浅析基于量子成像的下一代甚高灵敏度图像传感器技术

高灵敏度探测成像是空间遥感应用中的一个重要技术领域,如全天时对地观测、空间暗弱目标跟踪识别等应用,对于甚高灵敏度图像传感器的需求日益强烈。随着固态图像传感器技术水平的不断提高,尤其背照式及埋沟道等工艺的突破,使得固态图像传感器的灵敏度有了极大提升。 固态高灵敏图像传感器,尤其是科学级CMOS图像传感器,凭借其体积小、集成度高及功耗低等优势,在空间高灵敏成像领域的应用中异军突起。尽管科学级CMOS图像传感器可以实现低照度高灵敏成像,但还远未达到单光子探测的辐射分辨能力。量子CMOS图像传感器的出现,对于拓宽空间遥感高灵敏成像应用领域、提升相应的应用水平具有十分重要的意义。 据麦姆斯咨询报道,北京空间机电研究所潘卫军研究员课题组在《航天返回与遥感》期刊上发表了以“基于量子成像的下一代甚高灵敏度图像传感器技术”为主题的文章。潘卫军研究员主要从事图像传感器设计与应用的研究工作。 这项研究围绕具有单光子分辨能力的量子CMOS图像传感器这一新型甚高灵敏度图像传感器,从单光子探测的噪声特性以及固态图像传感器的高灵敏技术机理出发,对实现甚高灵敏性能的关键技术进行了介绍;在此基础上,详细论述了量子CMOS图像传感器的技术发展历史,并将量子CMOS图像传感器与其他主流单光子探测传感器的性能进行了对比,总结分析了未来量子CMOS图像传感器技术的发展趋势,针对不同的航天遥感应用需求,分析并展望了量子CMOS图像传感器的应用模式及应用特点。

图像传感器的探测机理

要达到单光子探测的甚高灵敏度要求,对等效输入读出噪声的大小有严格要求。甚高灵敏度图像传感器类似用于观测辐射强度的“

显微镜

”,其本身的噪声只有达到深亚

电子

水平才能实现单个光子的分辨能力,所以,甚高灵敏度就意味着甚低噪声。减小噪声的技术途径主要包括:(1)增大信号增益;(2)减小各级噪声;(3)实现足够小的暗电流,由于暗电流引入的散粒噪声是无法通过增大信号增益来抑制的,只能通过工艺上的优化来降低暗电流,从而减弱暗电流散粒噪声的影响。另外,根据增大信号增益的不同方法,形成了目前两种不同的甚高灵敏图像传感器主流技术,一种是以EMCCD和SPAD为代表的通过电荷域内的电荷数放大实现信号高增益放大的技术,另一种则是以科学级CMOS和量子CMOS图像传感器为代表的通过增大电荷-电压转换增益或者跨导积分增益实现高增益放大的技术。

在固态图像传感器领域,CMOS图像传感器技术的发展大致经历了三次技术飞跃:次为无源像素到有源像素的发展;第二次为科学级CMOS图像传感器的发展;第三次是量子CMOS图像传感器的发展。量子CMOS图像传感器的关键技术主要有深亚飞法低浮置扩散(FD)电容技术、跨导变积分放大技术以及列级相关多采样(CMS)技术等。

