【摘 要】
：
三维堆叠图像传感器是目前图像传感器发展的主流方向之一,具有高密度互连、填充系数大、不同层独立优化的优势。三维堆叠图像传感器的典型结构包括像素阵列、模数转换器（Analog-to-Digital Converter,ADC）和图像信号处理器（Image Signal Processor,ISP）,这些功能块在不同芯片制造,并使用硅通孔（Through Silicon Via,TSV）和μbump（m
论文部分内容阅读
三维堆叠图像传感器是目前图像传感器发展的主流方向之一,具有高密度互连、填充系数大、不同层独立优化的优势。三维堆叠图像传感器的典型结构包括像素阵列、模数转换器（Analog-to-Digital Converter,ADC）和图像信号处理器（Image Signal Processor,ISP）,这些功能块在不同芯片制造,并使用硅通孔（Through Silicon Via,TSV）和μbump（micro-bump）垂直互连。在垂直互连通路中,任意器件或TSV、μbump失效,将导致图像对应区域的信息丢失,形成连续的坏点。本文研究了交错互连的三维堆叠图像传感器读出架构。通过像素子阵列交错连接到ADC阵列的布局方式,改变坏点的分布情况。在后续处理中,本文采用基于待检测像素邻域信息插值的方法来定位坏点。针对单个或多个TSV/μbump失效造成坏点的情况,通过小波变换技术将坏点块逐级减小为单个像素,使用方向滤波器确定插值方向,根据不同的插值方向对坏点进行修复并对边缘区域进行优化,最后对坏点修复算法进行硬件实现。实验结果表明:在随机坏点和2×2坏点块的情形下,坏点检测率均在99.7%以上。对一组加入坏点的测试图像实现了坏点修复,在单个TSV/μbump出现故障时,修复后图像PSNR平均值相比于基于样本的修复方法和变分模型修复方法提升了2.35dB-3.26dB。当多个TSV/μbump出现故障时,修复后图像PSNR平均值相比于基于样本的修复方法和变分模型修复方法提升了1.93dB-2.39dB。
其他文献
随着互联网时代的到来,视频的制作以及传播越来越便捷,视频数据大规模增长,拍摄视频逐渐成为了很多人分享生活内容的一种方式,但同时也产生了大量重复视频。视频内容具有一定的经济价值,视频盗版的行为损害了视频制作方的利益,同时也会增加视频网站的带宽和存储成本,不利于视频平台的发展。现今视频网站会根据用户喜好推荐视频,推荐重复的视频会极大影响用户的观看体验。因此需要借助计算机技术识别重复视频。本文提出了一种
人工智能关注智能体的智能行为,比如在战略性遭遇战中打败人类或者在认知任务中胜过人类。联盟博弈可以用来模拟经济、政治和许多其他社会领域中出现的各种问题,这是一种混合动机（竞争和合作）博弈,其中参与者通过战略谈判来决定组成什么联盟以及如何在联盟成员之间分配收益。虽然联盟博弈理论中存在大量的工作,但联盟形成的过程却很少受到关注,特别是当智能体与人类交互而不是与其他自治主体交互时的联盟过程。人工智能在此类
交通速度预测是智能交通系统中必不可少的环节。由于交通环境的复杂性,预测未来的交通速度十分困难。已有文献中提出使用支持向量回归（SVR）、回归神经网络（RNN）等多种机器学习模型进行交通流预测。然而,对于交通流的预测,尤其是对多步交通速度的预测,目前有关使用集成模型解决的研究较少。集成模型通过对多个基模型的组合,可以提高模型的泛化能力和准确率。但目前的集成组合方式比较单一,例如使用平均集成,加权集成
本文主要针对多智能体协同控制问题进行研究。多智能体系统是环境中多个自主智能体交互组成的计算系统,实现多智能体协同控制是提升整体效益的关键。多智能体协同控制的目标是生成一致性策略,其中,最终多智能体收敛到的主导策略称为社会规范。社会规范的涌现是保证智能体协作的关键。针对大规模分布式多智能体系统,由于系统中不存在中心式的控制节点,较难在智能体还未进行交互前直接生成协作策略,因此,研究针对复杂社会网络结
长短时记忆网络适合于处理长序列依赖问题,对于水文径流这种受长时间间隔的气象等因素影响的复杂过程能够有很好的处理和模拟能力。本研究基于长短时记忆网络以泾河流域为例建立四种模型,分别是直接预测模型、差分预测模型、平均值预测模型和复合校准模型,目标是对流域的月平均径流量进行预测。复合校准模型和平均值模型在新安江上也有很好的模拟预测能力,证明了模型的有效性、可用性和可泛化性。在掌握了准确水文数据的情况下,
随着人工智能技术取得了前所未有的发展,以知识图谱为代表的知识工程以及深度学习等相关领域得到了广泛的关注。知识图谱的概念最早是由谷歌于2012年正式提出的,它是新一代知识库,主要用来描述真实世界中存在的各种实体和概念,以及他们之间的关系。知识图谱能够弥补机器学习、深度学习算法的描述能力,规则等表示形式与神经网络相比是显性的知识,因此可基于此对学习的结果,例如链接预测,提供人类可理解的解释。本文针对规
气敏传感器可以检测环境中的特定气体,在易燃、易爆、有毒、有害气体的检测中应用非常广泛。气敏材料对气敏传感器的性能有着至关重要的影响,在众多气敏传感器中,金属氧化物半导体气敏传感器因其气敏材料制备简单、绿色环保、气敏性能优异等优点受到国内外研究者的高度关注。ZnSnO3是一种具有钙钛矿结构的三元复合金属氧化物半导体,它兼具Zn O和Sn O2两种材料的特点,表现出优异的气敏性能。但与许多二元金属氧化
计算机断层扫描（Computed Tomography,CT）以非入侵的方式获得被测人体内部组织的断层影像,逐渐成为近年来医学成像领域的研究热点。能谱CT利用不同能量光子关于物体衰减的差异性进行成像,能够提高传统CT的物质分辨能力,提供准确的材料分离和定量化信息。目前,多能量投影数据处理中常用的物质分解法受噪声影响严重,导致低剂量条件下重建图像的信噪比较低。本文以低剂量能谱CT成像为目标,利用深度
随着信息时代的发展,数字设备越来越普及,数字图像在信息传播中的作用越来越重要,人们对于提高数字图像的分辨率需求越来越迫切。图像超分辨率重建主要是对一幅或者多幅低分辨率图像,结合先验知识,恢复出相应的同一场景的高分辨率图像。深度学习算法可以自动地直接从数据中学习输入和输出之间的映射关系,这就克服了传统算法需要人工设计特征的难题。大量实验证明基于深度学习的图像超分辨率重建算法取得了比传统算法更好的效果