新型CMOS图像传感器原理及应用

金属氧化物半导体元件(ComplementaryMetal-OxideSemiconductor,CMOS)图像传感器和电荷耦合元件(ChargeCoupledDevice,CCD)摄像器件在20年前几乎是同时起步的。CCD是应用在摄影摄像方面的高端技术元件,CMOS则应用于较低影像品质的产品中。

由于CCD器件有光照灵敏度高、噪音低、像素小等优点,所以在过去15年里它一直主宰着图像传感器市场。与之相反,CMOS图像传感器过去存在着像素大,信噪比小,分辨率低这些缺点,一直无法和CCD技术抗衡。但是随着大规模集成电路技术的不断发展,过去CMOS图像传感器制造工艺中不易解决的技术难关现已都能找到相应解决的途径,从而大大改善了CMOS图像传感器的图像质量。

1、CMOS有源像素传感器

近来CMOS图像传感器受到重视首要原因在于过去大大低于CCD的灵敏度问题逐步得到解决。因为与CCD相比,CMOS传感器具有更好的量产性,而且容易实现包括其他逻辑电路在内的SoC(SystemonChip)产品,而这在CCD中却很难实现。尤其是CMoS传感器不像CCD那样需要特殊的制造工艺,因此可直接使用面向DRAM等大批量产品的生产设备。这样一来,CMOS图像传感器就有可能形成完全不同于CCD图像传感器的成本结构。

图1示出了有源像素CMOS图像传感器(ActivePixelSensor,APS)的功能结构图,其中成像部分为光敏二极管阵列(PhotoDiodeArray)。

四场效应管(4T)有源像素CMOS图像传感器的每个像素由光敏二极管、复位管T2、转移管T1、源跟随器T3和行选通开关管T4组成,如图2所示。

转移管T1被用来将光敏二极管连接至源跟随器T3,并通过复位管T2与VDD相连。T3的栅极与T1和T2之间的N+扩散区相连。与3T结构的APS相比,减少了与T3的栅极相关的漏电流效应。源跟随器T3的作用是实现对信号的放大和缓冲,改善APS的噪声问题。T4是用来将信号与列总线相连。其工作过程是:首先进入“复位状态”,T2打开,对光敏二极管复位;然后进入“取样状态”,T2关闭,光照射到光敏二极管上产生光生载流子,并通过源跟随器T3放大输出;最后进入“读出状态”,这时行选通管T4打开,信号通过列总线输出。

APS具有低读出噪声和高读出速率等优点,但像素单元结构复杂,填充系数降低,填充系数一般只有20%~30%。为了提高像素的填充系数,APS在像素的上方设置了微透镜(Micro-lenses),如图3所示。

由APS阵列所获得的图像信息,经过图1中列模数转换器(ColumnADC)转换为数字信号后,再经过一系列的后续处理过程,得到输出如图4所示的帧图像数据结构。

2、图像的预处理过程及方法

为了得到良好的图像质量,需要对所采集的原始图像数据进行处理。一般上,图像的预处理是在协处理器中完成的。最近,随着SoC技术的发展,可以在CMOS传感器中集成图像预处理功能.这正显示了CMOS图像传感器的优势所在。

图像的预处理主要包括了缺陷修正、去除FPN噪声、色彩差值,图像锐化差值、光圈修正、Gamma修正等一系列处理。

通过数字图像处理算法来实现来实现上述的图像预处理过程,其硬件平台可以是集成在SoC中的图像处理电路、ASIC图像处理芯片,或通用的DSP芯片。首先是消除图像中的缺陷,如果某一个像素中有缺陷,而导致了其输出电平被钳位于高电乎(黑点)或低电平(白点),就需要通过图像处理来进行弥补。通常是使用其周围相同颜色像素的平均值来代替该像素的输出值。

通常情况下,不同列的列模/数转换器存在着差异,这就导致了固定模式噪声(fixedPatternNoise,FPN)的产生。图4中BlackLines中的数据就是用来消除FPN的。协处理器会利用这一部分数据来达到消除FPN的目的。

由于每个像素上为某种彩色滤光片,所以要通过色彩差值来得到其余两种色彩信息。Gamma修正是为了消除在电学器件和光学器件之间在信号传输上的非线性效应。

从以上的图像处理过程可知,许多算法中使用了差值,这就导致了图像的平滑化,而为了恢复锐利的图像,就需要进行光圈修正。在图像处理中,通过边缘检测而得到的锐化边缘对差值后的平滑图像进行卷积,从而得到锐利的图像。

3、结语

为了提高CMOS图像传感器的图像质量,通过对图像主要的噪声源以及图像失真的分析,本文提出了一种新型的CMOS有源像素图像传感器。该CMOS图像传感器使用4T有源像素,大大提高了图像传感器的灵敏度。通过在传感器中集成图像预处理功能,对改善图像的质量起到了很好的效果。

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 194,491评论 5 459
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 81,856评论 2 371
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 141,745评论 0 319
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 52,196评论 1 263
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 61,073评论 4 355
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 46,112评论 1 272
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 36,531评论 3 381
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 35,215评论 0 253
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 39,485评论 1 290
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 34,578评论 2 309
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 36,356评论 1 326
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 32,215评论 3 312
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 37,583评论 3 299
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 28,898评论 0 17
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 30,174评论 1 250
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 41,497评论 2 341
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 40,697评论 2 335

推荐阅读更多精彩内容