光焱科技 胜焱电子科技 Enlitech
Previous slide
Next slide
Tell us more, we’ll
Enlighten Your Ideas!

先收藏再看:一文带你了解CIS影像传感器十大关键参数指标与量测方法

在当代科技日新月异的进程中,CMOS图像传感器在各行各业中扮演着日益重要的角色。从手机相机的细腻成像到安防系统的可靠监控,再到车载摄影机的精确识别以及工业相机的高效应用,这些先进的传感器技术正在塑造我们与世界的互动方式。在这多元化的应用背景下,深入了解CMOS传感器的关键性能参数和评估标准成为了一项迫切且重要的任务。

本文将专注于探讨CMOS图像传感器的核心技术参数,包括量子效率、暗噪音(Dark Noise)、饱和值(Saturation Capacity)、信噪比(SNR)、动态范围(Dynamic Range)以及增益(Gain),并探讨它们如何共同决定了影像的质量和传感器的效能。这些参数不仅是技术专业人士评估和选择传感器的基础,也是影像传感技术研发的重要焦点。

特别是在车载摄影机的应用领域,这些技术参数的重要性更是不言而喻。在自动驾驶和辅助驾驶系统中,CMOS传感器必须能够在各种环境条件下捕捉高质量的影像,以确保准确的物体识别和距离测量。量子效率决定了传感器对光的转换效率,直接影响影像的亮度和清晰度;而暗噪音则是评估传感器在低光条件下性能的关键指标。饱和值涉及到传感器在极端亮度条件下的表现,而信噪比(SNR)和动态范围(Dynamic Range)则是衡量影像质量的重要参数。最后,增益的调节则影响着整个影像捕捉过程的灵敏度和精确度。

CMOS图像传感器 – 原理介绍 图片来源:Understanding CMOS Image Sensor https://zhuanlan.zhihu.com/p/100777121

本文将深入剖析这些技术参数,探讨它们如何在不同的应用场景中发挥作用,尤其是在对性能要求极高的车载摄影机领域。我们帮助读者更全面地理解这些参数对于CMOS传感器选择和应用的影响。无论是从事相关技术开发的工程师,还是对影像传感技术有深入研究兴趣的学者,从本文中获得重要的相关知识。

影像传感器的基本原理

影像传感器作为当今数字影像技术的核心,扮演着将光信号转换为电信号的关键角色。在深入探讨其性能参数之前,我们先了解其基本工作原理和不同类型的传感器特性。

工作原理

影像传感器的基本功能是捕捉光线并将其转换为可用的电子信号。这一过程通常涉及以下几个关键步骤:

  1. 光信号捕捉:传感器表面的微小像素阵列捕捉进入镜头的光线。每个像素对应于影像中的一个点。
  2. 光电转换:当光线击中像素时,它会被转换成电子。这一过程通过光电效应实现,是数字影像的基础。
  3. 信号放大和转换:捕捉到的电子信号随后被放大并转换为数字形式,以便于存储和处理。

传感器类型

主要有两种类型的影像传感器:电荷耦合元件(CCD)和互补金属氧化物半导体(CMOS)。

  1. CCD传感器:这些传感器以其高品质的影像和低噪音水平而闻名。在CCD传感器中,捕捉到的光转换成电子信号后,电子在传感器上移动,然后在一个地方被转换为数字信号。这种方式虽然可以提供高品质的影像,但通常会消耗更多的功率并产生更多的热量。
  2. CMOS传感器:这类传感器在每个像素点上都有自己的光电转换器和放大器,这意味着数字转换可以在像素级别上发生。这种结构使得CMOS传感器在功耗、速度和成本方面通常优于CCD传感器。然而,在低照度条件下,CMOS传感器的影像质量可能不如CCD。

传感器的发展

随着科技的进步,CMOS传感器的性能不断提升,使其在许多应用领域(如手机摄影、安防、车载系统等)逐渐超越CCD传感器。当代CMOS传感器具有更好的动态范围、更快的读取速度,并能更有效地处理高分辨率影像。接下来,我们将深入探讨每个性能参数,并解释它们如何影响影像传感器的整体性能。

关于影像传感器重要关键性能参数

影像传感器的重要关键性能参数如下所列,我们将在后续文中逐一介绍:

  1. 量子效率(Quantum Efficiency)
  2. 暂态暗杂讯(Temporal Dark Noise)
  3. 系统增益(Overall System Gain)
  4. 空间非均匀性(DSNU, PRNU)
  5. 信噪比SNR(Signal-to-Noise Ratio)
  6. 灵敏度阈值(Absolute Sensitivity Threshold)
  7. 线性度误差(Linearity Error)
  8. 饱和容量值(Saturation Capacity)
  9. 动态范围(Dynamic Range)
  10. CRA(Chief Ray Angle)主光线角度

光焱科技 SG-O 、SG-A 影像传感器晶圆测试仪

光焱科技(Enlitech)推出针对上述十大CIS关键性能参数的量测,特别推出 EMVA1288级商用image sensor wafer tester SG-O 与 SG-A 两套完整商用级 CIS / ALS / Light-Sensor 测试仪。除了针对晶片等级检测外,更可以结合探针台进行晶圆等级CP测试,提供企业研究人员高精度、迅速的量测解决方案。

SG-A CIS Chip Level 图像传感器测试仪

可提供最全面的 CMOS 图像传感器参数测试,如全光谱量子效率 QE 等10项以上参数性能量测,检验程序符合 EMVA 1288 标准。因此,SG-A CMOS 图像传感器测试仪可用于晶圆级光学检测、工艺参数控制、微透镜设计、微透镜验证。

适用于以下产品检测:

