低功耗红外图像传感器的自适应增益和模拟小波变换

摘要

本文提出了一种旨在降低红外图像传感器功耗的解相关和模数转换方案。为了利用帧内冗余和固有的光子散粒噪声特性，在A/D转换之前，采用基于列的1D Haar模拟小波变换结合可变增益放大使用。这只允许使用11位ADC，而不是13位ADC，并可节省15%的数据传输像素测试电路演示了这一功能。

1.导言

现代高性能红外传感器，如基于cdhgte的传感器，需要低功耗和数字输出，以降低成本，增加易用性，避免对模拟组件的接近板。然而，在开发大格式传感器时(例如，)模拟数字转换和低功耗数据传输的瓶颈加剧。因此，要尽量减少功耗，首先要考虑的两个主要因素是模数转换器(ADC-)和芯片上的数据传输驱动程序。

几个数字读出电路已经被演示，依赖于像素级[1.),列级(2.，或数组级A/D转换。在这种传感器中，功率优化集中在ADC本身，每个像素信号都被视为在时间和空间上完全独立的。因此，没有具体的传输速率优化实现。此外，ADC噪声系数是根据最低输入信号噪声定义的，而不考虑在光子的情况下信号和噪声的依赖关系;对于大的输入通量，这导致过保守的转换。

为了达到数据传输功率的目标，压缩是图像处理中用于降低比特率的一种众所周知的技术。压缩算法由两个步骤组成：首先，使用预测器或变换对数据进行去相关，然后采用熵编码来降低比特率。压缩的实现主要是基于然而，解相关方案也可以在模拟域中实现[3.–5.］.

本文通过利用输入信号的特性以及固有的空间冗余，以降低ADC分辨率和数据传输量为目标，提出了一种基于改进的一级Haar去相关，并结合其系数的可变增益的去相关方案概率密度函数（PDF）。

本文的组织结构如下2.讨论红外图像传感器中的主要噪声贡献。在第节中3.，考虑到像素的空间相关性，引入了Haar小波去相关，并讨论了其在真实图像上的输出4.提出了混合小波变换和自适应增益原理。部分5.详细介绍了它的集成电子实现，而相关的测试结果将在本节中讨论6.．

2.图像传感器中的信噪比

数字图像传感器的经典读出链由光电二极管、电流积分器、像素跟随器和离焦平面ADC组成。光子的能量落入光电二极管材料的带隙，转换成电子。这些电子在反向偏置光电二极管中产生光电流。积分后，产生的电荷产生一个电压差，然后这个电压差被转移，a - d转换。主要噪声源[6.]，由光电二极管电流产生的散粒噪声，其噪声功率等于在光转换过程中产生的电子数;积分电容器复位时出现的kTC或复位噪声;读出电路的噪声取决于所使用的电路结构和技术;量化噪声通常被认为是白噪声，它与ADC的有效码数成反比。

计算结果如图所示1.以典型的红外成像仪为例，展示这些噪声贡献如何随输入信号而变化 fF积分电容器，a 1.6 在ADC输入端和130 μv_rms读出噪声(ROIC)。后者对于分辨率和帧率较高的商业产品来说是一个现实值50赫兹的像素。动态范围的最高部分由光电流散粒噪声控制，而量化噪声限制了低光子通量的信噪比(图)1.)．红外探测的目标是在感兴趣的动态范围内保持整个电路噪声贡献低于光子脉冲噪声，以确保背景有限的红外光电探测(BLIP)。

3.像素间相关性

现实生活中的图像显示出显著的空间冗余。这已经广泛应用于图像标准，如JPEG，以减少数据存储。为了有效地利用这些冗余，需要进行图像变换。在离散余弦变换DCT的情况下，变换将分析的域由空间域变为频域[5.]或在离散小波变换DWT的情况下为小波域[4.,7.］.DCT的低频系数或DWT的高阶系数包含了大部分信息。

本研究考虑了二维整数Haar小波去相关的情况，因为其硬件要求较低：它仅基于加法器和减法器。一阶Haar小波变换转换一个信号的原始输出数据像素组一次装箱系数和3个细节系数，根据以下方程式[4.]: 对应四个像素的均值，而,,取决于内部的坡度组。

