导读:本文包含了数字图像传感器论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:传感器,数字图像,半导体,图像传感器,图像,锐化,安森美。
数字图像传感器论文文献综述
邓小云[1]（2019）在《ARM下的CMOS数字图像传感器图像采集系统设计》一文中研究指出随着我国现代制造工业的不断发展,现代集成电路工艺也在不断的进步,传统的CCD图像采集系统功能比较简单、体积还较大,在进行图像采集时速度也较慢,并且功能消耗也较大,无法满足社会日益发展的相关需求。而在ARM下的CMOS数字图像传感器图像采集系统,能够充分的满足相应领域的应用需求,将ARM技术和CMOS技术的优势相互结合在一起,该系统就会具有更加丰富的功能、强大的处理能力和灵活的接口等优点。本文主要探讨了ARM下的CMOS数字图像传感器图像采集系统的设计。(本文来源于《数字通信世界》期刊2019年09期）
阮晓义[2]（2018）在《基于视觉传感器与深度神经网络的数字图像去雨系统设计》一文中研究指出数字图像的去雨是计算机视觉和数字图像处理领域共同关注的重要问题。在雨天里,由于去雨后的图片能给监控摄像头更清晰的影像,所以这项技术在安防视频监控、智能交通甚至是军事领域都有广泛应用。传统的图像去雨主要通过各种方法对雨滴本身进行硬编码,由人的经验去寻找雨滴在整个图像中的特征,从而达到去雨的目的。这类方法存在着主观因素影响大,算法设计复杂,算法实时性差以及无法有效利用现有运算资源等不足。深度神经网络是近几年发展非常迅速的一种新技术,它将研究人员从传统的算法设计,特征提取中解放出来,让他们可以将注意力集中到研究更加优秀,高效的模型以及如何更加有效的利用计算资源上来。本文介绍了深度神经网络的发展历程,简要说明了神经网络的工作原理以及应用前景。对数字图像去雨系统自身的整体结构进行了论述,对系统各个模块的设计思路进行了阐明。本文的核心是数字图像去雨系统的算法设计,分为叁个部分进行叙述:第一部分,本文为去雨任务建立了一个数据集,该数据集通过网络摄像头采集真实情况下图像去雨数据集,同时利用网络在互联网上获取了一部分干净图像并对其进行了数据清洗、归一化和模拟加雨,两部分数据相结合实现了对实际情形较好的模拟,在实验中使用本文数据集训练的模型在对人工数据和真实数据进行测试时都取得了很好的效果;第二部分详细介绍了本文设计的网络框架,在研究了图像去雨领域目前最新技术的基础上,提出了改进方法,设计了一个可以较好保留背景信息并对雨滴和雨线进行去除的网络结构;第叁部分主要讨论了设计的网络在训练中需要注意的事项,以及参数设置中的细节。本文最后做了数字图像去雨系统的总结:第一部分对系统的去雨效果进行了分析,主要对比了之前参考的方法与本文提出的方法在去雨效果上的差异,分析了不同方法复原之后的图像与原图的峰值信噪比(PSNR)和结果相似度(SSIM),结果显示本文提出的方法效果优于其他几种方法;第二部分对整个系统进行了性能分析,主要分析了网络的训练时间以及基于500张图片得出的处理单张图片所用时间;第叁部分描述了整个系统使用到的硬件平台与开发过程中使用的开发环境。最后总结了本文在设计过程中所做的主要工作,系统目前存在的问题以及未来系统做的改进方向。(本文来源于《深圳大学》期刊2018-06-30）
