| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-18页 |
| 1.1 课题研究背景 | 第9-16页 |
| 1.1.1 图像传感器的历史与现状 | 第9-10页 |
| 1.1.2 图像传感器的应用 | 第10-13页 |
| 1.1.3 粒子群算法的研究背景与现状 | 第13-15页 |
| 1.1.4 CMOS图像传感器的测试方法 | 第15-16页 |
| 1.2 本课题研究的意义及创新之处 | 第16页 |
| 1.3 本文的内容安排 | 第16-18页 |
| 第2章 CMOS图像传感器测试标准 | 第18-34页 |
| 2.1 CMOS图像传感器 | 第18-22页 |
| 2.1.1 CMOS图像传感器的工作原理 | 第18-20页 |
| 2.1.2 图像传感器的数学模型 | 第20-22页 |
| 2.2 EMVA1288测试标准 | 第22-23页 |
| 2.3 图像传感器的噪声 | 第23页 |
| 2.4 图像传感器的系统构成 | 第23-29页 |
| 2.4.1 光源及滤光装置 | 第24-26页 |
| 2.4.2 积分球 | 第26-27页 |
| 2.4.3 数据采集卡 | 第27-28页 |
| 2.4.4 暗室 | 第28-29页 |
| 2.5 测试系统硬件电路及程序设计 | 第29-32页 |
| 2.6 FPGA内部框图 | 第32-33页 |
| 2.7 本章小结 | 第33-34页 |
| 第3章 利用明场和暗场灰度数据进行参数反演的方法 | 第34-50页 |
| 3.1 进行参数反演的数学模型 | 第34-35页 |
| 3.2 粒子群算法 | 第35-45页 |
| 3.2.1 优化的基本概念 | 第35-36页 |
| 3.2.2 标准粒子群算法 | 第36-38页 |
| 3.2.3 粒子群算法的拓扑结构 | 第38-39页 |
| 3.2.4 离散粒子群算法 | 第39页 |
| 3.2.5 适应度函数 | 第39-40页 |
| 3.2.6 粒子群算法的参数选取与收敛性分析 | 第40-45页 |
| 3.3 改进粒子群算法 | 第45-48页 |
| 3.4 基于改进型粒子群算法进行参数反演的方法 | 第48-49页 |
| 3.5 本章小结 | 第49-50页 |
| 第4章 CMOS图像传感器的测试流程及参数反演结果 | 第50-63页 |
| 4.1 测试流程简介 | 第50-51页 |
| 4.2 测试前的准备工作 | 第51页 |
| 4.3 明场及暗场图像数据采集 | 第51-56页 |
| 4.4 利用粒子群算法进行参数反演的具体步骤 | 第56-58页 |
| 4.5 实验结果 | 第58-62页 |
| 4.6 本章小结 | 第62-63页 |
| 结论 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 攻读硕士学位期间发表的论文及取得的科研成果 | 第68-69页 |
| 致谢 | 第69页 |