Implémentation analogique d`une fonction de type Michaelis

Implémentation analogique d’une fonction de type Michaelis-Menten pour des
applications d’imagerie
Hassan Abbass1
David Alleysson2
Gilles Sicard1
1
Laboratoire TIMA, 46 Av. Felix Viallet, 38031 Grenoble, France
Laboratoire de psychologie et neurocognition, BP 47, 38040 Grenoble, France
E-mail: 1 Pré[email protected] , 2 [email protected]
2
Résumé
Ce travail présente le premier résultat de l’étude d’un
système d’adaptation aux conditions lumineuses associé
à un capteur de vision CMOS. Le but de ce système est de
pondérer la luminosité de chaque pixel avant la conversion analogique numérique, afin de minimiser la perte en
dynamique d’entrée de ce type de fonctionnement du capteur. L’architecture proposée est inspirée du système visuel humain. Un prototype a été fabriqué en technologie
d’AMS CMOS 0.35µm.
Mots clés : capteur de vision, CMOS, adaptation aux
conditions lumineuses.
1. Introduction
L’architecture des capteurs d’images CMOS de production est figée depuis de nombreuses années. Elle est
constituée de quatre entités principales : (1) la matrice
photosensible (constituée de pixels contenant de 3 á 5
NMOS) à réponse linéaire (intégration des photons) ;
(2) des amplificateurs colonnes (AC, qui stockent la valeur du pixel plus une valeur de référence, ou “reset”) ;
(3) un convertisseur analogique numérique ; (4) et des
décodeurs pour contrôler l’accès au bus de sortie.
Ces capteurs ont profité des progrès de la microélectronique et de la réduction des dimensions pour
approcher les performances avec les CCD (Charged
Coupled Devices). En outre, ils possèdent des avantages certains, notamment un plus faible coût de fabrication, une plus faible consommation d’énergie, des vitesses de lecture plus élevées, une possibilité d’accès
aléatoire aux pixels, et une possibilité d’introduire des
fonctions complémentaires sur la puce ainsi qu’au niveau des pixels. Cependant, les principaux désavantages
dont souffrent ces capteurs, par rapport au standard CCD,
sont leur niveau de bruit important, leur faible dynamique
ainsi que leur faible sensibilité. En plus, ces capteurs se
caractérisent par leur lenteur de réaction lors de brusques
changements de conditions lumineuses. Les capteurs
CMOS à mode d’opération linéaire souffre d’une dynamique limitée en entrée, ce qui cause une perte d’informations des scènes à grande dynamique telles que beaucoup de scènes naturelles. Pour extraire ces informations
de ce type de scènes sans saturer dans les blancs ou les
noirs, différentes techniques d’adaptation ou correction
sont proposées pour améliorer le fonctionnement du capteur. Inclure un système adaptatif aux conditions lumineuses simple dans le silicium, donc peu coûteux en surface permet de simplifier l’électronique située autour de
la matrice que celle de la caméra.
Les capteurs industriels de nos jours, en plus de gérer
la colorisation, corrigent l’image résultantes du capteur
en utilisant la fonction dite Gamma [1]. Cette fonction
implémente de manière simplifiée la correction observée
dans les systèmes visuels du vivant. Elle permet de rehausser les parties sombres de l’image avec un réglage
dépendant de la luminosité moyenne de l’image. Cette
fonction est facile à implanter en silicium car elle ne
dépend que de la luminosité globale venant du capteur.
Un inconvénient de cette correction Gamma est qu’elle
implique une perte d’informations dans l’image, notamment dans les parties sombres.
Dans le monde réel, la vision humaine est confrontée
à un large spectre de luminosité entre le soleil brillant
et les faibles luminosité de nuit. Nos yeux traitent ce
problème en variant leur sensibilité pour répondre aux
différents niveaux d’intensité lumineuse. Pour répondre
à cette faiblesse des capteurs CMOS vis à vis de la vision
humaine, nous proposons un système adaptatif aux conditions lumineuse implanter en analogique dans la puce. Ce
système est basé sur la loi de Michaelis-Menten [2, 3],
inspirée du système visuel du vivant. Le reste de ce papier
Xout =
Xin
Xin + X0
F IGURE 1. Loi Michaelis Menten
est organisé comme suit : La section 2 présente l’état de
l’art pour les différents algorithmes d’adaptation. La section 3 présente notre architecture pour implanter la fonction d’adaptation. La section 4 montre les résultats et les
analyses correspondant à ce système proposé. La section
5 sera la conclusion et les perspectives futures.