[3]（2018）在《AR0221数字图像传感器 美国安森美半导体》一文中研究指出安森美半导体(ON Semiconductor)推出1/1.7英寸210万像素CMOS图像传感器——AR0221,该传感器采用了安森美半导体新开发的4.2μm背照式(BSI)像素,为工业应用提供领先同类的微光灵敏度。AR0221提供出色的3重曝光行交错式高动态范围(HDR),传感器分辨率为1936H×1096V,支持1080p/30 fps的帧速率,以及可见的、近红外波长内出色的信噪比(SNR)。其16:9的比例,具有鲜艳的色彩和高对比度,使其成为要求严苛的工业应用的理想选择。(本文来源于《传感器世界》期刊2018年04期）
[4]（2018）在《安森美半导体推出领先同类的数字图像传感器》一文中研究指出2018年4月推动高能效创新的安森美半导体(ON Semiconductor,美国纳斯达克上市代号:ON)推出业界首款1/1.7英寸210万像素CMOS图像传感器—AR0221,该传感器采用了安森美半导体新开发的4.2μm背照式(BSI)像素,为工业应用提供领先同类的微光灵敏度。AR0221提供出色的3重曝光行交错式高动态范围(HDR),传感器分辨率为1936H x 1096V,支持1080p/30 fps的帧速率,以及可见的、近红外波长内出色的信噪比(SNR)。(本文来源于《变频器世界》期刊2018年04期）
[5]（2018）在《背照式(BSI)CMOS数字图像传感器》一文中研究指出AR0430图像传感器拥有120fps的速率,支持4MP模式的慢动作视频。该器件的内置功能使用户能够从单一图像传感器同时获取彩色图像和深度图像,而这通常还需要另外一个单独提供深度映射功能的传感器才能实现。AR0430图像传感器的创新设计和功能荣获2018(本文来源于《今日电子》期刊2018年03期）
伍文双[6]（2018）在《基于传感器运动信息的数字图像配准方法研究》一文中研究指出图像配准是寻找同一场景下的两幅图像在空间中对应关系的过程。图像配准技术作为一项基础图像处理技术,在图像像质提升、遥感图像分析、叁维成像等领域有着重要应用。随着这些领域需求的急剧增长,对图像配准方法的运行效率、匹配精度都提出了更高的要求。当前流行的基于特征的图像配准方案完全基于图像信息,不同于此,本文考虑利用已在许多成像设备上普遍配备的运动传感器,提出基于传感器运动信息的图像配准方案,可以加快配准速度,对高动态图像、多帧降噪等图像应用有着积极意义。本文介绍了选题的背景、图像配准在图像处理领域的应用,总结了图像配准技术的研究现状。研究了图像配准技术的基础理论和相关方案,包括配准问题的基本数学模型,基于灰度信息的配准方法,基于变换域的图像配准方法,基于特征的图像配准方法。总结了这几类方法各自的算法思路及实现步骤。本文提出基于传感器运动信息的图像配准方案。该方案从相机投影模型出发,利用相机运动的变换关系,推导了相机旋转角度与图像坐标变换之间的数学模型。然后提出了针对旋转角度测量误差的精确匹配方法,以提高配准方案的实用性。该方法设置了与角度测量误差大小相关的特征点匹配搜索范围,从而避免了特征点匹配全局搜索,提高了匹配运算速度。之后利用随机采样一致性(Random sample consensus,RANSAC)方法根据匹配的特征点对进行图像变换矩阵拟合。最后讨论了该配准方案的适用范围。本文针对上述算法设计了硬件验证方案,并搭建了硬件平台。通过刚性固定于相机上的MEMS(Microelectromechanical systems)陀螺仪获取相机运动信息,然后根据两张图像拍摄时刻之间相机的旋转信息来进行这两张图像之间的配准。实验结果表明提出方案的有效性,相比于特征点暴力搜索匹配,本方案减少了特征点匹配31%的运算时间。(本文来源于《浙江大学》期刊2018-01-01）