深亚飞法级小电容技术

目前具有单光子探测能力的主流甚高灵敏度图像传感器包括单光子雪崩

二极管

(SPAD)、EMCCD、科学级CMOS以及量子CMOS图像传感器,对这些器件从分辨率、像元尺寸、量子效率、响应速度、暗电流以及读出噪声六个维度进行了性能比较。

主流单光子图像传感器的性能比较 量子CMOS图像传感器的未来发展趋势将向更低噪声继续推进,更灵活的智能化成像模式。随着航天遥感应用层次的不断深入以及应用领域的不断拓展,甚高灵敏图像传感器的应用需求也将越来越广泛。如何更充分地发挥其甚高灵敏的特点,需要结合不同的遥感应用做深入分析,主要应用有:全天时对地观测、空间态势感知、定量反演。除了上述应用领域,量子CMOS图像传感器因其优异的超低噪声性能,还可以应用到星敏传感器设计、系外行星探测等领域。可以预见,随着量子CMOS图像传感器技术的进一步发展,势必在更多领域得到更加广泛的推广和应用。 量子CMOS图像传感器技术的重大突破,给高灵敏图像传感器在航天遥感应用领域中的应用格局带来重大变化。因此,应当积极提前布局,一方面深入研究量子CMOS图像传感器的技术特点,另一方面,结合航天遥感应用的需求特点,在拓展应用领域、提升应用水平方面,寻求与量子CMOS图像传感器技术优势的契合,实现我国航天光学遥感器技术水平的跨越式发展。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.rhkb.cn/news/369349.html

如若内容造成侵权/违法违规/事实不符,请联系长河编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

2021-06-15 protues(ISIS)脉冲发生器仿真仪表使用

缘由这个脉冲发生器怎么连线_编程语言-CSDN问答

【C++】 解决 C++ 语言报错:Invalid Cast

文章目录 引言 无效类型转换(Invalid Cast)是 C 编程中常见且严重的错误之一。当程序试图进行不合法或不安全的类型转换时,就会发生无效类型转换错误。这种错误不仅会导致程序崩溃,还可能引发不可预测的行为。本文将深入探讨无效…

利用MATLAB绘制傅里叶变换后的图形

题目如下&#xff0c;其中周期是 2 π 2\pi 2π y { 1 0 < x < π 0 x 0 − 1 − π < x < 0 y\begin{cases} 1 \ 0<x<\pi\\ 0 \ x0\\ -1 \ -\pi <x<0\\ \end{cases} y⎩ ⎨ ⎧​1 0<x<π0 x0−1 −π<x<0​ 计算可得 a n 1 π ∫ −…

CNN文献综述

卷积神经网络&#xff08;Convolutional Neural Networks&#xff0c;简称CNN&#xff09;是深度学习领域中的一种重要模型&#xff0c;主要用于图像识别和计算机视觉任务。其设计灵感来自于生物学中视觉皮层的工作原理&#xff0c;能够高效地处理图像和语音等数据。 基本原理…

VPSA制氧设备在不同行业的应用解析

VPSA制氧设备以其独特的吸附原理&#xff0c;能够在穿透大气压的条件下&#xff0c;通过专用的分子筛选择性吸附空气中的氮气、二氧化碳和水等杂质&#xff0c;从而制得纯度较高的氧气。本文将探讨VPSA制氧设备在不同行业中的应用及其重要性。 一、钢铁行业 在钢铁行业中&#…

JVM线上监控环境搭建Grafana+Prometheus+Micrometer

架构图 一: SpringBoot自带监控Actuator SpringBoot自带监控功能Actuator&#xff0c;可以帮助实现对程序内部运行情况监控&#xff0c;比如监控内存状况、CPU、Bean加载情况、配置属性、日志信息、线程情况等。 使用步骤&#xff1a; 1. 导入依赖坐标 <dependency><…

实验三 图像增强—灰度变换

一、实验目的&#xff1a; 1、了解图像增强的目的及意义&#xff0c;加深对图像增强的感性认识&#xff0c;巩固所学理论知识。 2、学会对图像直方图的分析。 3、掌握直接灰度变换的图像增强方法。 二、实验原理及知识点 术语‘空间域’指的是图像平面本身&#xff0c;在空…

工作助手VB开发笔记(2)

今天继续讲功能 2.功能 2.9开机自启 设置程序随windows系统启动&#xff0c;其实就是就是将程序加载到注册表 Public Sub StartRunRegHKLM()REM HKEY_LOCAL_MACHINE \ SOFTWARE \ WOW6432Node \ Microsoft \ Windows \ CurrentVersion \ RunDim strName As String Applicat…

Netty学习(NIO基础)

NIO基础 三大组件 Channel and Buffer 常用的只有ByteBuffer Selector&#xff08;选择器&#xff09; 结合服务器的设计演化来理解Selector 多线程版设计 最早在nio设计出现前服务端程序的设计是多线程版设计,即一个客户端对应一个socket连接,一个连接用一个线程处理,每…