  • 指纹识别(CIS + 镜头、CIS + 准直器、TFT 阵列传感器)
  • CIS 微透镜设计,晶圆级光学检测
  • CIS DSP 芯片算法开发
  • Si TFT 传感器面板
  • 飞行时间相机传感器
  • 接近传感器(量子效率、灵敏度、线性度、SNR 等)
  • d-ToF 传感器、i-ToF 传感器
  • 多光谱传感器
  • 环境光传感器 (ALS)
  • 屏下指纹 (FoD) 传感器

SG-O 商用Wafer Level 影像传感器晶圆测试仪

可整合探针台

可针对晶圆进行前述量子效率等10项以上参数性能量测,可整合自动化、半自动化相关设备(自动晶圆装载机、探针台、模组化卡盘等),支持超大晶圆及晶片尺寸及低噪音与广域工作温度,一站式解决方案。

可運用於可用于 
CIS / ALS / 光感测器晶圆测试CIS / ALS / 光感测器晶圆映射和良率检查
ToF 传感器测试激光雷达传感器测试
InGaAs PD 测试SPAD 传感器测试
晶圆级CP 测试 (Wafer Level CP)
晶圆级量子效率测试(Wafer Level Quantum Efficiency, WLQE)
晶圓級斜向入射光量測(Wafer Level Angle Response, WLAR)
高度均匀的光源可编程自动探测器宽温及低噪音卡盘
从 UV 到 SWIR 的超广光谱范围200mm ~ 10mm 晶圆或芯片处理能力模组化卡盘
光斑超过 50mm x 50mm 区域的高均匀性,均匀度超过 98%用于最准确可靠的 DC / CV、RF 测量-80°C 至 180°C 的广域温度范围
超稳定光强度,可维持不稳定性 < 0.2% 长达 10 小时以上稳定的功能显微镜系统先进的 CDA 热控制技术,高斜坡率和高温稳定性
高光强动态范围,高达 140dB整合硬件控制面板用于精确 CIS / ALS / 光感测器晶圆测试的超低噪声
 自动晶圆装载机 
 智慧晶圆映射 
关键性能参数1:量子效率(Quantum Efficiency)

量子效率(QE)是衡量影像感测器能力的一个关键参数,它描述了感测器将入射光子转换为电子的效率。具有高量子效率的感测器能够更有效地利用光照,从而捕捉更多的影像细节,尤其是在光照不足的环境中。

测量量子效率通常需要专业的测试设备,在测量过程中,通过比较感测器捕捉的电子数与入射的光子数来确定量子效率。

定义:所谓量子效率,是指感测器对入射光子的捕捉并转变为电子信号的能力,通常以百分比形式表示,数值越高表示感测器的转换能力越强。

影响:一个高量子效率的感测器在低光线下的表现会更好,可以捕捉到更微细的光线变化,进而提升影像的整体品质。

光源经过相机镜头聚焦在图像传感器(CMOS)上,该感测器由许多光电二极管(PD)构成。光电二极管主要的任务是将光信号转化成电子信号。假设入射到光电二极體上的光子数量是Qp,根据光电效应,它会转化为Qe个电子,即:Qe=η*Qp。

在此,η代表光电转换效率。需要注意的是,这个转换效率并不会达到100%(也就是说,并非每一个光子都会转化为一个电子),会有部分损失。这种转换率我们称之为量子效率。量子效率越高,影像感测器的敏感度就越高。

影像感测器的量子效率主要取决于光电二极體pn接面的结构和大小,通常在10%-80%之间,并且与波长有密切关系。由于硅基半导体的能带宽度(Band Gap)使其对绿光(波长550nm)的量子效率最高,对红外光段的感测效果较差,因此量子效率与波长的关系是一个重要的研究方向。

图片来源:https://www.opto-e.com/en/basics/cameras

CMOS图像传感器的量子效率光谱揭示了感测器对不同光波长的反应程度。因为光子的能量与波长成反比,CMOS图像传感器对各种波长的光子的反应也会有所差异。这种光谱能让我们明了感测器在各种波长下的反应效率,进一步了解其灵敏度和色彩复原性。通常,影像感测器的量子效率光谱会在可见光范畴内展现出一些特定的特点,如波峰和波谷,这些特点会直接影响影像感测器的影像品质。

量子效率光谱也可以用来分析CMOS图像传感器内部的缺陷,包括下列四种常见情况:

● BSI处理设计

● 光学交叉干扰检查

● 色彩滤镜的质量和性能

● BSI处理中的硅晶片厚度状况

BSI processing design

如何使用量子效率光谱来评估BSI制程的效果呢?如我们之前所述,在CMOS图像传感器晶片的制程中,不同波长的光子对感测器的感光能力有所影响。因此,量子效率光谱是一种能够检测影像感测器感光能力的有效工具,并可以用来评估BSI制程的效果。

案例-1

如图2所示,台积电(TSMC)使用量子效率光谱来分析前照式FSI和背照式BSI两种制程对RGB三原色的像素感光表现的差异。结果显示,BSI制程可以显著提高像素的感光度,从原本FSI的40%提高到接近60%的量子效率。

TSMC利用晶圓級量子效率光譜(Wafer Level Quantum Efficiency Spectrum)分析1.75μm的FSI與BSI兩種製程对RGB三原色的像素在不同波长下的感光表现差异。 量子效率光譜的分析可以帮助工程师判断不同制程对感光能力的影响,并确定BSI制程的优势。

案例-2

如图3所示,某CMOS图像传感器厂商采用晶片级量子效率光谱分析,利用TSMC 65nm工艺进行量产时,不同工艺对CMOS图像传感器晶片感光能力的影响。在1.4 um像素尺寸使用BSI-1工艺和BSI-2工艺的量子效率光谱比较下,可以明显判断,BSI-2的量子效率比BSI-1有将近10%的提升。这意味着BSI-2工艺可以使CMOS图像传感器晶片内部的绝对感光能力提升10%(见(a)表)。