2. État de l’art
Plusieurs méthodes d’adaptation aux conditions lumineuse ont été proposées. Certaines de ces méthodes
Vdd
1
0.9
M6
M5
M4
M3
0.8
Sortie Corrigee
0.7
0.6
0.5
0.4
*** ORMIT[4]
I2
0.3
V DS2
xxx Gamma
0.2
ooo LOG[5]
0.1
V G2
−−− Michealis−Menten
0
0
0.1
0.2
0.3
0.4
0.5
0.6
Entree lineaire
0.7
0.8
0.9
V G1
M2
M1
1
F IGURE 2. Fonctions d’adaptation.
F IGURE 3. Résistance contrôlable.
consistent à modifier le temps d’intégration global
comme dans [4]. Ce temps est proportionnel à la luminosité moyenne calculée dans la matrice de pixels. D’autre
part, il existe des méthodes qui consiste à modifier le
temps d’intégration dans chaque pixel en fonction de la
luminosité de son contour [5, 6].
D’autres travaux consistent à modifier les tensions
portant les luminosités en sortie du capteur en fonction de
la valeur de luminosité moyenne globale ou locale. Dans
ces travaux, différentes fonctions d’adaptation sont utilisées. Les types d’adaptation se basant sur des fonctions
logarithmique sont présentés dans [7, 8]. Ils consistent à
varier les valeurs de la luminosité des pixels en fonction
de la valeur moyenne globale. Cependant, ces fonctions
utilisent aussi la division avec la fonction ‘Log’. L’implantation de ces fonctions est complexe en analogique,
ce qui rend la mise en oeuvre de ces types d’adaptation
difficiles. [1] propose une architecture analogique pour
implémenter la correction de la luminosité en se basant
sur la fonction Gamma. Par contre, la fonction Gamma ne
dépend que de la valeur moyenne globale de la luminosité
des pixels. [9] propose un algorithme qui utilise la fonction d’adaptation de Michaelis-Menten, cet algorithme
consiste à commencer l’adaptation avant la fonction de
démosaicage pour produire une image couleur à partir
d’une matrice de Bayer. Figure 2 présente différentes
fonctions d’adaptation connus dans la littérature.
Notons que, pour comparer les méthodes d’adaptation,
il faut prendre en compte la difficulté de l’implémentation
de leurs fonctions dans le silicium.
[10, 11] proposent une implantation de la division en
mode tension. Par ailleurs, [12] propose une implantation
de la division en mode courant. Dans le cas de l’utilisation du mode courant, l’architecture du diviseur est basée
sur une résistance controlée par une tension (voir Figure
3). Nous avons choisi cette architecture à cause de sa simplicité ce qui mène à une faible consommation en surface.
L’inconvénient dans les diviseurs analogiques est leur dynamique d’entrée limitée. Dans notre cas nous avons essayé de maintenir la linéarité sur la plus grande dynamique possible en associant d’autres blocs au système.
Dans la Figure 3 les transistors NMOS (M3 ,M4 ) et
PMOS (M5 ,M6 ) constituent un miroir de courant. En
outre, pour obtenir la dynamique la plus élevée, nous
avons fixé V G1 tel que les transistors M1 et M2 restent
en mode linéaire tout au long de la plage de fonctionnement.
La tension V DS2 peut être exprimer comme suit :
V DS2 =
K.I2
V GS2
où K est une constante qui dépend de la technologie et
du dimensionnement des transistors.