基于docker环境及Harbor部署{很简短一点了,耐心看吧}

用到的环境&#xff1a; docker 、nacos、compose、harbor&#xff08;自行安装 ,以下连接作为参考&#xff09; nacos&#xff1a;史上最全整合nacos单机模式整合哈哈哈哈哈_nacos 源码启动 单机模式-CSDN博客 docker、compose、harbor:史上最全的整合Harbor安装教程&#…

一览 Anoma 上的有趣应用概念

撰文&#xff1a;Tia&#xff0c;Techub News 本文来源香港Web3媒体&#xff1a;Techub News Anoma 的目标是为应用提供通用的意图机器接口&#xff0c;这意味着使用 Anoma&#xff0c;开发人员可以根据意图和分布式意图机编写应用&#xff0c;而不是根据事务和特定状态机进行…

技术成神之路:设计模式(二)建造者模式

1.定义 建造者模式&#xff08;Builder Pattern&#xff09;是一种创建型设计模式&#xff0c;它允许你分步骤创建复杂对象&#xff0c;而不必直接调用构造函数。建造者模式特别适合那些包含多个组成部分并且构造过程复杂的对象。 2. 结构 建造者模式的主要组成部分包括&#…

UE5 02-给物体一个扭矩力

需要注意的是: 1.弹簧臂 可以使用绝对旋转 这样就可以不跟随父物体Player的旋转 2.弹簧臂 进行碰撞测试勾选,当这个弹簧线被遮挡,摄像机会切换到碰撞点位置 进行碰撞测试勾选,当这个弹簧线被遮挡,摄像机不会切换到碰撞点位置

RAG 为什么需要文本分割(Chunking)

Picone上的一个博客&#xff0c;翻译过来学习一下&#xff0c;其中加入了一些个人的理解和调整&#xff0c;有兴趣更深入研究的可以看一下文章的原文。 为什么需要文本分割&#xff08;Chunking&#xff09; 在构建与LLM相关的应用程序时&#xff0c;Chunking是将大量文本分解…

Python酷库之旅-第三方库Pandas(004)

目录 一、用法精讲 5、pandas.DataFrame.to_csv函数 5-1、语法 5-2、参数 5-3、功能 5-4、返回值 5-5、说明 5-6、用法 5-6-1、代码示例 5-6-2、结果输出 6、pandas.read_fwf函数 6-1、语法 6-2、参数 6-3、功能 6-4、返回值 6-5、说明 6-6、用法 6-6-1、代码…

微信小程序渲染层与逻辑层交互原理

1. 网页开发与小程序开发有何不同&#xff1f; 2. 小程序运行环境 3. 页面渲染技术选型 1. 纯客户端技术&#xff1b; 2. 纯Web技术&#xff1b; 3. 用客户端原生技术与Web技术结合的混合技术&#xff08;Hybrid&#xff09;&#xff0c;小程序就是使用的这种技术&#xff1…

C++11 shared_ptr---面试常考

shared_ptr简介 共享对其所指堆内存空间的所有权&#xff0c;当最后⼀个指涉到该对象的shared_ptr不再指向他时&#xff0c;shared_ptr会⾃动析构所指对象如何判断⾃⼰是否指涉到该资源的最后⼀个&#xff1f;《引⽤计数》 shared_ptr构造函数&#xff0c;使引⽤计数析构函数&…

【YOLOv5/v7改进系列】改进池化层为ASPP

一、导言 Atrous Spatial Pyramid Pooling (ASPP)模块是一种用于多尺度特征提取的创新技术&#xff0c;旨在提升深度学习模型在语义图像分割任务中的表现。ASPP模块通过在不同的采样率下应用空洞卷积&#xff0c;可以捕获不同大小的对象以及图像的上下文信息&#xff0c;从而增…

Astro新前端框架首次体验

Astro新前端框架首次体验 1、什么是Astro Astro是一个静态网站生成器的前端框架&#xff0c;它提供了一种新的开发方式和更好的性能体验&#xff0c;帮助开发者更快速地构建现代化的网站和应用程序。 简单来说就是&#xff1a;Astro这个是一个网站生成器&#xff0c;可以直接…