一种硬件友好型自动图像增强算法与实现

范斌于起峰

（1 国防科学技术大学，长沙410073）

（2 北京空间机电研究所，北京 100094）

一种硬件友好型自动图像增强算法与实现

范斌1,2于起峰1

（1 国防科学技术大学，长沙410073）

（2 北京空间机电研究所，北京 100094）

由于现有的图像增强算法难以兼顾处理效果和运算速度两方面的要求，文章提出了一种适合于硬件电路实现的自动图像增强算法，用于实现图像品质的实时提升。以图像中直方图分布情况作为图像品质的评价依据，利用分段线性变换方法实现图像品质增强。算法的核心是构建了直方图与分段函数系数之间的定量关系，实现了系数的自动计算，设计实现了相应的FPGA系统结构。采用高效的并行流水线结构，通过发挥硬件模块内部潜在的并行度以确保系统的实时处理能力。仿真和成像试验表明，基于该算法设计实现的FPGA硬件电路开销少，实时性好，适应性强，针对不同的场景均取得较好的处理效果，具有广阔的应用前景。

图像增强 硬件友好 自动 实时 航天遥感

0 引言

在图像的产生过程中，不可避免受到光照、运动、遮挡、曝光等因素的影响。这些因素会导致图像品质的退化。图像增强技术能够通过调整图像中的灰度分布提升图像的品质，有效改善图像的视觉效果。近年来，该技术已广泛应用于生物医学、机器视觉、航天遥感等领域[1-2]。尤其在开展视觉导航等任务时，研究人员通过图像增强算法提高图像的品质，以便在各种光照条件下所拍摄的图片均具有一致的灰度分布，进而降低目标识别、目标姿态测量等高层次处理算法的处理难度，提高鲁棒性。

传统的图像增强方法一般在频率域进行信号处理。近年来，也提出了基于小波变换进行图像增强的方法[3]。但这些处理方法均需要进行复杂的变换与反变换，算法的复杂度较高，运算时间较长。随着图像传感器技术的不断发展，视频的图像分辨率和帧频在不断提升。如何实时有效的提升高速视频的图像品质是亟待解决的技术难题。

在实时图像自动增强应用场合，硬件系统一般直接在时域进行图像增强处理。现有的系统一般采用直方图均衡化法[4-5]或分段线性变换法[6-7]进行品质提升。其中，直方图均衡化法的优点是能够自动地增强整个图像的对比度，但具体的处理效果不易控制，往往在增强了目标的同时，也增强了背景和噪声，并且可能出现大量灰度合并的现象。而分段线性变换法相对简单，其形式可以任意组合，适应性较强。但缺点是自主性差，需要人工参与以确定具体的分段区域、比例系数，以获得较好的增强效果。

本文将直方图均衡化法自主性强和分段线性变换法适应性强的优点相结合，提出了一种改进型分段线性变换算法。通过统计图像直方图分布情况，自动确定分段线性函数的比例系数以实现自主的图像增强处理。同时，在算法设计阶段和硬件实现阶段充分考虑算法通过FPGA芯片实现的可能性和复杂度，即将算法的硬件友好性作为重要的设计指标。因此，所设计的算法易于通过FPGA系统进行实现，且系统的实时性和处理效果能够得到保证。

1 自动图像增强算法

日常拍摄照片时，由于存在光照情况不好、曝光时间选择不合适等情况，得到的图片会表现为部分灰度区间像素点分布非常集中，而某些区间甚至无像素点分布的现象。如图1所示，像素点几乎完全分布于数字量（DN）30～45和235～240的灰度区间（分别对应背景和过曝区域）。

分段线性变换法能够对该类图片进行处理[8]。它通过线性函数对图像中的部分灰度区域进行变换。目的是将图像中的视觉敏感区域进行扩展；相应的，将图像中背景等视觉非敏感区进行压缩，在总体上调整图像的对比度，增强图像的视觉效果。但是由于该算法中线性函数的系数无法自主决定，需要人工指定，因此难以进行实际应用。

分析可知，若能够基于分段线性变换法自动将图像中分布较为集中的灰度区间进行扩展，同时将像素点分布较少的区间进行自动压缩，将在整体上，使得像素点分布更加均匀，图像核心区域对比度进一步增强。即如果能够合理划分区间，并对每个区间进行自动的分段线性化，将能够有效解决传统分段线性变换法的固有问题。进一步分析可知，解决该问题的核心是自动确定每个区间的线性函数系数和自动调整不同区间的线性函数系数。

