[논문]효율적인 불량화소 검출 알고리듬 및 하드웨어 구현

안지훈; 이원재; 김재석

효율적인 불량화소 검출 알고리듬 및 하드웨어 구현
An Efficient Dead Pixel Detection Algorithm and VLSI Implementation 원문보기

電子工學會論文誌. Journal of the Institute of Electronics Engineers of Korea. SD, 반도체, v.43 no.9 = no.351, 2006년, pp.38 - 43

안지훈 (연세대학교 전기전자공학과) , 이원재 (연세대학교 전기전자공학과) , 김재석 (연세대학교 전기전자공학과)

초록
AI-Helper

CMOS image sensor는 집적회로 구현이 가능하여 사이즈를 줄일 수 있고 저전력으로 구현이 가능하며 효율적인 영상처리를 할 수 있다는 장점을 갖고 있다. 그러나 불량화소의 발생은 곧 화질의 저하로 연결되기 때문에 불량화소를 검출하는 방법에 대한 연구가 필요하다. 본 논문에서는 CMOS image sensor에 사용되는 효율적인 불량화소 검출 알고리듬과 그 하드웨어를 제안하였다. 불량화소를 검출하기 위하여 본 논문에서 제안한 방법은 Scan, Trace, Detection의 단계를 거친다. 시뮬레이션 결과 특정 조건에서는 99.99%의 불량화소 걸출 성공률을 나타냈다. 제안된 알고리듬은 Verilog HDL로 구현되었으며, 0.25 CMOS standard cell library에서 3.2k개의 게이트 수를 갖는다.

Abstract ▼ AI-Helper

In this paper, we propose the efficient dead pixel detection algorithm for CMOS image sensors and its hardware architecture. The CMOS image sensors as image input devices are becoming popular due to the demand for miniaturized, low-power and cost-effective imaging systems. However, the presence of the dead pixels degrade the image quality. To detect the dead pixels, the proposed algorithm is composed of scan, trace and detection step. The experimental results showed that it could detect 99.99% of dead pixels. It was designed in a hardware description language and total logic gate count is 3.2k using 0.25 CMOS standard cell library.

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

본 논문에서는 불량화소를 검줄하는 알고리듬을 제시하였다. 시뮬레이션 결과 일정 조건에서 99.
본 논문에서는 불량화소를 검출하는 방법에 대하여 새로운 접근 방법을 제시한다. 기존의 연구에서는 한화면 내에서 화소를 주변의 화소와 비교하여 불량 화소로 의심되는 모든 화소들에 대하여 보상 또는 은닉을행하여 주는 방법을 주로 사용하였다図 하지만 이러한 방법은 실제로 불량화소가 아닌 화소에 대하여도 보상 또는 은닉을 행하는 경우가 발생하여 화면을 왜곡시키는 역효과가 있다.

가설 설정

(6) 리스트에는 픽셀의 위치와 값이 저장된다. 리스트를 이루는 메모리는 픽셀의 위치와 값이 각각 2byte, lbyte가 필요하고 리스트의 크기를 10으로 하였기 때문에 전체 30byte를 저장할 레지스터가 필요하다.

제안 방법

각각의 조건에 대하여 1000회 이상의 시뮬레이션을 수행하였고 각각의 경우 시뮬레이션 시작 화면 즉, Scan을 행하는 화면은 랜덤하게 정하고 그 뒤에 나오는 연속된 화면들 속의 픽셀들에 대하여 Trace 및 Detection을 수행하였다. 그리고 앞의 그림 6에서 설명하였듯이 리스트의 크기를 10으로 고정하여 시뮬레이션을 수행하였다.
따라서 본 논문에서는 위의 방법으로 계산한 弗.값이 가장 큰 순서대로 화소를 10개 추출하고 화소의 위치와 값을 리스트에 저장하여 실험을 진행한다.
따라서 본 논문에서는 다음과 같은 두 가지 특성을 갖는 화소를 불량화소로 정의하고, 불량화소 검출의 방법으로 사용한다.
테스트 영상으로는 일반 영상으로부터 Bayer 형태의 연속된 영상 시퀀스를 추출하여 사용하였다. 또한 불량 화소는 시뮬레이션 시작과 동시에 임의의 값으로 임의의 위치에 발생하여 시뮬레이션 하는 동안에 큰 값의 변화 없이 약간의 진동만 하는 것으로 모델링하였다.
旳)을 정의한다. 일반적으로 디지털 영상 처리에서는 처리를 행하는 화소를 중심으로 가로와 세로에 놓인 화소를 사용하여 처리를 수행하지만 본 논문에서는 방향에 관계없이 가장 가까운 곳에 위치하는 화소들을 중심이 되는 화소의 이웃으로 정하였다. 이런 방식을 사용한다면 최소 3줄의 영상을 가지고 Scan을 행하여 불량 화소로 의심되는 화소들을 정할 수 있다.
Trace과정에서는 리스트를 더 이상 업데이트 하지 않고 리스트에 저장되어 있는 화소 값과 현재 화면의 픽셀 값 7易값을 비교하여 제대로 동작하는 화소가 맞을 경우에는 리스트에 들어 있는 화소 정보를 버린다. 카운터의 값이 검출 비교 횟수 N에 도달하면 Detection을 행하여 리스트에 남아있는 화소들을 불량화소로 검출한다.
화면간 거리가 클수록 영상간의 상관도가 작아지기 때문에 리스트에 저장되어 있는 화소 값들을 바로 다음번 화면의 화소 값과 비교하지 않고 k번 후의 화면의 같은 위치의 화소를 비교한다. 실제로 Scan 과정의 결과로 나온 리스트에 저장되어 있는 화소를 바로 다음번 화면의 화소와 비교했을 때 보다 k 프레임 후의 화면의 화소와 비교했을 때 더 적은 비교 과정을 거쳐서 판단을 할 수 있다.