某CMOS图像传感器厂商采用晶圆级量子效率光谱,分析TSMC 65nm工艺在量产时,不同工艺对CMOS图像传感器晶片感光能力的影响。

这个结果清晰地显示出,BSI-2制程具有提高CMOS图像传感器晶片感光能力的特性,而像素尺寸不变,进而提升影像品质。我们可以看到,这种增强的感光能力将直接影响到影像的清晰度和细节的呈现。因此,通过利用量子效率光谱来比较不同制程对CMOS图像传感器晶片的影响,我们可以得到一种用于优化CMOS图像传感器制造的重要参考。这种优化过程将有助于更好地理解如何提升产品的性能。

Optical Crosstalk Inspection

在CMOS图像传感器晶片中,光學串擾是一个主要问题,会影响到影像的质量和精准度。光學串擾是由于像素间的光学相互作用而产生的,导致相邻像素的光信号相互干扰,进而影响到像素间的识别度和对比度。因此,降低光学串擾是提升CMOS图像传感器晶片质量的主要目标之一。

我们可以利用量子效率光谱来检测CMOS图像传感器的串擾问题。当CMOS图像传感器存在串擾问题时,在某些波长下可能会观察到量子效率异常。在这种情况下,我们可以采取适当的措施来降低串擾,例如优化CMOS图像传感器设计或改进制程。

案例-3

TSMC利用45nm先进CMOS制程来制作0.9㎛像素堆叠式CMOS图像传感器。光学串擾对于信噪比(SNR)和成像质量有着显著的影响,因此,TSMC采用了一种像素制程来改善这种光学串擾。结构如下图所示

利用晶圆级量子效率光谱技术可以直接证明Optical Crosstalk的抑制现象。对于不同的CMOS图像传感器晶片,可以通过量子效率光谱测试来比较它们在不同波长下的量子效率响应,进而分辨Optical Crosstalk是否受到抑制。

Color filter quality inspection

Color filter如何组合在“Pixel”感测器中。一个像素单位由Micro Lens + CFA + Photodiode等三个主要部件构成。

CMOS图像传感器的Color filter通常由被称为“有机色料”的物质制成,这些色料能特定地吸收某些波长的光,以产生需要的颜色滤波效果。这些有机色料一般经由涂布技术沉积在玻璃或硅基板上形成彩色滤光片。

量子效率光谱能够测量CMOS图像传感器在各种波长下的感光度,进而确定Color filter的质量和效能。通常,Color filter应能适当地分离各种波长的光,并在光学过程中产生较少的串扰。所以,如果在某一波长下的量子效率较预期值低,可能是因为Color filter的质量或效能问题。通过量子效率光谱的分析,我们可以确定Color filter的效能是否符合设计需求,并提前进行调整和优化。

CMOS图像传感器的Color filter通常由被称为“有机色料”的物质制成,这些色料能特定地吸收某些波长的光,以产生需要的颜色滤波效果。这些有机色料一般经由涂布技术沉积在玻璃或硅基板上形成彩色滤光片。

量子效率光谱能够测量CMOS图像传感器在各种波长下的感光度,进而确定Color filter的质量和效能。通常,Color filter应能适当地分离各种波长的光,并在光学过程中产生较少的串扰。所以,如果在某一波长下的量子效率较预期值低,可能是因为Color filter的质量或效能问题。通过量子效率光谱的分析,我们可以确定Color filter的效能是否符合设计需求,并提前进行调整和优化。

如上图所示,晶圆级的量子效率光谱展示了三种不同色彩过滤器材料(Green_1,Green_2和Green_3)的特性。通过对量子效率光谱的分析,我们可以确认色彩过滤器是否达到预设的性能要求,并根据需要进行适当的调整和优化。这有助于确保过滤器材料的特性符合设计要求,进而保证影像品质和精度,提升CMOS图像传感器的可靠性和稳定性。

硅晶圆厚度调整

在制造BSI CMOS图像传感器的过程中,我们通过“减薄处理”来将晶圆调整得更薄。晶圆的厚度直接影响到CMOS图像传感器芯片的感光度,因此对芯片的感光性能和品质有重要的影响。为了确保CMOS图像传感器芯片的正常运作,我们需要通过“Si晶圆厚度控制”工艺来精确地调整晶圆的厚度。这样可以确保我们减薄处理后的晶圆厚度能够符合设计要求,也有助于提升CMOS图像传感器芯片的产品良率。

blank

在制造CMOS图像传感器时,Si晶圆厚度控制工艺的控制对传感器的感光度有着直接的影响。这种影响可以通过量子效率光谱来观察,确保减薄后的CMOS图像传感器拥有最佳的光电转换量子效率。减薄后的晶圆会有一个最佳的厚度值,可以确保CMOS图像传感器拥有最佳的光电转换量子效率。使用450nm、530nm和600nm三种波长,可以测试红色、绿色和蓝色通道的量子效率。实验结果展示了不同减薄厚度的CMOS图像传感器在蓝光、绿光、红光通道的量子效率值的变化。减薄厚度的偏差会对CMOS图像传感器的感光度产生直接的影响,进而影响量子效率的值。因此,量子效率的检测对于Si晶圆厚度控制工艺的监控至关重要,以确保制造的CMOS图像传感器具有稳定且一致的品质。

利用不同的Si晶圆厚度对CMOS图像传感器的量子效率进行测试,测试波长分别为600nm、530nm和450nm,并针对红色、绿色和蓝色通道的量子效率进行评估。

上图显示了在不同减薄厚度下CMOS图像传感器在蓝、绿、红三个光通道的量子效率值变化。蓝光通道的量子效率值是利用450nm波长测量的,当减薄后的厚度比标准厚度多0.3um时,其量子效率值会由52%下降至49%;当减薄后的厚度比标准厚度少0.3um时,蓝光通道的量子效率只略微低于52%。红光通道的量子效率值是利用600nm波长测量的,发现红光通道的表现在不同厚度下与蓝光通道相反,当减薄后的厚度比标准厚度少0.3um时,红光通道的量子效率显著地由44%下降至41%。在较厚的条件(+0.3um)下,红光通道的量子效率并没有显著的变化。