Vdd
M2
Xin
M1
I2
M0
3. Notre Approche
Le but de notre travail est alors de concevoir un
système d’adaptation aux conditions lumineuse. Nous
avons choisi d’implanter la loi de Michaelis-Menten utilisé par [9]. Cette loi a plusieurs avantages : (1) son
implémentation est réalisable en analogique ; (2) elle
offre une bonne efficacité d’adaptation ; (3) elle ressemble au traitement de la rétine dans le système visuel
humain. Cette loi consiste à diviser la tension de luminosité (Xin ) par sa somme avec le coefficient (X0 ).
F IGURE 4. Transconducteur.
Notre but est alors de concevoir un diviseur en mode
tension. Afin de pouvoir générer le courant I2 depuis une
tension d’entrée, nous avons modélisé un bloc transconducteur, ce bloc présenté dans la Figure 4 est composé
d’un miroir de courant formé par deux transistors PMOS
2
et un transistor NMOS qui contrôle le courant en sortie
du circuit.
mutées. L’architecture de ce circuit est basée sur deux capacités et cinq interrupteurs. Elle consiste à enregistrer
les deux tensions dans ces capacités et lire la sortie de ces
capacités branchés en série, ce circuit est présenté dans la
Figure 7.
1.4
tension sortante (V)
1.2
1
3.5
0.8
3
0.6
2.5
Vout (V)
0.4
xxx X0 max
−−−− X0 min
0.2
2
1.5
0
0
0.2
0.4
0.6
0.8
tension entrante (V)
1
1.2
*** Vin2=500mV
xxx Vin2=1200mV
... Vin2=1700mV
1.4
1
F IGURE 5. Résultat du système avant la correction.
0.5
0.4
Les résultats de simulation de ces blocs combinés
(transconducteur, diviseur, résistance controlée) sont
illustrés dans la Figure 5. Elles montrent une limitation de
fonctionnalité à des faibles luminosités. Pour des petites
valeurs de X0 les courbes correspondantes ne tendent pas
vers zéro.
Alors, pour régler cette limitation, nous avons ajouté
un circuit correcteur qui force une valeur fixe à la tension de sortie initiale pour de très faibles luminosités. Ce
circuit est illustré dans la Figure 6.
Vin
×10
0.8
1
1.2
Vin1 (V)
1.4
1.8
Le résultat de la simulation de ce circuit est illustré
dans la Figure 8. Le test de ce circuit consiste à mesurer
la tension Vout et varier la tension Vin1 sur toute la dynamique demandée pour plusieurs valeurs de Vin2 . L’erreur
constante de ce sommateur est facilement corrigée à partir d’une de ces entrée. Par contre, l’erreur variable de ce
sommateur ne dépasse pas 2% de la dynamique totale.
Ces circuits admettent un délai de 1µS .
Figure 9 présente le schéma bloc du système d’adaptation globale.
Vout
X0
Sommateur
VP
Diviseur
Xin
F IGURE 6. Correcteur.
L’idée dans ce circuit consiste à contrôler la sortie de
ce bloc à partir de la tension Vin amplifiée. Cette tension
commande un interrupteur pour préciser si ce correcteur
doit fournir l’entrée à sa sortie Vout ou la valeur initiale
fixée V0 .
Vin1
1.6
F IGURE 8. Résultat du Sommateur.
Inverseur
V0
0.6
V0
Correcteur
Xout
Transconducteur
F IGURE 9. Schéma bloc du système.
4. Résultats et Expérimentations
HB
H
Vout
Pour concevoir ces circuits nous avons utilisé la technologie AMS CMOS 0.35µm 3.3V . Le bloc transconducteur occupe 50 × 30µm2 , le correcteur et la résistance
contrôlée par une tension occupent 40×40µm2 chacun et
l’additionneur occupe 200 × 50µm2 . En sortie du capteur
le système d’adaptation implanté occupe 15 × 103 µm2 .
La consommation globale de ce système est autour de
500µA.
La Figure 10 montre les résultats de simulation
du système proposé. Elle montre deux courbes pour
un coefficient X0 maximal et un minimal et leur
équivalent théorique. On constate que les courbes obtenues par simulation électrique se rapprochent des courbes
1pF
HB
H
Vin2
1pF
H
F IGURE 7. Sommateur.
