CN105915891B9 - 一种基于暗场方差信号的图像传感器关键参数测试方法 - Google Patents
一种基于暗场方差信号的图像传感器关键参数测试方法 Download PDFInfo
- Publication number
- CN105915891B9 CN105915891B9 CN201610297895.9A CN201610297895A CN105915891B9 CN 105915891 B9 CN105915891 B9 CN 105915891B9 CN 201610297895 A CN201610297895 A CN 201610297895A CN 105915891 B9 CN105915891 B9 CN 105915891B9
- Authority
- CN
- China
- Prior art keywords
- imaging sensor
- told
- play
- stage
- dialogues
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000003384 imaging method Methods 0.000 title claims abstract description 32
- 238000010998 test method Methods 0.000 title claims abstract description 10
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 27
- 230000002068 genetic effect Effects 0.000 claims abstract description 17
- 210000000349 chromosome Anatomy 0.000 claims description 13
- 238000012360 testing method Methods 0.000 abstract description 10
- 230000007613 environmental effect Effects 0.000 abstract description 3
- 238000007796 conventional method Methods 0.000 abstract description 2
- 238000005259 measurement Methods 0.000 abstract description 2
- 238000000034 method Methods 0.000 description 9
- 238000005457 optimization Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000035772 mutation Effects 0.000 description 2
- 238000010845 search algorithm Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 108700028369 Alleles Proteins 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000005693 optoelectronics Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 238000010971 suitability test Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N17/00—Diagnosis, testing or measuring for television systems or their details
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Transforming Light Signals Into Electric Signals (AREA)
- Image Analysis (AREA)
- Image Input (AREA)
- Solid State Image Pick-Up Elements (AREA)
- Studio Devices (AREA)
Abstract
本发明属于电子元器件测试技术领域,具体涉及了一种遵循EMVA Standard 1288标准并利用遗传算法反演图像传感器关键参数的基于暗场方差信号的图像传感器关键参数测试方法。本发明包括:在暗场条件下对图像传感器进行曝光操作,取n个不同的曝光时间,并分别采集这n个不同曝光时间所对应的n帧暗场图像数据,计算出n组暗场灰度值方差;按照遗传算法的进化流程得出图像传感器系统增益K、暗电流μI的最优估计值。本发明提供了一种基于暗场条件的图像传感器关键参数的测试方法,测试耗时少、简单易行。且对比于传统方法对实验环境及设备和空间的苛刻要求,在提高了环境适应性的同时也降低了测试成本。
Description
技术领域
本发明属于电子元器件测试技术领域,具体涉及了一种遵循EMVA Standard 1288标准(欧