绿光通道的量子效率值是以530nm波长测量的,在三种厚度条件下(STD THK ± 0.3um),绿光通道的量子效率没有显著的变化。

结果显示,在绿光通道方面,Si晶圆厚度的变化在±0.3um范围内,530nm波段的量子效率并未有明显变化。但是,在红光通道方面,随着Si晶圆厚度的下降,量子效率会有显著的下降。而在蓝光通道450nm的情况下,量子效率会随着Si晶圆厚度的下降而有显著的下降。这些结果表明,Si晶圆厚度对于CMOS图像传感器的量子效率有重要的影响,且不同通道的影响程度不同。因此,在制造CMOS图像传感器时需要精确控制Si晶圆厚度,以确保产品的品质和性能。

关键性能指标2:瞬时暗杂讯(Temporal Dark Noise)

影像传感器性能的潜在问题 在评估影像传感器的性能时,暗杂讯是一个重要且不容忽视的因素。它通常在传感器未接收到光线时产生,对于低光照环境下的影像品质具有关键影响。

定义:暗杂讯是指在无光照的情况下,传感器会产生的一种背景杂讯。这是因为传感器内部的电子活动,包括但不限于热噪音和读取杂讯。即使没有任何光信号输入,CMOS传感器也会产生少量电信号,我们称这些为暗杂讯。在图像上,暗杂讯呈现出随机杂讯的分布,强度相对较弱,通常是2-5个电子[e-]的振幅。值得注意的是,暗噪音与温度有一定的相关性,温度越低,暗噪音越小,温度提高,暗噪音也会随之增加。

影响:暗杂讯尤其在低光照条件或长时间曝光的应用中显得尤为重要。它会影响图像的整体品质,特别是影像的对比度和清晰度

blank

Image sensor dark noise 图片来源Sony vs Canon Spectral responsehttps://www.dpreview.com/forums/post/61720036

测量暗杂讯的挑战

  • 测量方法:测量暗杂讯通常需要将传感器置于完全黑暗的环境中,随后记录其输出信号。这一过程需要精密的仪器控制和噪声分析技术。
  • 挑战:准确测量暗杂讯的一大挑战在于需要完全隔绝外部光源的干扰,并且对传感器的热环境进行严格控制,因为温度的变化会显著影响暗杂讯的水平。

暗杂讯与影像传感器的优化

  • 重要性:对暗杂讯的深入理解对于图像传感器的设计和优化至关重要。通过减少暗杂讯,可以显著提高传感器在低光条件下的表现,从而扩展其应用范围。
  • 技术进步:随着技术的进步,新型传感器正在采用更先进的材料和设计,以减少暗杂讯,从而提供更清晰的影像,尤其在夜间或其他低光照条件下。

关键性能指标3:系统增益K值(Overall System Gain)

图像传感器性能的关键指标 系统增益是评估图像传感器整体性能的一个重要参数,它涉及从捕捉光信号到最终产生数字影像的整个转换过程。

系统增益的定义与重要性
  • 定义:系统增益反映了图像传感器将接收到的光信号转化为数字影像的效能。这显示了传感器对光信号的反应和后续电子处理过程的放大能力。在此,增益是指信号放大的比例。增益通常包括数字增益和模拟增益,大部分的 CMOS 都拥有这两种增益,并且可以独立调整倍数,例如模拟增益为4倍,数字增益为2倍,最终效果是两者相乘。然而,由于增益在放大信号的同时也会放大噪音,因此增益并非越高越好,需要根据情境来调整,特别是在机器视觉的使用情境下,高噪音容易导致误判,反而影响效果。
  • 影响:系统增益直接影响影像的亮度和对比度,是决定传感器在不同光照条件下的表现能力。高的系统增益使传感器能够在光线较弱的条件下捕捉到更多的细节。
测量系统增益的方法
  • 测量过程:测量系统增益需要分析传感器在接收到一定量的光信号后产生的输出信号强度。这通常涉及到比较标准光源的输入与传感器输出的数字信号。
  • 技术挑战:精确测量系统增益要求对光源的强度、传感器的响应以及信号放大过程进行精细的控制和测量。
系统增益在传感器优化中的角色
  • 设计考虑:在设计图像传感器时,适当的系统增益设定是关键。它需要在捕捉足够的光信号和保持低噪声水平之间找到平衡。
  • 技术进步:随着传感器技术的进步,新型设计正在实现更高的系统增益,同时控制噪声,从而提供更清晰、亮度更均匀的影像。

关键性能指标4:空间非均匀性(DSNU, PRNU):

图像传感器性能的细节挑战

空间非均匀性是图像传感器中一项重要的性能指标,它涉及传感器在整个影像平面上的均匀性问题。这包括暗信号非均匀性(DSNU)和像素响应非均匀性(PRNU)两个主要方面。

暗信号非均匀性(DSNU)

关于如何量化 DSNU 和计算的完整说明可以在 EMVA 1288 版本中找到全面的方式,该版本为Image Sensor制造商提供了用于测量和规格表示的 EMVA 1288 标准。

  • 定义:DSNU是指在没有光源(暗环境)下,传感器各像素点输出信号的一致性。这种不一致性通常来自制程中的微小变异或元件的老化现象。
  • 影响:*DSNU虽然与照明无关,但会受到相机传感器的温度和曝光时间的影响。这是因为DSNU是由像素反应度差异引起的,而「热」或「冷」像素对温度变化的反应与大部分像素不同。*DSNU会导致影像出现不均匀的暗部,特别在低光照条件下更为明显,影响到影像的整体品质和对比度。*增加曝光时间会有效提高传感器的热量,这会产生相同的结果。因此,建议在与相机相同的条件和曝光时间下计算DSNU,以便真正了解噪音的影响。通常,计算DSNU需要从一个默认的偏压值开始,作为比较波动的基准。然后应该将整个传感器的平均像素值与这个偏压值进行比较并制作图表,DSNU以这些数值的均方根(RMS)以电子数表示。

