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EMVAStandard1288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(EvolutionaryAlgorithms)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EMVAStandard1288中提供的直线拟合的方法，而是利用遗传算法和进行繁衍。
技术实现要素：
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EMVAStandard1288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EMVAStandard1288(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EMVAStandard1288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EMVAStandard1288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。