洲机器视觉协会制定的图像传感器及相机测试标准)并利用遗传算法反演图像传感器关键参
数的基于暗场方差信号的图像传感器关键参数测试方法。
背景技术
图像传感器发展速度之快,使其已经应用于人们社会生活的各个方面。从最贴近生活的
应用比如数码相机、智能手机、安全监控的摄像头,到国防安全息息相关的新型武器,乃至
人类科技发展的最高体现——空间科学,都有图像传感器的身影。在生产和重要应用领域,
要求对传感器芯片性能进行测试、评价和筛选,以监控产品质量或保证应用的可靠性。在图
像传感器的被测参数中,最为基础和重要的参数是传感器的系统增益和暗场噪声。
进化算法是一种模拟生物行为和进化机制的算法,它可以是基于生物自然选择和遗传机
制的随机搜索算法,也可以是对某种动物群体行为的模拟而产生的随机搜索算法。进化算法
能够增强求解问题能力的原因,一方面在于自然演化过程本身就是一个学习与优化的动态过
程,这一过程具有自然、并发和稳定的特点,目的是适应环境;另一方面还在于动物的群体
行为也同样体现了许多智能搜索要素。遗传算法属于进化算法(Evolutionary Algorithms)
的一种,它通过模仿自然界的选择与遗传的机理来寻找最优解,对于非线性或不连续多峰函数
的优化问题以及无解析表达式的目标函数的优化问题有明显的功效。
基于遗传算法的图像传感器系统增益测试方法,区别于当前普遍使用的图像传感器测试
标准EMVA Standard 1288中提供的直线拟合的方法,而是利用遗传算法和进行繁衍。
发明内容
本发明的目的在于提供一种提高环境适应性的基于暗场方差信号的图像传感器关键参数
测试方法。
本发明的目的是这样实现的:
基于暗场方差信号的图像传感器关键参数测试方法,包括以下步骤:
(1)在暗场条件下对图像传感器进行曝光操作,取n个不同的曝光时间,并分别采集这
n个不同曝光时间所对应的n帧暗场图像数据,按照EMVA Standard 1288要求,在暗信号初
始方差已知的基础上,计算出n组暗场灰度值方差
(2)将图像传感器的系统增益K、暗电流μI作为遗传算法中染色体基因,分别为Lk、LI,
则染色体个体为L=(Lk、LI);
(3)设定遗传算法中染色体个体适应度函数为:
其中:为暗信号方差,为暗信号初值方差,μI为暗电流,texp为曝光时间,σq=1/12
为量化噪声,i为曝光序数;
(4)按照遗传算法的进化流程得出Lk、LI,即图像传感器系统增益K、暗电流μI的最
优估计值。
本发明的有益效果在于:提供了一种基于暗场条件的图像传感器关键参数的测试方法,
测试耗时少、简单易行。且对比于传统方法对实验环境及设备和空间的苛刻要求,本方法可
适应恶劣的环境,无论是在高温还是低温环境下只需提供一个暗场环境便可完成测试,在提
高了环境适应性的同时也降低了测试成本。
附图说明
图1为本发明流程图。
具体实施方式
下面结合附图对本发明做进一步描述。
本发明涉及利用智能算法和暗场方差数据反演图像传感器关键参数的方法,包括:系统
增益、暗电流。本方法基于EMVA Standard 1288(欧洲机器视觉协会制定的图像传感器及相
机测试标准)的要求,在不同曝光时间下,获取图像传感器多组暗场灰度数据,并计算暗场
灰度值方差基于光子转换理论图像传感器的线性模型可得:
构造适应度函数,利用遗传算法或其他进化算法反演图像传感器的关键参数:系统增益及
暗电流。本发明提供了一种基于暗场条件的图像传感器关键参数的测试方法,简单易行。
本方法基于光电转换理论及图像传感器线性模型的基本结果得出:
其中:为暗场灰度值方差,为暗信号方差,为初始暗信号方差,μI为暗
电流,K为图像传感器总增益,texp为曝光时间,σq=1/12为量化噪声。
本算法是这样实现:
1:S1:在暗场条件下对图像传感器进行“曝光”操作,取n个不同的曝光时间,并分别
采集这n个不同曝光时间所对应的n帧暗场图像数据。按照EMVA Standard 1288要求,在暗
信号初始方差已知的基础上,计算出n组暗场灰度值方差
S2:将图像传感器的系统增益K、暗电流μI作为遗传算法中染色体基因,则染色体个体
为L=(K、μI),
S3:设定遗传算法中染色体个体适应度函数为:
S4:按照遗传算法的进化流程得出Lk、LI的参数最优估计值;
在最后一代种群中筛选出一个适应度值最大的个体,作为最后的适应度函数的最优解
Lfitmax=(Lk、LI),发明内容的核心时提出了一个基于暗场数据和曝光时间的适应度函数,而
该适应度函数可用于其他进化算法。该发明方法也适用于图像传感器在变化环境条件下的测
试。
在暗场条件下,取n个曝光时间,并分别采集暗场数据n帧(这里n=100),再依据EMVA
Standard 1288的规定,可计算出n组暗场灰度值方差并结合这n个曝光时间texp,构成
n组二维数组:(texp),进而实施遗传算法,利用这n组数据并结合发明内容中提出
的适应度函数进行反演计算,确定图像传感器的系统增益K、暗电流μI的最优值。
在上位机,利用C++软件编程算法具体实施如下:
1、在初始化阶段将种群数目定为800,繁衍代数定为800,交叉概率定为Pc=0.6,变异
概率定为Pm=0.01。采用浮点形式化的编码形式,染色体个体为L=(K、μI),然后采用随
机数的方式将染色体填满继而生成800个初代染色体。
2、选择阶段,将适应度大的染色体按比例保留下去。
3、交叉阶段,随机将染色体进行配对,在判断每对染色体是否进行交叉之前先生成一个
