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