대상 데이터

테스트 영상으로는 일반 영상으로부터 Bayer 형태의 연속된 영상 시퀀스를 추출하여 사용하였다. 또한 불량 화소는 시뮬레이션 시작과 동시에 임의의 값으로 임의의 위치에 발생하여 시뮬레이션 하는 동안에 큰 값의 변화 없이 약간의 진동만 하는 것으로 모델링하였다.

성능/효과

(3) 카운터의 값이 0일 때는 Scan을 행하고, Trace의 과정에서 비교할 때마다 카운터의 값을 1씩 증가한다. 카운터의 값이 검출 비교횟수 N에 도달하면 Detection 을 수행한다.
(7) 결과 값으로 Color Interpolation 블록에 불량 화소의 위치를 전달하고, Color Interpolation 블록에서는 불량 화소에 대하여 은닉을 행한다.
값을 갖는지의 예를 나타낸 것이다. 각각의 화면에서 dij 값이 가장 큰 10개 화소 내에 dead pixel이 존재할 확률이 50%가 넘는다는 것을 알 수 있다. 따라서 본 논문에서는 위의 방법으로 계산한 弗.
기존의 연구에서는 한화면 내에서 화소를 주변의 화소와 비교하여 불량 화소로 의심되는 모든 화소들에 대하여 보상 또는 은닉을행하여 주는 방법을 주로 사용하였다図 하지만 이러한 방법은 실제로 불량화소가 아닌 화소에 대하여도 보상 또는 은닉을 행하는 경우가 발생하여 화면을 왜곡시키는 역효과가 있다. 그러나 본 논문에서 제안하는 방법은 한 화면 내에서만 불량화소를 검출하는 것이 아니라 이후의 화면들과도 비교를 행하여 불량화소를 검출하기 때문에 정확한 불량화소의 위치를 검출할 수 있다. 따라서 제대로 동작하는 화소들을 불량화소로 간주하여 왜곡시키지 않는다.
2k 개 게이트의 낮은 복잡도를 갖는다. 또한 본 논문에서 제안한 방법은 불량화소의 정확한 위치를 찾아내기 때문에 불량화소가 아닌 화소에 대하여 행해지는 은닉으로 인하여 발생하는 화질의 저하와 같은 역효과를 줄일 수 있다는 장점이 있다.
본 논문에서 제시한 알고리듬은 그림 9와 같은 구조로 설계되었고, 0.25Mm CMOS 공정으로 합성했을 때 3.2k의 복잡도를 갖는다.
것이다. 비교하는 화면들 사이의 간격 k가 클수록, 비교회수 N이 클수록 검출 성능이 더 좋아짐을 알 수 있다. 또한 앞에서 설명했듯이 잘못된 Detection이 발생하더라도 불량화소로 검출된 값들에 대한 계속적인 검사를 수행할 수 있으므로 다시 수정하는 것이 가능하다.
시뮬레이션 결과 일정 조건에서 99.99%의 높은 불량화소 검출률을 보였다. 불량화소의 또한 하드웨어 구현을 고려한 간단한 구조로 되어있기 때문에 3.

참고문헌 (2)

Jose Manuel Lopez-Alonso, Javier Alda, 'Bad pixel identification by means of principal components analysis,' Optical Engineering, Vol. 41, No. 9, pp. 2152-2157, September 2002

상세보기
Xu Youqing, Yu Shengsheng, Zhou Jingli, Fang Zuyuan 'Detection and Compensation of Bad Pixel for CMOS Image Sensor,' International Conference on Sensor and Control Techniques (ICSC 2000) Proceedings of SPIE, Vol. 4077, pp. 208-212, Wuhan, China, June 2000

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증