图形2.显示原始红外图像及其相关像素值PDF（概率密度函数）。相应的系数pdf如图所示3.．很明显，细节系数在0附近有一个小的偏差，因为邻近的像素有相关的值。

4.混合小波变换和自适应增益原理

在这项工作中，像素到像素的相关利用了一个基于一阶Haar小波变换的去相关方案。与可见光图像的情况相反，在红外域参考视频流不能作为图像处理解决方案的基准。因此，我们通过获取室内和室外、夜间和白天、静态和动态场景等不同条件下的图像，构建了自己的一套红外视频数据。对这些红外图像的统计分析表明，超过99%的细节系数位于[- FS/8, FS/8]区间，FS为全尺度，这证实了它们在0附近的小偏差。因此，在数字化之前，它们可以被放大4倍而不会导致饱和。

此外，与信号功率相比，散粒噪声功率遵循平方根定律。因此，ADC量化噪声在低通量时具有更大的影响。这种影响可以通过预放大信号或其空间平均值的组合系数来减小，在低通量时具有高增益，在高通量时具有低增益。作为组合系数ar在空间相关的情况下，可以使用预测方案来预测它们的值。预测器可以是先前确定的时空相邻装箱系数的组合。但是，将最后计算的装箱系数作为预测具有易于实现的优点，并且提供了良好的近似性能rmance。在这个建议的解决方案中，我们选择在AD转换之前实现这种自适应增益。我们分别为间隔[0，FS/4]、[FS/4，FS/2]和[FS/2，FS]定义的范围选择增益值4、2和1。这允许减少ADC有效位数（ENOB）2，前提是前置放大器的噪声足够低。

将这两个想法结合起来，我们得出了下图所示的新概念4.：每个生成一个装箱和三个细节系数用离散小波变换(DWT)对一组像素进行处理。对于细节系数，增益设置为4，对于分箱系数，根据列中前一组像素的估计设置为1、2或4，从而进一步利用图像中的空间相关性。

5.硅演示器

这个概念已经在3.3版本的测试芯片中实现 五、 0.35 μm CMOS工艺（图5.)．矩阵格式为16行8列，由典型的红外25组成μ米乘25 μm像素。为了测试目的，每个像素电压可以设置为动态范围内的任意值(“电子图像”)。可变增益算法很简单(图6.):在固定集内用于下一步的增益块是用于当前的块的两倍，等于或一半当电流值分别在动态范围的低、中或高部分下降时阻塞。这些部分由两个可调数字阈值定义。在每个新帧，增益重置为其最小值。模拟DWT/增益块基于标准开关电容原理图（图7.)．样品电容器首先预充至,然后)．然后电荷被转移到放大器的反馈电容器与适当的开关条件，以确保所需的极性和增益。然后产生的电压被采样保持，并由8列共享的11位管道ADC转换。

这种小格式图像传感器的构建块被设计成与标准尺寸的组件兼容(例如，)：只需添加即可增加行数像素块和列的数量可以通过由1个ADC和8列组成的相邻块来增加。

由于配置寄存器，该芯片可以在多种测试模式下设置，允许独立表征“电子图像”写入过程、图像模拟读出、模拟小波变换和AD转换。

6.测试结果

芯片(图8.)已在典型的红外成像仪工作温度下进行测试。分类系数和细节系数测量结果见表1..斜率和偏移量通过测量的“系数与输入电压”曲线的线性回归得出。通过将相同的值应用于四个输入进行测量()，并将此值遍历整个动态范围。在这种条件下的理论结果是具有,．测量值显示出一些偏差，这些偏差是由于开关电容组中的非对称寄生电容效应(例如，多聚电容器的基片和底板之间的电容)造成的。与标准图像传感器一样，芯片外偏移和增益校正可以部分弥补这一点;这在本研究中未被使用。

图中给出了用特定模式测量“电象”的一个例子9. 通过应用（片外）反向DWT（无需任何数字校准），从测量的DWT系数获得重建图像。

图形9显示重建图像与原始图像匹配，但在最暗和最亮区域之间的过渡区域中对比度衰减。这种影响部分是由于上述偏差，主要是由于读数概念。事实上，在高对比度区域中，高增益到低增益的转换在空间上可能太慢。此外，某些细节系数可能位于[−FS/8，FS/8]间隔。这两种情况都会导致饱和。图形9创建输入图像是为了说明这些效果。在真实图像上，这种极不可能的情况主要发生在“死”像素周围，不会过度影响图像质量。