图像传感器中常见的一种噪音称为“暗信号不均匀性”(Dark Signal Non-Uniformity,简称DSNU)。在科学相机中,噪音通常是不稳定和随机的,例如读取噪音可能为正数或负数。这意味着即使信号值为零,由于负噪音的存在,部分像素可能会产生负信号值,这在软件处理上会带来挑战。

因此,图像传感器的强度值通常不是从零开始,为了避免信号值低于零,通常会加上一个固定值(例如100),这造成了每个像素在无光照的情况下也会有非零的背景效应,我们称之为偏压。

然而,即使是最高品质的工程技术,也无法确保所有像素的偏压完全一致,由于CMOS像素之间和列之间的变化,这会导致偏压的变动,这就是所谓的DSNU,这与照明无关。

DSNU的一个例子可以在文中的下图看到。

因此,我们建议在使用图像传感器的相同条件和曝光时间下计算DSNU,以真实了解引入的噪音。

blank

DSNU示例。此影像显示了典型的前照式CMOS相机在无照明和0毫秒曝光的情况下平均拍摄的100张图像。由于这种较旧的CMOS型号的分立式传感器,可以清晰地将偏移波动视为规则的列图案和中间的强烈行。图片来源https://www.photometrics.com/

光响应不均匀性PRNU(Photo-Response Non-Uniformity)

像素响应不均匀性(PRNU)是图像传感器中常见的一种特性。图像传感器将光子转换成电子,产生模拟信号,该信号随后被转换为灰度值,形成数字信号。电子和灰度值之间的转换因子被称为增益。

  • 定义:PRNU指的是在均匀光照下,感知器各像素对光的响应存在的不均匀性。这通常由像素大小、形状或材料特性上的微小差异导致。
  • 影响:PRNU会造成影像在亮度和色彩上的不均匀,影响影像的自然度和真实感。理想情况下,当检测到的电子数量线性增加时,传感器的灰度响应也应该线性增加。然而,由于单个像素的微小变化,增益可能在整个传感器上并不相等。在传感器上增益的这种变化(或不均匀性)就是 PRNU。
  • 测量方法:测量DSNU和PRNU通常需要在受控的环境下对感测器进行一系列标准光照和暗条件下的测试,要计算特定图像传感器的PRNU,需要测量传感器上每个像素的响应,并在完全相同的照明条件下进行比较。这使得计算PRNU成为一个非常精确的过程,因为准确测量每个单独像素的输出需要均匀的照明,即一个能够均匀照亮整个传感器边缘的光源。这是为了确保测量的是由于增益产生的输出,而不仅仅是照明强度的差异。通常,PRNU是在不同的光饱和度下计算的,通常描述为整体容量的百分比,常见的有25%和50%的饱和度。在不同饱和度下获取数千帧数据并对其进行平均后,PRNU相对容易计算,因为它通常呈正态分布,可以表示为平均信号的百分比,如下图所示。

图为数字CMOS传感器上的光响应不均匀性(PRNU)的对数直方图示例,与模型数据进行比较。该图是https://www.photometrics.com/改编自EMVA 1288第3.1版发布。

需要注意的是,只有在接近实际使用信号水平的情况下进行 PRNU 计算才有效。举例来说,如果传感器主要用于低于 1% 整体容量的低光成像,那么在 50% 整体容量下测得的 PRNU 值无法提供准确的噪声信息。举个例子,较旧的 sCMOS 设备在不同光照级别下的 PRNU 表现如下:

  • ~0.1% PRNU at 50% full well (~15,000 e–)
  • ~0.4% PRNU at 500 e– signal
  • ~6% PRNU at 10 e– signal, equal to a very significant 0.6 e– noise at this light level

在 10 e– 信号下的 PRNU 值更与许多 CMOS 传感器应用中所使用的低光成像条件相关。影像感测器数据表通常只报告 50% 整体容量的数据,因为这是 EMVA 1288 标准,但根据样品和应用的不同,这可能会产生误导。因此,应该在相关的信号水平下进行检查,以确定 PRNU。

关键性能指标5:信噪比SNR(Signal-to-Noise Ratio)

信噪比(SNR)是评估图像传感器性能的重要指标,它反映了传感器输出信号的清晰度和纯净度。

在今天的相机和成像设备中,SNR已经从一项困难的挑战转变为一种标准特性。然而,尽管这个术语被广泛提及,许多人仍然对它感到困惑,不清楚它的含义、测量方式,以及为什么它在相机和嵌入式视觉应用中如此重要。

萤光显微镜中的信噪比比较 图片来源 科研相机成像品质的关键Vol.2—杂讯(上)https://www.linx.tw/tech-info/technique/127/2023-08-01/科研相機成像品質的關鍵vol2—雜訊(上)

SNR的定义与重要性

信噪比(SNR)是评估影像传感器性能的重要指标,它反映了有效信号强度与背景噪声强度之间的比率。具有高信噪比的传感器能够提供更清晰、更高品质的图像,因为它可以有效区分真实图像信息(信号)和不需要的随机干扰(噪声)。这对于多种现代嵌入式视觉应用(如智能监控摄像机、远程病患监控系统、自动结账摄像机和智慧摄影机等)至关重要。

  • 定义:信噪比是一种比率,反映了感测器输出的有效信号强度和背景噪声强度之间的关系。比值较高表示信号中的有效信息较多,噪声较少。信噪比通常以分贝(dB)来表示,其计算方式是将信号功率除以噪声功率,然后取对数。在实际应用中,我们可以通过多种方式提高SNR,例如选择品质更好的感测器、改进信号处理算法、提高照明条件等。
  • 影响:拥有更高信噪比的设备,通常能提供更清晰的对比度,并在低光照环境下表现更好(如图9所示)。一般来说,CMOS的信噪比在40dB左右。另外,分贝与比例之间是对数关系,每增加10分贝,信号与噪声的比例就会增加10倍。