沿着该思路，本文提出了一种自动图像增强算法，该算法分为三个步骤。

步骤一，确定划分区间的数目和方式。由于图像对应的环境中照度分布未知，同时，在一定的照度范围内，可以认为人眼的敏感程度一致。从算法的适应性角度出发，采用区间均分的方式进行处理较为合理。在自然场景中，视觉同时敏感的物体一般不超过5个。进一步考虑到当采用FPGA系统实现直方图统计时，所耗费的存储空间同划分的区间数目成正比。综合评估，算法最终采用5个均匀划分的灰度区间进行图像描述。

图1 灰度值集中的图像Fig.1 The gray value of concentrated image

已知，8位量化图片的灰度级别为0～255，当均匀划分成5段时，各闭区间分别对应灰度级[0,51]、[52,102]、[103,153]、[154,204]、[205,255]。需要特别指出的是，由于该图像增强算法仅对图像的灰度值进行调整，因此，对于红绿蓝（RGB）格式的彩色图像，需要首先进行RGB至亮度和色度（YUV）的格式转换，在转换为YUV格式后，亮度信息均包含于Y分量中，U和V分量中仅包含色度信息；因此仅需对Y分量进行处理，U、V分量保持不变。

步骤二，对灰度区间进行分段线性变换。按照步骤一划分的区间设计如下的分段线性变换公式：

式中 x为变换前的灰度值；y为变换后的灰度值；K1～K5为对应每个灰度区间线性变换的缩放比例。由于变换后区间连接点处的灰度值不应该出现跳跃，因此，区间连接处的数值分别取为：y1=51×K1；y2=51×(K1+K2)；y3=51×(K1+K2+K3)；y4=51×(K1+K2+K3+K4)。

步骤三，确定每个区间线性变换公式的系数。经过步骤二的建模，算法需要自动确定系数K1～K5的数值。

受直方图均衡化方法启发，较好的图像增强效果应该是增强后的图像直方图分布比较均匀。因此，系数K1～K5的具体数值可由5段区间的直方图分布决定。即建立直方图分布同线性变换系数之间的对应关系。假设原始图片的直方图中，5段区间中像素点的个数分别为R1～R5。考虑到运算复杂度和硬件电路的实现难度，可以利用线性函数拟合区间中像素数与分段线性变换系数之间的关系。即假设它们之间的对应关系满足如下公式：

式中 Kn（对应K1～K5）为前述的各区间的线性变换的缩放比例；Rn（对应R1～R5）为前述的各区间像素点的个数；变量g为线性因子；b为阈值因子。由该公式可以推知，若某区间内像素个数较多，可认为该区间的图像信息量较大，则计算得到的比例系数也较大。

进一步，需要确定系数间的关系。分析可知，变换前后图像灰度范围不能改变，均为[0, 255]。由式（1）知，变换后y的最大值为51×（K1+K2+K3+K4+K5），同时，该最大值仍应该为255，则可以构建如下的约束条件。

由于K1～K5分别对应各区间灰度值的缩放比例，而由式（3）知，总的缩放比例和不变。因此，图像中若部分灰度区间被拉伸，则一定存在其它灰度区间被压缩。

同时，5段区间的像素个数应满足如下约束：

式中 P为图像总像素数；H、V分别是图像水平方向和垂直方向上的像素个数。例如，图像分辨率为1 920×1 080的图像，H=1 920，V=1 080，P=2 073 600。

将式（2）代入式（3）得：

将式（4）代入式（5）得：

将式（6）代入式（2）得：

由式（7）可知，阈值因子b实质上是作为一个参数来控制增强的强度。b值越小，强度越大。以H×V=1 920×1 080为例，若b=0.5，当Rn=1 920×1 080时，Kn=3，表示该区间需要拉伸；当Rn=1 920×1 080/5时，Kn=1，表示该区间宽度保持不变；当Rn=0时，Kn=0.5，表示该区间需要压缩。

经测试，推荐的b值取值范围为[0.3,0.75]，可取默认值0.6。

2 算法的硬件实现

进一步，通过硬件电路实现设计的实时算法。本文采用FPGA芯片作为系统的核心处理芯片。在系统设计时采用了模块化设计方法[9]，在模块实现时，采用了并行处理方式和流水线技术[10-11]。