0到1之间的随机数,如果这个随机数小于交叉概率Pc则进行交叉操作反之不进行任何操作。
4、变异阶段,是否进行变异之前同样生成一个0到1之间的随机数,如果这个随机数小
于变异概率Pm则进行变异操作,反之则不进行任何操作。
5、最后根据适应度函数在繁衍到最后一代的个
体中,得到适应度最佳的染色体,其等位基因上的数也就是图像传感器的系统增益、暗电流,
此时适应度函数的变化不大并保持基本稳定。
S3设定的适应度函数可用于其它进化算法(如粒子群算法),以估算图像传感器系统增
益K、暗电流μI的最优值。
Claims (1)
1.一种基于暗场均值信号的图像传感器关键参数测试方法,其特征在于,包括以下步骤:
S1:在暗场条件下对图像传感器进行曝光操作,取n个不同的曝光时间,并分别采集这
n个不同曝光时间所对应的n帧暗场图像数据;按照EMVA Standard 1288要求,在暗信号初
值均值μd.0已知的基础上,计算出n组暗场灰度值均值μy.dark,
S2:将图像传感器的系统增益K、暗电流μI作为遗传算法中染色体基因,分别为Lk、LI,
则染色体个体为L=(Lk、LI),
S3:设定遗传算法中染色体个体适应度函数为:
其中:μd.0为暗信号初值均值,μI为暗电流,texp为曝光时间,i为曝光序数,
S4:按照遗传算法的进化流程得出Lk、LI,即图像传感器系统增益K、暗电流μI的最
优估计值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610297895.9A CN105915891B9 (zh) | 2016-05-06 | 2016-05-06 | 一种基于暗场方差信号的图像传感器关键参数测试方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610297895.9A CN105915891B9 (zh) | 2016-05-06 | 2016-05-06 | 一种基于暗场方差信号的图像传感器关键参数测试方法 |
Publications (3)
Publication Number | Publication Date |
---|---|
CN105915891A CN105915891A (zh) | 2016-08-31 |
CN105915891B CN105915891B (zh) | 2017-11-21 |
CN105915891B9 true CN105915891B9 (zh) | 2018-08-24 |
Family
ID=56748528
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610297895.9A Expired - Fee Related CN105915891B9 (zh) | 2016-05-06 | 2016-05-06 | 一种基于暗场方差信号的图像传感器关键参数测试方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105915891B9 (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106331697A (zh) * | 2016-09-08 | 2017-01-11 | 哈尔滨工程大学 | 一种基于暗场均值信号的图像传感器关键参数测试方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101360255A (zh) * | 2007-07-30 | 2009-02-04 | 比亚迪股份有限公司 | 用于cmos图像传感器的图像性能的测试系统 |
CN103499663A (zh) * | 2013-07-30 | 2014-01-08 | 中国标准化研究院 | 一种基于遗传算法的龙井茶品质检测等级模型中传感器的选择方法 |
CN103712599A (zh) * | 2013-12-27 | 2014-04-09 | 南京信息工程大学 | 一种相对高度测量装置及方法 |
CN104320845A (zh) * | 2014-07-04 | 2015-01-28 | 南京邮电大学 | 一种基于传感器和量子智能计算的主用户定位方法 |
CN105372087A (zh) * | 2015-11-30 | 2016-03-02 | 南通大学 | 基于多传感器信号分析的故障诊断方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020168010A1 (en) * | 2001-05-11 | 2002-11-14 | Koninklijke Philips Electronics N. V. | System and method for efficient automatic design and tuning of video processing systems |
-
2016
- 2016-05-06 CN CN201610297895.9A patent/CN105915891B9/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101360255A (zh) * | 2007-07-30 | 2009-02-04 | 比亚迪股份有限公司 | 用于cmos图像传感器的图像性能的测试系统 |