测量SNR的方法

  • 技术挑战:准确测量SNR需要对测试环境和感测器的设置进行精确控制,并对所获得数据进行详细分析。

  • 测量过程:测量SNR涉及对感测器输出的信号和噪声进行精确的量化。这通常需要在受控的照明条件下进行,并对感测器输出的信号强度和噪声水平进行分析。

  • 计算方式

    计算信噪比(Signal-to-Noise Ratio,简称 SNR)的两种方法,这是评估像相机和感测器等设备性能的重要指标。

    • 信噪比 (SNR)就是信号除以三个主要噪声源的总和(光子散粒噪声、暗电流和读取噪声)公式计算如下:

在此添加您的标题文本光子散粒噪声

光子散粒噪声是一系列光子源(包括荧光)发射光子的随机性,其分布平均值遵循泊松分布,这是一种常见的统计学和概率学中的离散概率分布。

在每次测量中,信号 𝑆 都会以 √ 𝑆 的方式变化,因此这是一个随信号增长而增长的噪声源,在高信号电平下主要是光子散粒噪声。

读取噪声

读取噪声是指相机中测量到的信号的不确定性,受读取速度和电子设计质量的影响。CCD 相机感光元件具有较高的读取噪声(介于6至10个电子之间),工业 CMOS 相机也有4至10个甚至50个电子的噪声,科研用 CMOS 相机通常只有大约1.0至1.6个电子的读取噪声。高读取噪声会降低昏暗信号的图像质量,是弱光成像的一大挑战。

在科学成像中,量子效率和读取噪声的重要性是常见的问题之一,下图对此进行了进一步探讨。将具有0.7e-读取噪声但只有80% 量子效率的相机,与具有1.0e-读取噪声和95% 量子效率的相机进行比较,具有更高量子效率的相机在所有信号电平高于每像素1个光子时都获得了更高的信噪比。例如,在弱荧光显微镜中,信号范围通常为每像素10 至100个光电子,即使将较高量子效率相机的读取噪声增加到1.6e-,也能为10个光电子以上的信号提供更好的信噪比,对于信号如此微弱的情况,大多数成像应用会超越这个值。

然而,将95% 量子效率相机的读取噪声从1.0e-降低到0.7e-时,几乎不对信号造成影响,在10个光子时使得信噪比增加2%,在100个光子时使得信噪比增加0.2%。

图片出处:科研相机成像品质的关键Vol.2—噪音(上)

假设暗电流可忽略不计,在不同量子效率(QE)和读取杂讯(r.n.)下,比较计算出的信噪比与入射信号的情况。左图:信噪比;右图:相对信噪比(rSNR)与具有100%QE且无读取杂讯的“完美”理论相机相比。

这两种方法在不同的情境下都很有用,并取决于信号和噪声数据的表示或测量方式。

当信号和噪声以 dBm 或 dB 进行测量时,通常在电信领域中使用分贝方法,线性方法经常用于信号处理和成像中,考虑实际信号和噪声的幅度。

更详细的公式

影像的信噪比理应等同于信号与噪音功率谱的比值,但通常功率谱的计算相对困难,所以我们通常用一种方法来近似估计影像的信噪比,即信号与噪音的方差之比。首先,我们需要计算影像所有像素的局部方差,将局部方差的最大值视为信号方差,最小值视为噪音方差,然后求出它们的比值,接着转换成分贝数,最后使用经验公式进行修正。以下是影像信噪比的计算公式。

M和N分别代表图像在长度和宽度上的像素数量,g(i,j)和(i,j)分别表示原始图像和去噪后图像在(i,j)位置的灰度值。信噪比是用来比较评估图像与原始图像品质的参数,信噪比的数值越大,图像品质越优秀。

关键性指标6:灵敏度阈值(Absolute Sensitivity Threshold)

灵敏度阈值就是得到相当于感测器所观测杂讯之信号所需的光子数。这是一个重要指标,因为它代表观测任何根本有意义信号所需的最低光量的理论值。

绝对灵敏度阈值(Absolute Sensitivity Threshold)是衡量影像感测器性能的重要指标,它代表感测器能够检测到的最微弱的光线强度,使用光子数[γ]来表示。如下图所示,最微弱的可检测信号会受到杂讯水平的影响。若杂讯较大,则 AST 的值会随之提高,换句话说,对于微弱信号的检测能力会降低。举例来说,在夜间微光的情况下,若想清楚看见物体,则需要更低的灵敏度阈值。这个参数对需要在极度光线微弱的应用场合特别重要,如天文摄影、深海探索或夜视技术等。

灵敏度阈值示意图 图片来源:CMOS图像传感器的参数与评估标准 https://mp.weixin.qq.com/s/QC9MRbJ816tPnWEvnJWnPw

  • 定义:绝对灵敏度阈值指的是传感器能够检测到的最小光照强度。通常表示为所需的最小光子数量,使得传感器能够产生一个可区分于杂讯的信号。
  • 影响:传感器的绝对灵敏度阈值越低,表示其在非常微弱的光照条件下仍能产生可用的影像。这对于捕捉低光照环境下的细节非常关键。

测量方法与挑战

  • 测量方法:测量绝对灵敏度阈值通常需要在极度控制的环境中进行,逐步降低照明强度,直到传感器的输出不再可靠地区分于背景杂讯。
    1. 信号识别
      • 关键是识别出传感器输出中哪部分是有效信号,哪部分是杂讯。
      • 有效信号可以通过比较不同光照条件下的输出变化来确定。
    2. 阈值确定
      • 通过分析感测器在不同光照下的输出,找到一个临界点,即感测器输出的信号强度刚好大于测量过程中的杂讯水平,这个临界点即为绝对灵敏度阈值。
      • 通常会使用统计方法来分析数据,如计算输出信号的平均值和标准差,帮助确定阈值。在某些情况下,还会使用高阶的数据处理技术,如信号处理算法,以提高测量的准确性。
  • 挑战:准确测量这一指标需要高度精确的光源控制和敏感的信号检测设备。任何外部杂讯都可能影响测量结果,因此需要非常严格的实验条件。