图2为基于CMOS图像传感器的FPGA图像增强系统总体框图[12]。其中，自动图像增强模块处于系统的核心位置，在图中以浅灰色背景框标出。CMOS驱动模块、SDRAM驱动模块实现CMOS图像传感器的驱动和数据采集；采集到的视频图像经图像差值模块得到RGB格式的彩色图像；经YUV变换模块，将图像转换为YUV格式，并输出灰度分量Y至自动增强模块进行图像增强处理；处理后的视频图像经接口模块输出给后端电路进行视频压缩等后续处理。

图3为自动增强模块的结构图。该模块按照功能可划分为三个子模块，分别是信息统计子模块、分段线性变换子模块和延时同步子模块。其中，信息统计子模块实现直方图统计和比例系数计算功能；分段线性变换子模块根据比例系数生成分段函数，并依据分段函数对输入的图像灰度值进行线性调整；延时同步子模块对彩色图像中色度数据进行延时和同步处理，使得输出的灰度数据和色度数据保持同步。

具体实现时，采用了同步化思想设计硬件电路结构[13]。系统时钟设为80MHz，统一采用时钟上升沿采样。由于信息统计子模块和分段线性变化子模块处理时，都需要对整幅图像信息进行统计和处理，因此，会出现滞后现象，即本幅图像用到的比例系数，是上一幅图像计算处理的。为了解决这一问题，本文采用了超前处理的设计思路。如图4所示，电路中单独把信息统计子模块置于前端数据流中，紧邻CMOS驱动模块。模块结构调整后，图像数据存入SDRAM的同时统计图像信息，计算比例系数；当图像数据完成缓存，再次从SDRAM读出时，对应该图像的比例系数已经计算完成。模块结构调整后，为了配合直方图统计功能模块的工作，增加了Y分量变换功能电路，用于提取Bayer格式图像中的灰度分量Y。

图3 自动增强模块结构图Fig.3 Block diagram of the automatic enhancement module

图4 自动增强模块电路图Fig.4 Circuit of the automatic image enhances module

为了确保系统的运算速度，采用了并行结构和流水线处理方式实现信息统计。其中，Y分量变换功能电路采用三路并行处理结构，对像数据中三个颜色分量R、G、B并行计算。由于Y分量变换涉及到实时乘法运算，本文采用了基于移位操作的硬件友好型乘法器结构实现。如图5所示，该乘法器分为四级流水线，采用移位连同加法操作实现实时乘法运算。x和y为乘法器输入数据；z为对应的乘积；LS表示向左移位操作，LS2为左移2位；sel为选择信号。直方图统计功能电路用于统计像素点Y分量分布于[0,51]、[51,102]、[102,153]、[153,204]、[204,255]这5段区间中的数量，同样采用了并行处理结构实时统计5段区间中的像元个数R1～R5。由于涉及到高位宽的实时累加和运算，通常的电路结构会产生大的组合逻辑块，影响系统时序[14]。为了减少延时，电路采用流水线处理方式（如图6所示），把高位宽累加器分为多个低位宽累加器。图中，di为8bit位宽，是三级流水线结构累加器电路输入；do为30bit位宽，是所求取的累加和。系数计算功能电路用于执行对应式（7）的数值运算。即根据5段区间像元个数R1～R5计算出对应的比例系数K1～K5。该电路也采用5路并行处理结构，并采用移位连同加法操作实现实时乘法运算。

图5 流水线乘法器电路图Fig.5 Circuit of the pipelined multiplier

图6 流水线累加器电路图Fig.6 Circuit of the pipelined accumulator

分段线性变换子模块用于实现式（1）中的5段线性函数。硬件电路中，采用了一种细化的串并行相结合的处理结构。总体上采用5路并行处理结构同步计算5个区间的线性变换函数；每路的内部均用多级流水技术实现乘法和求和运算。最终，将5个区间线性变换后的数据合并为一路数据输出。

延时同步子模块采用基于双端口RAM的延迟电路结构实现色度数据的缓存。缓存延时后，色度数据与分段线性变换后的灰度数据同步输出。

3 实验结果

通过某型号可见光CMOS相机FPGA处理板及电路，实现了本文提出的自动增强算法，并进行相应的测试。为了配合测试，采用图像采集设备对处理后的视频进行实时显示。同时，为了验证算法的鲁棒性，对不同类型的图像进行了多次测试。

