彩色图像传感器的平场方法研究

作     者：李东光 

作者单位：哈尔滨工程大学 

学位级别：硕士

导师姓名：温强;丛山

授予年度：2023年

学科分类：08[工学] 080202[工学-机械电子工程] 080203[工学-机械设计及理论] 0802[工学-机械工程] 

主      题：彩色图像传感器 人工神经网络 光子转换理论 平场校正 像素串扰 

摘      要：目前彩色图像传感器集成工艺非常成熟,被广泛应用于航空航天、遥感成像、工业监测等各个领域。彩色图像传感器以其集成度高,功耗低,驱动简单等优点被广泛应用。但彩色图像传感器像素响应不一致产生的非均匀噪声导致输出图像的不均匀,会严重影响成像质量。其次,异色像素间发生的串扰现象会导致图像传感器像素光子响应曲线呈现出非线性特征,降低图像数据的信噪比,造成图像信息的缺失。本论文通过建立像素响应模型,对像素间串扰量补偿后进行偏置校正与增益校正获得像素理想输出值。利用像素实测灰度值数据与像素理想灰度值数据作为学习集进行神经网络训练,应用训练后神经网络对彩色图像传感器进行平场校正。为了对图像传感器像素灰度数据的采集与校正算法的实现,设计搭建了一套彩色图像传感器测试系统。整个系统结构分为上位机系统与下位机系统两部分,上位机系统由数据采集软件构成,下位机主要包括数据采集电路、光源、光强传感器。通过上位机就与下位机交互控制完成曝光量的设置、图像灰度数据的采集和相关的计算,为后续图像传感器校正提供硬件基础。在光子转换理论基础上,提出了一种基于邻域像素串扰补偿的神经网络平场校正方法,该方法通过对异色像素间进行串扰量补偿,对各像素进行增益系数校正与偏置系数校正求取像素平场理想值,解决了各像素校正参数相同导致误差偏大等问题,提高了平场校正精度。根据彩色图像传感器拜尔阵列排布规律,搭建神经网络进行训练,将原始图像灰度数据作为神经网络输入端,处理后理想灰度值作为输出值,搭建神经网络进行实验。神经网络初步搭建完成之后,对网络模型结构与参数进行优化,对各结构与参数对网络影响进行表征,选择最佳网络结构与参数。优化后进行验证数据集实验,神经网络损失值较小,收敛明显,证实了神经网络的有效性与可行性。对实拍图像进行验证,从传统客观图像评价指标分析,经本方法校正后,峰值信噪比为55.928 d B,均方根误差为0.183,平整度为0.0111,相较于校正前图像,峰值信噪比提高9.03 d B,均方根误差降低0.969,平整度降低0.0695。依据平场校正后单色光均匀曝光图像应该含有更低对比度原则,对校正前后图像灰度数据进行傅里叶展开,将图像空间域信息转换为频率域信息,比较校正前后图像频谱图可知,校正后图像高频信息减少,图像均匀度更好。本课题研究所提出的平场校正方案在像素串扰补偿的基础上应用神经网络对彩色图像传感器进行平场校正,提出了评估平场校正效果的新方法。实验结果在主观观察、客观评价指标验证上均取得较好的结果,表明本方案对彩色图像传感器具有较好的平场校正效果。本研究基于光子转换理论提出了一种解决彩色图像传感器响应非平场问题的新思路,并对传统基于场景的图像传感器校正算法进行优化,可有效提高工业生产实践中图像传感器输出图像质量。