图片来源:https://thinklucid.com/

关键性能指标7:线性度误差(Linearity Error)

线性度误差(Linearity Error)是衡量影像感测器性能的另一个重要参数,它反映了感测器对光强度变化的响应是否符合线性关系。这一指标对于确保影像感测器能够准确且一致地捕捉现实世界中的光亮度变化相当重要。

成像的基本过程是将光子输入转化为电子输出。当光子照射在 CCD 上,会产生电子/空穴对,这些电子接着被门极电极下方的 CCD 捕捉。接着,这些电子会以接力方式“bucket brigade”传送到输出放大器,并在那里将电荷转换为电压输出信号。该信号经过模拟处理链路进一步放大,最后在送到主机电脑进行显示、影像处理和/或存储之前,会被转换为数字信号。

光子信号输入到最终数字输出的转换函数应随着 CCD 上的光照量增加而线性变化。因此,非线性是指偏离以下关系的程度:

数字信号 = 常数 x 入射光量

高性能的影像感测器具有出色的线性度。线性偏差通常只有几个百分点,覆盖了超过五个数量级。这远优于视频 CCD 和其他固态成像器,它们可能会有几个百分点甚至更多的非线性。对于定量成像来说,线性度是一项严格的要求。CCD 必须具有线性度,才能进行如算术比率、遮罩校正、平坦场处理、线性变换等影像分析。

定义与重要性

  • 定义:线性度误差指的是感测器输出与光强度输入之间的关系偏离理想线性响应的程度。理想状态下,感测器输出应与光强度成正比。
  • 影响:线性度误差影响感测器对不同光照条件下影像的准确重现。在高线性度误差的情况下,感测器可能无法准确地反映场景的亮度变化,从而影响影像质量。

测量方法

目前没有标准的方法来测量或报告线性值。通常这些数据以偏离线性的百分比来报告(可能被指定为线性或非线性)。一种可用的方法是绘制 CCD 整个线性范围(线性满井)内的平均信号值与曝光时间的关系图。然后可以对数据进行线性最小平方法回归拟合。每个点与计算出的线的偏差提供了该系统非线性的量度。非线性可以报告为最大偏差和最小偏差之和除以最大信号的百分比:

计算方式

  1. 绘制输出与输入的关系图
    • 将测得的感测器输出值与对应的光照强度绘制在同一图表上,形成一个输出-输入关系图。
  2. 进行线性回归分析
    • 使用线性回归分析确定感测器输出与光照强度之间的最佳拟合线。这条线代表理想的线性响应。
  3. 计算误差
    • 线性度误差可以通过比较实际测量值与回归线之间的差异来计算。具体来说,可以计算每个测量点的输出与理想输出之间的偏差,并从这些偏差中找到最大值。
    • 误差通常表示为百分比,计算方式为:(实际输出 – 理想输出) / 理想输出 * 100%。

关键性能指标8:饱和容量值(Saturation Capacity)

饱和容量值(Saturation Capacity),也称为势阱容量或全井容量,指的是一个像素势阱最多能容纳多少光生电子,随着像素内电子数量的增加,电荷密度也会上升。电子储存的电荷密度有一个上限,超过这个上限可能会产生不希望的副作用,包括电荷渗漏到邻近的像素,这种现象被称为”开花”。开花现象常见于早期的CCD,使得图像中的亮物产生条纹。一般来说,消费级的传感器的势阱容量在2000到4000之间。这个值越大,传感器的动态性能就越好。例如下图是常见影像传感器规格表中包含饱和容量值的参数。

图片来源 image sensor world https://image-sensors-world.blogspot.com/2014/01/point-grey-promotes-sony-global-shutter.html

飽和值代表了最大可检测的信号强度。光电二极管收到光照后产生的电子,需要暂时储存在内置电容里,等待被读取。图7展示了电容的饱和示意图,电容不断积累光电子,随着光电子数量的增加,电容逐渐饱和,无法再接收更多的光。电容的大小限制了最多能接收的光强度。飽和值越大,可检测的场景亮度越高,更适合在室外强光环境下工作。

明亮区域和长时间曝光的像素达到饱和水平 图片来源:https://markets.vision/

图像传感器的动态范围描述了其在明亮和黑暗情况下捕捉高对比度细节的能力。在明亮的影像区域或长曝光时间下,典型的线性像素达到饱和水平,即使进一步增加光线,它们也无法再感知到传入的“信号”(光子)。

当其中某个像素的光电二极管饱和后,多余的电子容易溢出,影响其他的像素,从而产生拖尾效应,特别是对着太阳拍摄的时候,容易出现下图的情况。

blank

数码相机和传感器每像素的总井容量都有所显示。数码相机数据以棕色钻石显示,而来自制造商数据表的传感器数据以蓝色方块显示。数据值来自表格2。注意到最近的 Canon 相机,例如 1DIV,5DIII,6D 和 1DX 如何沿着模型线分布,这表明技术水平相似。这种趋势表明 Canon 系列中传感器技术的成熟。低于模型趋势的相机,例如 Canon 10D(早期模型)显示了技术的大幅提升。注意,Canon 20D 和 30D 使用相同的传感器。下面给出了两种传感器模型的详细信息,参见「传感器性能模型」。该模型使用每µm² 1700 电子的电子密度(橙色线)和 1900 电子的电子密度(蓝色线)。电子密度越高,副作用(包括泛光)的问题就越大,因此密度通常保持在每µm²约 2000 电子以下。