3.1 阈值因子影响分析

图7和图8为其中一次测试的结果。图7（a）为原始拍摄的图像，图8（a）为对应的直方图。当设置b=0.75时，图像增强处理后的效果如图7（b）所示，相应的直方图如图8（b）所示。相应的，图中给出了设置b=0.6 和b=0.33时的处理效果（图7（c）和图7（d））。

比较可知，原始图像偏暗，大量细节信息集中于[20,80]的灰度区间，不适合人眼辨识，增强后的图像变亮，细节清晰。且随着b值的减小，增强强度变大。

从直方图中可以看出，图像中信息量大的区域被拉伸，信息量少的区域被压缩。例如，图8（d）中的细节信息分布于[50,160]的灰度区间，比原始图像的[20,80]区间拉伸了接近2倍；原始图像信息量较少的[100,220]灰度区间，在图8（d）中被压缩到[170,220]区间，压缩了接近二分之一。

图7 不同阈值因子下图像处理效果图Fig.7 Image processing effect in different coefficient

图8 不同阈值因子下直方图Fig.8 Histogram in different coefficient

表1为原始图像在5段区间内像素个数统计表。R1～R5分别对应均匀分布的5段区间中像素的个数。表2为不同b值时，求取的对应各个区间的K值。

表1 原始图像在5段区间内像素个数统计表Tab.1 Histogram statistics of pixel number in five interval

表2 不同阈值因子下5段区间比例系数统计表Tab.2 Coefficient number under different enhancement factor

分析可知，R1、R2值较大，对应的比例系数K1、K2值也相应较大；R3、R4和R5值小，对应的比例系数K3、K4和K5值也较小。其中，比例系数K1、K2大于1说明对该区间图像具有拉伸效果，比例系数K3、K4和K5小于1说明对该区间图像具有压缩效果。b取值不同时，虽然处理效果略有差异，但b的取值在一定范围内变化时，均能够取得较好的处理效果，算法的鲁棒性强。

3.2 算法的适应性分析

图9 不同场景图像增强前后对比图（b=0.6）Fig.9 Comparison of images before and after image enhancementprocessing（b=0.6）

图9 为b取为固定值0.6时，对不同场景图像进行自动图像增强处理的效果。共包括图9（a）～9（c）四组图片，每组图片的左上角为原始图像，右上角为原始图像对应的直方图，左下角为增强处理后的图像，右下角为其对应的直方图。其中，图9（a）为原始图像过暗的示例；图9（b）和图9（c）为原始图像相对适中的示例，其中，图9（b）略微偏暗，图9（c）略微偏亮；图9（d）为图像过亮的示例。如图所示，经图像增强处理后，各场景图像均取得了满意的视觉效果，细节丰富的区域对比度显著提高表明，本文提出的算法具有较强的适应性和鲁棒性。

3.3 同其它算法的比较

进一步，对本文提出的算法与传统的直方图均衡化法的处理效果进行了实验对比。仍然选择图9（b）的原始图像作为测试图像，并分别采用两种算法进行处理。处理结果如图（10）所示。其中，图10（a）为采用本文提出算法的处理效果图，图10（b）为对应的直方图；图10（c）为采用直方图均衡化法的处理效果图，图10（d）为对应的直方图。比较可知，利用直方图均衡化法处理后的图像颜色失真明显，直方图的分布过于零散且处理后图像DN值普遍偏高。本文提出算法的处理明显优于直方图均衡化法。

图10 同直方图均衡化法处理效果对比图Fig.10 Comparison of the processing effects by the proposed algorithm and the histogram equalization algorithm

4 结束语

本文提出了一种适合于实时处理的彩色图像自动增强算法。该算法以分段线性变换法为基础，通过统计均匀分布的5段图像灰度区间像素点的分布情况，由提出的灰度分布和线性变换比例系数间关系的计算模型，自动求取各区间的比例系数。进而，通过采用高效的并行流水线技术，并充分考虑硬件模块内部的潜在并行度和硬件资源消耗，设计完成了相应的FPGA系统的电路结构。实验结果表明，所设计的算法和硬件系统的实时性好，鲁棒性和适应性强，能够有效的提高图像中细节区域的对比度，改善视觉效果。

References)