也由于寄生电容的影响，每个重构图像的对比区域中的块显示出一种面向柱的固定模式。这种影响可以通过设计优化和芯片外校准显著降低。

模拟模块设计为与计算机兼容图像传感器以每秒60帧的速度工作。DWT/增益块的测量功耗为100 μADC显示一个11位ENOB在246千赫为600μ这是700 μW建议的解决方案旨在取代消耗2.4功耗的13位ENOB ADC 兆瓦。因此，我们可以预期ADC贡献会显著（>70%）节能。此外，从13位切换到11位，数据传输的动态功耗将降低15%；由于2位增益信息不需要传输，因此可以通过在数字数据上运行相同的增益设置算法在片外计算。

在最坏的情况下，即增益为4(低通量)，输出涉及的噪声由于DWT/增益块电路(放大器，电荷注入，kT/C噪声)为200μv_rms.二次添加到310 μv_rms量化噪声的11位ADC(在2.2 V满量程)，这导致总共370μv_rms先前放大4倍的信号加上的噪声电压。因此，当按比例缩放到原始信号时，等效噪声电压是92μv_rms，它对应于2.2上12.8位ENOB的量化噪声 V满标度。换句话说，与13位解决方案相比（77.5 μv_rms量化噪声），信噪比损失，即BLIP通量范围低端的增加，为19%。

7.结论

本文介绍了一种用于高分辨率红外成像仪的列式解相关方案及其硅实现和测试。该结构利用帧内冗余和固有的光子散粒噪声特性，在保持背景受限红外光电探测目标的同时降低功耗。它基于一级Haar小波变换，并对组合系数动态范围进行预测估计。结合到模拟实现中，用于装箱系数的自适应增益和用于细节系数的固定增益允许使用较低分辨率ADC，从而降低功耗。由于要传输的数据量减少，功率进一步降低。总体而言，可实现相当于12.8位直接量化方案的图像质量。这些结果证明了自适应增益和模拟小波变换方法通过降低ADC分辨率以及相应地降低输出开关活动来降低红外图像传感器功耗的价值。

参考文献

1. 王旭、王伟和R.霍恩西，“一种具有像素光频转换的高动态范围CMOS图像传感器，”IEEE电子设备交易，第53卷，第12期，第2988-2992页，2006年。浏览：出版商网站|谷歌学者
2. M. F. Snoeij, A. J. p . Theuwissen, K. A.A. Makinwa，和J. H. Huijsing，“用于CMOS图像传感器的多斜坡柱并行ADC架构”，IEEE固态电路杂志，第42卷，第2期12, pp. 2968-2977, 2007。浏览：出版商网站|谷歌学者
3. W. D. León-Salas, S. Balkir, K. Sayood, N. Schemm，和M. W. Hoffman，“使用预测编码的焦平面压缩CMOS成像仪”，IEEE固态电路杂志，第42卷，第11号，文章ID 4362102，第2555-2572页，2007年。浏览：出版商网站|谷歌学者
4. 罗倩和J. G. Harris，“一种用于CMOS图像器的传感器上小波压缩的新集成”IEEE电路与系统国际研讨会论文集(ISCAS'02)， III/ 325-III /328页，2002年5月。浏览：谷歌学者
5. S. Kawahito, M. Yoshida, M. Sasaki等，“一种用于单片相机的带有模拟二维dct压缩电路的CMOS图像传感器”，IEEE固态电路杂志，第32卷，第12期，第2030-20411997页。浏览：谷歌学者
6. H.Tian，B.Fowler和A.El Gamal，“CMOS光电二极管有源像素传感器中的时间噪声分析，”IEEE固态电路杂志第36卷第2期1，页92-101,2001。浏览：出版商网站|谷歌学者
7. A.Olyaei和R.Genov，“CMOS小波压缩成像器架构”，年第七届IEEE新兴技术研讨会论文集:4G移动通信电路和系统(ETW’05)，第104-107页，2005年6月。浏览：谷歌学者

版权

版权所有©2012 P. Villard等人。这是一篇发布在知识共享署名许可协议，允许在任何媒介中不受限制地使用、分发和复制，前提是原作被正确引用。