从Canon线的近期趋势来看,该线的传感器技术已经成熟 图片来源https://clarkvision.com/articles/digital.sensor.performance.summary/

定义与重要性

  • 定义:饱和容量指的是传感器像素能够捕捉的最大光子数,即在达到最大亮度值之前像素能够积累的最大光电荷量。
  • 影响:饱和容量决定了像素在极端亮光条件下的表现。高饱和容量意味着传感器能够在不过度曝光的情况下捕捉更亮的场景。

测量方法

  • 测量过程:通过逐渐增加照射到传感器的光强度,并记录每个像素达到饱和点(即无法再增加其亮度值)的光强度。
  • 计算方式:饱和容量通常以光电荷数量(例如电子数)来表示,计算方式为达到饱和点时的光电荷数量。

关键性能指标9:动态范围(Dynamic Range)

定义与重要性
  • 定义:动态范围描述的是传感器能够区分的最暗与最亮信号之间的比例。它通常表示为一个比值或以分贝(dB)来表示,被定义为最大非饱和输入信号(光电流)i max 至最小可检测输入信号 i min。

  • 影响:动态范围决定了传感器捕捉影像时可区分的亮度范围。一个宽广的动态范围使传感器能够在极端亮暗条件下都能捕捉到细节。
测量方法
  • 测量过程:测量动态范围需要测量传感器在捕捉最暗信号(通常接近于噪声水平)和最亮信号(即饱和容量)时的表现。
  • 计算方式:动态范围可以通过计算最亮信号与最暗信号的比值来确定,并常常以分贝(dB)来表示。
  • 计算公式为:

这个公式用于计算在传感器处于最亮(饱和容量)和最暗(噪声水平)条件下的信号比值,通常以分贝(dB)来表示。这里的“饱和容量”指的是传感器在最亮条件下能够处理的最大光电荷数量,而“噪声水平”则是传感器在最暗条件下的背景噪声水平。

其中最大非饱和信号由下式给出

其中 Qmax 是(有效)井容量

而最小可检测输入信号通常定义为黑暗条件下输入参考噪声的标准差

(这里的零指的是下图)

公式汇总为

因此动态范围则为下图

(它以 dB (20 log10(imax/imin)) 为单位,有时以位元为单位)

DR 随着 Qmax 的增加而增加,并随着 idc、读取杂讯和 DSNU 的增加而减少

关键性能参数10:CRA (Chief Ray Angle) 主光线角度

主光线角(Chief Ray Angle,简称CRA)是影像传感器设计中的一个重要参数,特别是在与微型镜头系统配合使用时。CRA 影响着传感器对光的接收效率以及最终影像的品质。

Sensor CRA,也就是SENSOR的MICRO LENS与光电二极管的位置存在一个水平误差,并不在一条直线上(这个偏差角是sensor的CRA)。做成这样的目的,这样的做的目的也是为了好要搭配LENS。

定义与重要性
  • 定义:主光线角指的是从镜头中心通过像素中心的光线与传感器表面之间的角度。这个角度影响光线如何投射到传感器的每个像素上。
  • 影响:CRA对整个图像传感器系统的性能至关重要。较大的CRA可能导致角落或边缘像素的光线投射效率降低,从而影响图像的均匀性和清晰度。

相机镜头会有一个CRA参数,而相机sensor也有一个CRA参数(sensor像素点上有微透镜,这也是为什么有sensor CRA的原因)。

sensor的性能与其自身的灵敏度和光线投射的角度有关。而光线投射到sensor pixel的角度则由相机镜头的CRA和sensor的微透镜开口布局共同决定。按照通常的做法,因为SENSOR的微透镜与光电二极体之间存在一定的距离,这样做的目的也是为了更好地配合镜头。此外,lens也存在一个CRA值,在镜头设计时需要考虑这个内容,根据sensor的CRA值进行设计。一般建议sensor与lens的CRA角度差控制在正负2到3度之间,并不是镜头的CRA值越小越好,而是与sensor的CRA值越接近越好。

图片来源:https://www.twblogs.net/

Sensor也有一个CRA值,即传感器的微透镜和光电二极管的位置存在一定的水平误差,并不在一条直线上,这样做有一定的目的。按照通常的做法,因为传感器的微透镜与光电二极管之间存在一定的距离,这样做的目的也是为了更好地搭配镜头。因为CRA为0度的镜头仍然不容易找到。

上图显示了传感器的内部结构,传感器上微透镜的作用是聚焦光线,将入射光引导到正确的像素点上(可以观察到没有微透镜时,光线是垂直入射的,边缘的光线无法照射到像素上)。当入射光的CRA角度超过传感器的CRA时,经过R滤波器的光线照射到了G像素上,导致像素之间的串扰,出现了颜色阴影。

普通的FSI传感器都有类似光子阱的结构来收集光子:

No-shift micro-lenses:  图片来源:https://www.opto-e.com/

Shifted micro-lenses: 图片来源:https://www.opto-e.com/

测量与计算
  • 测量方法:测量相对光学轴(CRA)通常需要精密的光学测量设备,以确定光线进入镜头并到达传感器的具体路径。

    在传感器CRA曲线中,纵轴表示主光线角度,单位为度;横轴表示视场,有两种表示方式。一种是以百分比表示,传感器最大有效成像高度为100%,通常以10%递增。另一种是直接以mm为单位,依次表示从传感器中心到最大成像高度位置。传感器的最大有效成像高度为传感器有效成像面(对角线)的一半。

光焱科技推出了符合EMVA1288标准的商用图像传感器晶圆测试仪SG-O和SG-A。SG-O和SG-A可针对晶片和晶圆进行量子效率等10大CIS性能参数的测试。支持自动化设备整合,提供一站式解决方案。SG-A专为晶片级检测而设计。SG-O则支持探针台整合,可实现晶圆级测试。两者均适用于各类CIS产品的研发和量产检测。欢迎联系我们了解更多!

Loading

发表回复