[1] 王军, 李国宏. CMOS图像传感器在航天遥感中的应用[J]. 航天返回与遥感, 2008, 29(2): 42-47. WANG Jun, LI Guohong. Application of CMOS Image Sensor in Spacecraft Remote Sensing[J]. Spacecraft Recovery & Remote sensing, 2008, 29(2): 42-47. (in Chinese)

[2] 王守觉, 丁兴号, 廖英豪, 等. 一种新仿生彩色图像增强方法[J]. 电子学报, 2008, 36(10): 1970-1973. WANG Shoujue, DING Xinghao, LIAO Yinghao, et al. A Novel Bio-inspired Algorithm for Color Image Enhancement[J]. Acta Electronica Sinica, 2008, 36(10): 1970-1973. (in Chinese)

[3] 周妍, 李庆武, 霍冠英. 基于非下采样Contourlet变换系数直方图匹配的自适应图像增强[J]. 光学精密工程, 2014, 22(8): 2214-2222. ZHOU Yan, LI Qingwu, HUO Guanying. Adaptive Image Enhancement Based on NSCT Coefficient Histogram Matching [J]. Optics and Precision Engineering, 2014, 22(8): 2214-2222. (in Chinese)

[4] 曹聚亮, 吕海宝, 李冠章. 基于自适应局部灰度修正的直方图均衡算法[J]. 红外与激光工程, 2004, 33(5): 513-515. CAO Juliang, LYU Haibao, LI Guanzhang. Histogram Equalization Algorithm Based on Adaptive Local Gray Level Modification[J]. Infrared and Laser Engineering, 2004, 33(5): 513-515. (in Chinese)

[5] CHENG H D, SHI X J. A Simple and Effective Histogram Equalization Approach to Image Enhancement[J]. Digital Signal Processing, 2004, 14(2): 158-170.

[6] 陈明亮, 陈成新, 古建平. 一种基于直方图的自适应分段线性变换法[J]. 国外电子测量技术, 2015(2): 36-38. CHEN Mingliang, CHEN Chengxin, GU Jianping. A Piecewise Linear Transform Based Adaptive Histogram Method[J]. Foreign Electronic Measurement Technology, 2015(2): 36-38. (in Chinese)

[7] 张俊华, 杨根, 徐青. 基于分段线性变换的图像增强[C]//第十四届全国图象图形学学术会议. 福州: 中国图象图形学会, 2008. ZHANG Junhua, YANG Gen, XU Qing. Based on Piecewise Linear Transformation of Image Enhancement[C]//National Conference on Image and Graphics. Fuzhou: China Society of Image and Graph-iCS.2008. (in Chinese).

[8] 李晓冰. 一种红外测量图像自适应分段线性灰度变换方法[J]. 光电子技术, 2011, 31(4): 236-239. LI Xiaobing. An Infrared Measurement Image Adaptive Piecewise Linear Gray Transform Method[J]. Optoelectronic Technology, 2011, 31(4): 236-239. (in Chinese)

[9] 王建华, 刘缠牢, 陈大川, 等. 基于DSP+FPGA技术的实时视频采集系统的设计[J]. 国外电子测量技术, 2007, 26(9): 42-44. WANG Jianhua, LIU Chanlao, CHEN Dachuan, et al. Design of Real-time Video Processing System Based on DSP+FPGA[J]. Foreign Electronic Measurement Technology, 2007, 26(9): 42-44. (in Chinese)

[10] DIAZ J, ROS E, PELAYO F, et al. FPGA Based Real-time Optical-flow System[J]. IEEE Transactions on Circuits & Systems for Video Technology, 2006, 16(2): 274-279.

[11] GENOVESE M, NAPOLI E. ASIC and FPGA Implementation of the Gaussian Mixture Model Algorithm for Real-time Segmentation of High Definition Video[J]. IEEE Transactions on Very Large Scale Integration Systems, 2013, 22(3): 537-547.

