的信息熵、标准差、平均梯度等性能指标数据。结果表明,该融合算法能使得融合后的图像同时包含低亮度景物和高亮度景物,达到了增大微光图像的动态范围及对比度的目的,有效改善了微光图像的质量。     

电子倍增CCD噪声特性研究

讨论了电子倍增CCD的噪音组成及各自的产生机理,在此基础上建立了电子倍增CCD的总噪音理论模型.按照信号倍增过程的随机性,推导了电子倍增CCD的过剩噪音因子并求出了增益趋向无穷大时的极限值.对电子倍增CCD相机进行了噪音测试,采集了不同增益下噪音的输出波形和频谱图.根据增益和噪音电压的函数曲线,结合理论模型对不同增益下的噪音组成进行了定性分析.结果表明：低增益时,电子倍增CCD主要受限于读出噪音,高增益时则为暗电流噪音和时钟感生电荷.     

利用期望最大化算法的EMCCD噪声分布模型的参数估计

讨论了电子倍增CCD（EMCCD）图像的噪声来源及其统计特性,建立了混合泊松-高斯噪声分布模型。针对混合泊松-高斯噪声分布模型的极大似然函数难以求解的问题,对噪声模型进行了适当的初始化设置,利用期望最大化算法对噪声模型进行参数估计,有效实现了噪声参数的极大似然估计。Monte Carlo仿真结果及实验结果表明,期望最大化算法估计性能较好,对混合泊松-高斯分布有较好的拟合效果,能得到较高精度的参数估计值。     

基于周期反转模式的表面暗电流抑制

为了抑制电子倍增CCD的表面暗电流,运用Shockley-Read-Hall理论解释了表面暗电流的产生过程,通过曲线拟合建立了表面暗电流的理论模型,定量分析了电子倍增CCD从反转模式切换到非反转模式后表面暗电流的恢复特征时间.根据这一时间特性提出了周期反转模式的概念,在信号积分期里对成像区时钟进行调制,加入周期反转脉冲,使器件以小于表面暗电流恢复特征时间的周期在反转与非反转模式之间切换.仿真结果表明,随着周期反转频率的提高.表面暗电流明显减小.当时钟周期为0.2 ms时,平均表面暗电流降低到0.051 nA/cm2,接近反转模式的水平,与理论分析完全一致,验证了周期反转模式的可行性.