法國原子能委員會電子與信息技術實驗室（CEA-Leti）近日發(fā)表了Wissam Benjilali的博士論文，題為“Exploring analog-to-information CMOS image sensor design taking advantage on recent advances of compressive sensing for low-power image classification”。
近年來CMOS圖像傳感器（CIS）領域研究進展逐漸促進了研究者重新審視標準圖像采集和處理流程，以實現(xiàn)片上高級圖像處理應用，如決策等。盡管技術節(jié)點演進和3D集成已帶來巨大成就，但由于感知和處理的數(shù)據(jù)量巨大以及實現(xiàn)最先進決策算法的硬件成本高昂，設計具有片上決策能力的CMOS圖像傳感器架構仍然是一項具有挑戰(zhàn)性的任務。
在該背景下，誕生了壓縮感知（Compressive Sensing，簡稱CS）作為信號采集的替代方案，即用壓縮表示方式感知數(shù)據(jù)。當基于隨機生成傳感模型時，CS可通過減少模數(shù)轉(zhuǎn)換以及數(shù)據(jù)片外吞吐量來大幅節(jié)省硬件，同時為信號恢復和信號處理提供有意義的信息。傳統(tǒng)上，CS在CMOS圖像傳感器應用中被用于壓縮任務，并與涉及高級算法復雜度的遠程信號恢復算法相結(jié)合使用。為了降低這種復雜性，CS的信號處理為直接在CS測量時進行信號處理（且無顯著性能損失）提供了堅實的理論基礎，同時也為低功耗智能傳感器節(jié)點的設計提供了新思路。此論文基于算法和硬件研究路線，闡述了如何利用壓縮感知技術，采用高效片上決策算法來設計低功耗傳感器節(jié)點。
主要壓縮感知成像技術分類圖
該論文在概述壓縮感知和機器學習領域（尤其關注硬件實現(xiàn)）之后，呈現(xiàn)了本研究用于設計緊湊型CMOS圖像傳感器架構的高效感知方案和決策方法的四項主要成果。首先，分析探討了對于高度受限硬件來說解決CS測量的基本推理任務問題。其目的是尋找最優(yōu)設置來執(zhí)行壓縮感知的測量決策。
簡單闡述CS感知方案的2D示意圖
其次，該論文提出一種新型CMOS圖像傳感器應用傳感方案。該方案旨在滿足理論和硬件兩方面要求，研究證明該傳感模型適用于CMOS圖像傳感器應用，可同時處理圖像繪制和片上決策任務。另一方面，為了解決標準決策算法所涉及的片上計算復雜度問題，探討了構建層次推理樹的新方法，以減少與片上多類別推理任務相關的MAC操作。當層次推理與壓縮感知相結(jié)合時，可實現(xiàn)聯(lián)合采集處理最優(yōu)化。
圖為偽隨機調(diào)制和排列壓縮圖像傳感器的頂層架構
最終，本研究所有成果即可形成一種緊湊型CMOS圖像傳感器架構，可通過研究所提及的CS傳感方案來實現(xiàn)片上目標識別，從而減少了片上存儲的需求。與使用一階增量Sigma-Delta模數(shù)轉(zhuǎn)換器（ADC）的標準CMOS圖像傳感器架構相比，該方案僅需的額外硬件為偽隨機數(shù)據(jù)混合電路、+/-1 in-Sigma-Delta調(diào)制器和小型數(shù)字信號處理器（DSP）。另外，論文中還提出多種硬件優(yōu)化方案，以適應未來超低功耗（≈μW）CMOS圖像傳感器設計的需求。
圖為該架構不同層次GIT-10 SVM的識別精度
關于壓縮感知（CS）
壓縮感知（Compressed Sensiong，CS）是在采樣過程中即完成了數(shù)據(jù)壓縮的過程。壓縮感知理論是2006年美國科學院院士D.Donoho、E.Candes及華裔科學家陶哲軒正式提出。它指明，信號在某個變換域如果是可以被壓縮或者稀疏的，就能將高維信號的變換系數(shù)投影到低維空間，而僅利用與變換矩陣不相干的觀測矩陣，得到信號的少量的重要信息，即這種投影保留了重建該信號所需的信息，而后通過求解最優(yōu)化問題，就能夠從低維觀測向量精確的重構出原始高維信號。壓縮感知有兩個前提條件：稀疏性（sparsity）和不相關性（incoherence）。目前壓縮感知理論已經(jīng)在多領域有著廣泛應用，如醫(yī)療成像、數(shù)據(jù)壓縮、信息編碼、統(tǒng)計估計以及天文學等領域。