[12] 杨会玲, 王军, 杨会伟. 高帧频CMOS实时图像采集系统设计[J]. 微计算机信息, 2008, 24(30): 309-311. YANG Huiling, WANG Jun, YANG Huiwei. Design of High Frame Frequency CMOS Real-time Image Acquisition Systerm[J]. Microcomputer Information, 2008, 24(30): 309-311. (in Chinese)

[13] 陈必威, 梁志毅, 王延新, 等. 基于FPGA的高帧速CMOS成像系统设计[J]. 计算机测量与控制, 2012, 20(5): 1397-1400. CHEN Biwei, LIANG Zhiyi, WANG Yanxin, et al. Design of a High Speed CMOS Imaging System Based on FPGA [J]. Computer Measurement & Control, 2012, 20(5): 1397-1400. (in Chinese)

[14] 陈国柱, 刘涛, 李元宗. 基于FPGA的图像采集与存储系统的设计[J]. 机械工程与自动化, 2007(4): 44-46. CHEN Guozhu, LIU Tao, LI Yuanzong. Design of Image Sampling and Storage System Based on FPGA[J]. MechanicalEngineering & Automation, 2007(4): 44-46. (in Chinese)

[15] 满益云, 胡永力, 王小勇. 从图像处理的角度观点出发来看光学遥感器的成像质量[J]. 航天返回与遥感, 2006, 27(1): 18-22. MAN Yiyun, HU Yongli, WANG Xiaoyong. From Image Processing Concepts to Glom the Image Quality of Optical Remote Sensor[J]. Spacecraft Recovery & Remote Sensing, 2006, 27(1): 18-22. (in Chinese)

[16] 刘晓松, 杨新, 汪进, 等. 一种用于数字图像传感器的彩色插值算法[J]. 中国图象图形学报, 2003, 8(5): 516-521．LIU Xiaosong, YANG Xin, WANG Jin, et al. A kind of Color Interpolation Algorithm for Digital Image Sensor[J]. Journal of Image and Graphic, 2003, 8(5): 516-521. (in Chinese)

[17] 张起贵, 赵丽娟. 基于FPGA的贝尔图像插值算法实现[J]. 科学技术与工程, 2012, 12(35): 9568-9569. ZHANG Qigui, ZHAO Lijuan. Research on Interpolation Algorithm Based on FPGA[J]. Science Technology and Engineering. 2012, 12(35): 9568-9569. (in Chinese)

[18] 喻再光, 赵群飞. 基于Ycbcr三基色插值及其在DSP上的实现[J]. 计算机工程与应用, 2005, 8(10): 104-106. YU Zaiguang, ZHAO Qunfei. Three-color Interpolation Algorithm Based on Ycbcr and Its Implementation on aDSP System[J]. Computer Engineering and Application, 2005, 8(10): 104-106. (in Chinese)

[19] 尤政, 李涛. CMOS图像传感器在空间技术中的应用[J]. 光学技术, 2002, 28(1): 31-35. YOU Zheng, LI Tao. Application of CMOS Image Sensor in Space Technology[J]. Optical Technique, 2002, 28(1): 31-35. (in Chinese)

Design and Implementation of a Hardware-Friendly Automatic Image Enhancement Algorithm

FAN Bin1,2YU Qifeng1
（1 National University of Defense Technology, Changsha 410073, China）
（2 Beijing Institute of Space Mechanics & Electricity, Beijing 100094, China）

Because the existing image enhancement algorithm is difficult to balance the two aspects of processing effect and speed requirements, this paper proposes a hardware-friendly automatic image enhancement algorithm for improving image quality in real time. Image quality evaluation is based on the histogram distribution in the image, and image quality enhancement is based on piecewise linear transformation The core of the proposed algorithm is to establish the quantitative relationships between the histogram distribution and the coefficients of the piecewise linear function. And as a result, the coefficients can be automatically calculated. Furthermore, the corresponding FPGA system architecture is implemented. Especially, the high-performance parallel pipelined technology and inner potential parallel processing ability of the modules are paid more attention to ensure the real-time processing ability of the complete system. The simulations and the experimentations show that the proposed FPGA system costs less hardware resources and is characterized as real-time processing ability and good adaptability. It can achieve good processing effects for different sceneries, and can be used in various practical applications.

image enhancement; hardware-friendly; automatic; real-time; space remote sensing

TP72

A

1009-8518(2016)06-0046-11

10.3969/j.issn.1009-8518.2016.06.006

范斌，女，1972年生，1993年获西北工业大学学士学位，2000年获北京航空航天大学硕士学位，研究员，现为国防科学技术大学航空宇航科学与技术专业博士研究生。研究方向为飞行器光测与视觉导航。E-mail：fanbin508@163.com。

（编辑：毛建杰）

2016-10-09

国家重大科技专项工程