[7]（2017）在《安森美半导体推出全新2.3MpCMOS数字图像传感器》一文中研究指出安森美半导体推出一款全新的1/2.7英寸、230万像素(Mp)CMOS数字图像传感器,采用1936H×1188V有效像素阵列。AR0239不单能够在具挑战性的强光和微光下生成非常清晰及鲜明的数字图像,还能够捕捉连续视频和单帧图像,是安防和监控成像系统、随身带相机以及车载DVR(行车记录器)等应用的理想之选。AR0239具(本文来源于《单片机与嵌入式系统应用》期刊2017年12期）
王琦[8]（2016）在《传感器的光学数字图像自动聚焦系统》一文中研究指出传统光学数字图像自动聚焦系统存在稳定性和聚焦响应实时性差等问题,在低照度噪声环境下,容易出现对焦的偏差,提出传感器的光学数字图像自动聚焦系统,首先依据光学自动聚焦的原理来设计图像自动聚焦的硬件系统和软件流程;然后采用黄金分割法选择聚焦的区域,利用拉普拉多算子对离焦光学数字图像进行二阶微分,并获取微分图像的自相关;最后求解自相关离焦图像的弥散斑半径,根据离焦量与弥散斑半径的光学几何关系,实现光学数字图像的自动聚焦。实验证明提出的系统设计具有灵敏度高、可靠性强的优点,在低照度的条件下,仍可以获取比较清晰的图像。(本文来源于《激光杂志》期刊2016年12期）
刘慧颖,李斌桥,高志远,姚素英[9]（2015）在《用于数字图像传感器的脉冲宽度调制读出方法研究》一文中研究指出为提高数字像素图像传感器的动态范围,提出了一种具有自适应参考电压的脉冲宽度调制读出方法。该方法将像素阵列分成包含相同数目像素的像素块,通过参考电压产生模块使每个像素块的参考电压和像素块内光照强度相关,理论上这种结构能够将数字像素图像传感器的动态范围从48 d B提升至96 d B,实际仿真结果为88.16 d B。分析了像素分块内主要的噪声来源和参考电压产生模块的采样电容引入的偏差。采用65 nm CMOS工艺实现了4×4的像素块电路,在高光强和弱光强条件下分别将电路输出同理论计算值相比较,并分析了产生误差的原因。(本文来源于《传感器与微系统》期刊2015年08期）
任浩[10]（2012）在《基于Baver格式数字图像传感器颜色插值及图像锐化的算法研究》一文中研究指出近年来,随着数字成像技术的快速发展,数码相机等数码产品越来越普及。本论文主要进行了数码相机中的颜色插值和图像锐化的算法研究。为了能够得到全彩色图像,需要根据周围的采样点计算出每个像素所缺失的另外两种颜色分量,而图像锐化是增强图像的边缘即高频部分,是保证能够获得高品质图像的基本途径之一。本文针对数码相机中Bayer型数据的分布特点,提出了一种基于双线性和边缘检测的颜色插值算法。采用绿色分量和红、蓝分量分步插值的组合方式实现颜色恢复。利用图像数据的相关特性,并引入叁角形边缘检测算法,在水平方向、垂直方向、45°方向及135°方向四个方向都进行图像边缘检测,一方面可以有效检测图像边缘,提高图像突变边缘的插值效果,同时又可以减少参与双线性运算的像素点数量,从而减少运算复杂度。本文针对图像插值运算后,图像边缘不够明显,高频分量减弱的特点,提出了充分利用图像的时域特性的基于动态边缘检测的图像锐化算法,对于数码相机中的连拍图像,选择连续两帧的图像,首先通过总和的绝对差SAD进行动态检测,然后利用改进的索贝尔算子进行边缘检测,通过前两步的操作,对于检测出有动态变化的边缘部分,只考虑当前帧,通过改进的拉普拉斯算子模板,利用空域滤波进行空域锐化,对于检测到没有动态变化的边缘部分,则同时考虑前后两帧,利用时域滤波特性,通过改进的拉普拉斯算子模板进行时域锐化。恢复的图像在细节纹理、边缘以及色彩方面的效果都比较理想,对于边缘的噪声抑制比较明显,在整个锐化的过程中,引入新的噪声较少,同时相对于常用的锐化算法,本方法具有运算复杂度较低的优点。(本文来源于《浙江大学》期刊2012-05-01）
