基于神经网络的MRC客观测量技术研究

摘要

随着数字技术的迅猛发展，可见光成像技术也随着数字技术的发展而被广泛应用。因此，可见光成像系统的成像质量也就成为了人们选择成像器件最重要的参考，但目前却没有一个全面的评价可见光成像系统成像质量的指标，就算是现有的评价指标来说也是缺乏完善的检测设备。所以，现在需要一种可以全面评价可见光成像系统成像质量的指标以及准确测量它们的方法。通常，调制传递函数(MTF)是被光学系统广泛应用的指标，近些年来最小可分辨对比度(MRC)也被引入。MRC反映出了成像系统对细节的分辨的灵敏度，同时MRC的测量也相对简单。因此，加入MRC指标可以使可见光成像系统的评价更加全面准确。
　　本文在对国内外的文献进行大量的研究基础之上，对MRC的研究现状及发展前景进行了比较详细的阐述及分析。在对MRC的测量原理进行了深入分析的基础之上，设计了单积分球可变对比度的MRC测量装置，靶标使用更加符合人眼识别的E型靶标取代了传统的条形靶标从而使MRC的测量更加简单和准确。为了提高测量的精度，在MRC的测量装置中还设计了步进电机细分驱动，经实验验证，细分之后能提高测量的精度。在MRC的测量方面，传统的测量方法存在主观因素的影响较大，测量的准确性也不稳定。所以，提出了使用神经网络对图像进行判别的方法，通过大量的观察者对图像进行识别从而建立了测试图像库，随机抽取库中的图像作为神经网络的训练样本。本文基于MATLAB对测试图像进行图像预处理、图像特征提取并构建了BP神经网络，并用训练好的神经网络对测试图像进行识别，实验结果表明，BP神经网络能有效的对图像进行识别，精度高，可靠性强。为了进一步研究神经网络对MRC图像的识别，本文还以MATLAB构建的神经网络为基础，搭建了基于FPGA的前向传播BP神经网，络，并用QuartusⅡ进行了仿真测试，结果表明，神经网络准确可靠，能有效识别MRC图像。

目录

声明

摘要

第1章 绪论

1．1 课题的研究背景及意义

1．2 MRC测量技术的研究现状

1．2．1 测试图案

1．2．2 测试图案对比度的获取

1．3 神经网络图像识别的研究现状

1．4 本文主要研究内容

第2章 E型靶标可变对比度装置的设计

2．1 MRC测量原理

2．2 单积分球E型靶标的提出

2．3 总体方案的设计

2．3．1 系统总体设计

2．3．2 光学结构设计

2．4 步进电机细分驱动器的设计

2．4．1 步进电机细分原理

2．4．2 步进电机细分的FPGA模块设计

2．4．3 步进电机驱动

2．5 光照度检测电路

2．6 本章小结

第3章 神经网络的MRC客观测量

3．1 人工神经网络

3．2 BP神经网络

3．2．1 BP网络模型

3．2．2 BP神经网络学习算法

3．3 测试图像预处理

3．3．1 图像灰度处理

3．3．2 图像分割

3．3．3 图像特征提取

3．4 神经网络识别图像

3．4．1 BP神经网络的构建

3．4．2 神经网络的构建

3．4．3 神经网络的测试

3．5 本章小结

第4章 基于FPGA的神经网络的MRC图像识别

4．1 神经网络的硬件实现技术

4．2 神经网络的FPGA实现

4．2．1 FPGA实现神经网络结构

4．2．2 神经网络的数学运算处理

4．2．3 神经网络的Sigmoid传递函数实现

4．3 FPGA的BP神经网络的设计

4．3．1 神经网络FPGA模块设计

4．3．2 神经网络前向传播的FPGA测试波形

4．4 本章小结

结论

参考文献

攻读硕士学位期间发表的学术论文

致谢