Pour calculer Xin + X0 (dans Figure 1), nous avons
modélisée un circuit sommateur à base de capacités com3
chitectures for Signal and Image Processing, pages
57–60, 2008.
1.4
1.2
[5] R. Carmona, J. Cuadri, C. M. Domı́nguez-Matas,
G. Liñán, and A. Rodrı́guez-Vázquez E. Roca.
Bioinspired cmos photosensor adaptation using local luminance feedback. In Proceedings of the 8th
IEEE International Workshop on Cellular Neural
Networks and Their Applications, pages 315–320,
2004.
tension sortante (V)
1
0.8
0.6
0.4
xxx Circuit pour X0 max
[6] M. Laiho, J. Poikonen, K. Virtanen, and A. Paasio.
Self-adapting compressive image sensing scheme.
In Proceedings of the 8th IEEE International Workshop on Cellular Neural Networks and Their Applications, 2008.
−−− Circuit pour X0 min
0.2
... Michaelis−Menten pour X0 max
*** Michaelis−Menten pour X0 min
0
0
0.2
0.4
0.6
0.8
tension entrante (V)
1
1.2
1.4
[7] V. Chensnokov. Dynamic range compression preserving local image contrast. In UK Patent GB 2
417381 A, 2006.
F IGURE 10. Résultat du système proposé.
[8] T.Annen F. Drago, K. Myszkowski and N.Chiba.
Adaptive logarithmic mapping for displaying high
contrast scenes. In EUROGRAPHICS, 2003.
théoriques, notamment pour des valeurs faibles de X0 .
Nous devons améliorer la réponse pour les X0 forts. Globalement, la correction effectuée par notre montage analogique est moins forte que l’original théorique.
[9] J. Hérault D. Alleysson, S. Susstrunk. Linear demosaicing inspired by the human visual system. In
IEEE Transactions on Image Processing,pp 439449,, volume 14, pages 439–449, 2005.
5. Conclusions et Perspectives
[10] C. A. Karybakas Th. L. Laopoulos. A simple analog
division scheme. In IEEE Transactions On Instrumentation And Measurment, volume 40, pages 779–
782, 1991.
L’objectif de ce travail est de concevoir un système
d’adaptation aux conditions lumineuses inspirée de la vision humaine associé à un capteur CMOS pour conserver
sa dynamique et se rapprocher du comportement visuel
du vivant. Les premiers résultats sont encourageants et
montrent l’efficacité de la fonction d’adaptation effectuer
avant la conversion vers le monde numérique.
Les travaux futurs vont consister à travailler la fonction d’adaptation de manière à se rapprocher encore de la
fonction de Michaelis Menten, tout en essayant de simplifier l’implantation analogique de ce système. Nous souhaitons également explorer d’autres fonctions d’adaptation ainsi que d’étudier l’optimisation du calcul du paramètre X0 . A terme, nous espérons obtenir un capteur
de vision proposant une adaptation aux conditions lumineuses proches de celle observée sur le vivant et ainsi
simplifier l’électronique de post traitement des caméras
ou appareil photo.
[11] C. C. Chang S. I. Liu. Cmos analog divider and
four-quandrant multiplier using pool circuits. In
IEEE Journal of Solid-State Circuits, volume 30,
pages 1025–1029, 1995.
[12] S. K. Wei W. Liu, S. I. Liu. Cmos current-mode
divider and its applications. In IEEE Transactions
On Circuits And Systems—II : Express Briefs, volume 52, pages 145–148, 2005.
Références
[1] Y. Tadokoro M. Sasaki, S. Kawahito. A cmos
image sensor integrating gamma correction and
gain control functions. In International Image sensor Workshop, Japan, pages 52–55, 1999.
[2] W.H.A Beaudot. Le traitement neuronal de l’information dans la rétine des vertébrés. In These de
l’INPG, LTIRF-INPG, Grenoble, 1994.
[3] M Imbert P Buser. Neurobiologie 1 - mécanismes
fondamentaux et centres nerveux. 1993.
[4] E. Labonne, R.Rolland, and G. Sicard. A standard
3.5t cmos imager including a light adaptive system
for integration time optimisation. In Design and Ar4