数字图像传感器论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
数字图像的去雨是计算机视觉和数字图像处理领域共同关注的重要问题。在雨天里,由于去雨后的图片能给监控摄像头更清晰的影像,所以这项技术在安防视频监控、智能交通甚至是军事领域都有广泛应用。传统的图像去雨主要通过各种方法对雨滴本身进行硬编码,由人的经验去寻找雨滴在整个图像中的特征,从而达到去雨的目的。这类方法存在着主观因素影响大,算法设计复杂,算法实时性差以及无法有效利用现有运算资源等不足。深度神经网络是近几年发展非常迅速的一种新技术,它将研究人员从传统的算法设计,特征提取中解放出来,让他们可以将注意力集中到研究更加优秀,高效的模型以及如何更加有效的利用计算资源上来。本文介绍了深度神经网络的发展历程,简要说明了神经网络的工作原理以及应用前景。对数字图像去雨系统自身的整体结构进行了论述,对系统各个模块的设计思路进行了阐明。本文的核心是数字图像去雨系统的算法设计,分为叁个部分进行叙述:第一部分,本文为去雨任务建立了一个数据集,该数据集通过网络摄像头采集真实情况下图像去雨数据集,同时利用网络在互联网上获取了一部分干净图像并对其进行了数据清洗、归一化和模拟加雨,两部分数据相结合实现了对实际情形较好的模拟,在实验中使用本文数据集训练的模型在对人工数据和真实数据进行测试时都取得了很好的效果;第二部分详细介绍了本文设计的网络框架,在研究了图像去雨领域目前最新技术的基础上,提出了改进方法,设计了一个可以较好保留背景信息并对雨滴和雨线进行去除的网络结构;第叁部分主要讨论了设计的网络在训练中需要注意的事项,以及参数设置中的细节。本文最后做了数字图像去雨系统的总结:第一部分对系统的去雨效果进行了分析,主要对比了之前参考的方法与本文提出的方法在去雨效果上的差异,分析了不同方法复原之后的图像与原图的峰值信噪比(PSNR)和结果相似度(SSIM),结果显示本文提出的方法效果优于其他几种方法;第二部分对整个系统进行了性能分析,主要分析了网络的训练时间以及基于500张图片得出的处理单张图片所用时间;第叁部分描述了整个系统使用到的硬件平台与开发过程中使用的开发环境。最后总结了本文在设计过程中所做的主要工作,系统目前存在的问题以及未来系统做的改进方向。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
数字图像传感器论文参考文献
[1].邓小云.ARM下的CMOS数字图像传感器图像采集系统设计[J].数字通信世界.2019
[2].阮晓义.基于视觉传感器与深度神经网络的数字图像去雨系统设计[D].深圳大学.2018
[3]..AR0221数字图像传感器美国安森美半导体[J].传感器世界.2018
[4]..安森美半导体推出领先同类的数字图像传感器[J].变频器世界.2018
[5]..背照式(BSI)CMOS数字图像传感器[J].今日电子.2018
[6].伍文双.基于传感器运动信息的数字图像配准方法研究[D].浙江大学.2018
[7]..安森美半导体推出全新2.3MpCMOS数字图像传感器[J].单片机与嵌入式系统应用.2017
[8].王琦.传感器的光学数字图像自动聚焦系统[J].激光杂志.2016
[9].刘慧颖,李斌桥,高志远,姚素英.用于数字图像传感器的脉冲宽度调制读出方法研究[J].传感器与微系统.2015
[10].任浩.基于Baver格式数字图像传感器颜色插值及图像锐化的算法研究[D].浙江大学.2012
论文知识图