CN103499663A (zh) * | 2013-07-30 | 2014-01-08 | 中国标准化研究院 | 一种基于遗传算法的龙井茶品质检测等级模型中传感器的选择方法 |
CN103712599A (zh) * | 2013-12-27 | 2014-04-09 | 南京信息工程大学 | 一种相对高度测量装置及方法 |
CN104320845A (zh) * | 2014-07-04 | 2015-01-28 | 南京邮电大学 | 一种基于传感器和量子智能计算的主用户定位方法 |
CN105372087A (zh) * | 2015-11-30 | 2016-03-02 | 南通大学 | 基于多传感器信号分析的故障诊断方法 |
Also Published As
Publication number | Publication date |
---|---|
CN105915891B (zh) | 2017-11-21 |
CN105915891A (zh) | 2016-08-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Xue et al. | Gradient magnitude similarity deviation: A highly efficient perceptual image quality index | |
CN111199270B (zh) | 一种基于深度学习的区域波高预报方法及终端 | |
CN109242092B (zh) | 图像处理方法和装置、电子设备、存储介质 | |
CN111047073B (zh) | 一种基于神经网络的水产养殖水质预测方法及系统 | |
CN107291845A (zh) | 一种基于预告片的电影推荐方法及系统 | |
CN107403188A (zh) | 一种水质评价方法及装置 | |
Xu et al. | No‐reference stereoscopic image quality assessment based on saliency‐guided binocular feature consolidation | |
CN115759365A (zh) | 光伏发电功率的预测方法及相关设备 | |
CN114091554A (zh) | 一种训练集处理方法和装置 | |
CN115982965A (zh) | 去噪扩散样本增量学习的碳纤维材料损伤检测方法及装置 | |
CN105915891B9 (zh) | 一种基于暗场方差信号的图像传感器关键参数测试方法 | |
CN115439708A (zh) | 一种图像数据处理方法和装置 | |
CN107437112B (zh) | 一种基于改进多尺度核函数的混合rvm模型预测方法 | |
CN113822160A (zh) | 深度伪造检测模型的评测方法、系统及设备 | |
Zhang et al. | Extremely efficient PM2. 5 estimator based on analysis of saliency and statistics | |
CN116206765B (zh) | 一种用于评估帕金森病的风险等级的装置和存储介质 | |
CN116881624A (zh) | 复合型极端事件预报方法、装置、计算机设备和存储介质 | |
CN106331697A (zh) | 一种基于暗场均值信号的图像传感器关键参数测试方法 | |
CN113238014A (zh) | 一种基于鱼群行为的水质溶解氧预测方法及装置 | |
CN108647889A (zh) | 森林净初级生产力估计及认知方法 | |
Graybill et al. | Toward a Wearable Data Assimilation Platform | |
CN117953811B (zh) | 一种led巨幕逐点校正系统、方法、设备及介质 | |
Zhao et al. | A Lightweight Forest Scene Image Dehazing Network Based on Joint Image Priors | |
CN114897422B (zh) | 蓝藻水华损失评估方法、装置、电子设备及存储介质 | |
Yang | Dark Color Stimulation Analysis of Visual Communication |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CI03 | Correction of invention patent | ||
CI03 | Correction of invention patent |
Correction item: Claims Correct: Zheng Que False: Error Number: 47-01 Page: full text Volume: 33 |
|
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20171121 |