光子学报
2023, 52(11): 1111002
SPAD阵列的规模不断扩大对读出电路(Read-out Integrated Circuit, ROIC)提出了更高的要求,时间数字转换器(Time to Digital Converter, TDC)是ROIC的核心电路,完成对光子飞行时间(Time-of-Flight, TOF)高精度量化。为避免大规模阵列中高频时钟信号长距离走线而引起的串扰和噪声干扰,抑制初相误差引起的检测精度退化,设计了一种基于内置时钟的ROIC阵列电路,阵列像素间距均为100 µm,内置于各像素内的门控环形振荡器(Gated Ring Oscillator, GRO)独立提供像素TDC所需的高频分相时钟信号,各像素GRO均由像素外置锁相环(Phase Locked Loop, PLL)产生的压控信号控制。由于采用一种基于事件驱动的检测策略,只量化光子事件有效触发的TOF,有效降低了系统功耗。该芯片采用TSMC 0.18 µm 1.8 V标准CMOS工艺制造,测试结果表明:TDC的时间分辨率和量程分别为102 ps和100 ns,微分非线性DNL低于0.8 LSB,积分非线性INL低于1.3 LSB,系统功耗小于59.3 mW。
时间数字转换器 光子飞行时间 门控环形振荡器 锁相环 单光子雪崩光电二极管 time to digital converter time-of-flight gated ring oscillator phase-locked loop SPAD 红外与激光工程
2023, 52(9): 20220896
1 武汉科技大学信息科学与工程学院,湖北 武汉 430081
2 武汉科技大学冶金自动化与检测技术教育部工程研究中心,湖北 武汉 430081
光场图像包含丰富的空间信息和角度信息,在三维重建、虚拟现实领域有广泛应用。但由于光场相机的内部限制,光场图像的低空间分辨率阻碍了其应用发展,具体表现为图像边缘区域的模糊。考虑到光场子孔径图像中空间信息包含着丰富的纹理和高频细节,而角度信息则对应不同视图之间的相关性,提出一种基于特征交互融合与注意力的光场图像超分辨率网络。通过特征提取和特征交互融合模块充分融合光场的空间角度信息;通过特征通道注意力模块自适应地学习有效信息,抑制冗余信息并细化图像的高频细节;通过光场结构一致性模块保持光场图像间的视差结构。在5个光场数据集上的实验结果表明,所提网络得到的超分辨率结果性能普遍优于所比较的超分辨率网络。
图像处理 超分辨率 深度学习 光场图像 注意力机制 激光与光电子学进展
2023, 60(14): 1410017
1 武汉科技大学信息科学与工程学院,湖北 武汉 430081
2 武汉科技大学冶金自动化与检测技术教育部工程研究中心,湖北 武汉 430081
在基于光场的一系列应用中,目标的三维重建是基础且关键的任务。普通光场只能重建单一视角而无法重建全景,并且在纹理特征匮乏的区域也无法生成准确的三维信息。针对以上问题,提出一种基于多视点编码光场的全景三维重建方法。首先,利用结构光编码向场景投射正弦模板生成像素级的相位码字以丰富场景特征,进而在多个角度独立地进行光场采集。然后,在各个光场采样视点的内部利用空间信息和角度信息求取深度值。最后,在不同的光场采样点之间由位姿引导实现三维信息融合。实验结果表明,所提方法能有效恢复物体的全景信息,而且对物体纹理特征匮乏区域的重建也更加准确。
图像处理 三维重建 光场 结构光 相位编码 点云 激光与光电子学进展
2023, 60(12): 1210009
红外与激光工程
2023, 52(3): 20220903
1 电子科技大学 电子科学与工程学院, 成都 610054
2 中国科学院 微电子研究所, 北京 100029
针对时间交织型模数转换器(TI ADC)子通道间的采样时间失配, 提出了一种基于时延滤波的校准算法。该校准算法是一种纯片外校准算法, 在片外进行FFT分析并重新拟合理想信号, 提取每个子通道信号的时延偏差, 再由此偏差计算每个子通道对应的FIR滤波器系数, 完成时延偏差的补偿。该校准算法解决了子通道间采样时间失配导致的TI ADC精度不足的问题。将该算法应用于12 GS/s 12 bit ADC交织板。结果表明, 无杂散动态范围(SFDR)平均提升了31.356 4 dBc, 有效位数(ENOB)平均提升了3.177 6 bit。
时间交织型模数转换器 采样时间偏差校准 时延滤波 TI ADC timing mismatch calibration delay filtering
1 东南大学 微电子学院,江苏 南京 210096
2 东南大学 电子科学与工程学院,江苏 南京 210096
主/被动成像系统具备多种成像模式,集成度高、成本低、系统运行效率高,应用前景良好。设计了一种64×64规模的多功能红外焦平面阵列读出电路,在30 μm像元中心距的限制下实现了日光标准成像、微光成像、异步激光脉冲检测和二维激光测距四种成像功能。基于TSMC 0.35 μm工艺,完成了多功能读出电路的芯片设计与流片验证。电路复用设计和像素共享架构显著降低了版图面积。CTIA的T型开关有效减小漏电流,改善了红外被动成像电路的动态范围,高增益模式下动态范围达60 dB,低增益模式下动态范围达68 dB。并且满阱电荷容量分别为203 ke−和1.63 Me−。三级push-pull运放和MOS反馈电阻使RTIA兼具高增益和小尺寸。芯片测试结果表明,电路具备主/被动成像功能,性能良好,可应用于红外焦平面激光雷达成像系统。
读出电路 红外热成像 激光主动成像 主被动成像 ROIC infrared thermal imaging laser active imaging active and passive imaging 红外与激光工程
2022, 51(12): 20220139
1 武汉科技大学信息科学与工程学院,湖北 武汉 430081
2 武汉科技大学冶金自动化与检测技术教育部工程研究中心,湖北 武汉 430081
现有的光场图像显著性检测算法不能有效地衡量聚焦度信息,从而影响了检测目标的完整性,造成信息的冗余和边缘模糊。考虑到焦堆栈不同的图像及全聚焦图像对于显著性预测发挥着不同的作用,提出有效通道注意力(ECA)网络和卷积长短期记忆模型(ConvLSTM)网络组成特征融合模块,在不降低维度的情况下自适应地融合焦堆栈图像和全聚焦图像的特征;然后由交互特征模块(CFM)组成的反馈网络细化信息,消除特征融合之后产生的冗余信息;最后利用ECA网络加权高层特征,更好地突出显著性区域,从而获得更加精确的显著图。所提网络在最新的数据集中,F-measure和平均绝对误差(MAE)分别为0.871和0.049,表现均优于现有的红、绿、蓝(RGB)图像、红、绿、蓝和深度(RGB-D)图像以及光场图像的显著性检测算法。实验结果表明,提出网络可以有效分离焦堆栈图像的前景区域和背景区域,获得较为准确的显著图。
图像处理 显著性检测 深度学习 光场图像 卷积神经网络 激光与光电子学进展
2022, 59(22): 2210006