PRNU / DSNU 시각화
이미지 센서의 고정 패턴 노이즈(FPN)를 시각화합니다 — 광응답 비균일성(PRNU)과 암신호 비균일성(DSNU). 공간 노이즈 패턴과 통계 분포를 관찰합니다.
PRNU / DSNU 시각화
2D 픽셀 배열에서 광응답 비균일성(PRNU)과 암신호 비균일성(DSNU)을 고정 패턴 노이즈로 시각화합니다.
FPN RMS
11.18 DN
PRNU RMS
10.00 DN
DSNU RMS
5.0 DN
피크투피크
74.6 DN
픽셀 어레이 히트맵 (32x32)
분포
모델 범위
이 브라우저 도구는 직관 형성, 상대 경향 비교, 설계 공간 탐색에 사용하세요. 로컬에서 실행되는 간이 모델이며 RCWA/FDTD sign-off, 실리콘 보정, 벤더 공정 데이터를 대체하지 않습니다.
더 알아보기
물리 수식과 이론
고정 패턴 비균일성
쉽게 이해하기
두 픽셀이 완전히 똑같지는 않습니다. 미세한 공정 변동 때문에 어떤 픽셀은 다른 픽셀보다 약간 더 민감합니다. PRNU는 이러한 픽셀별 감도 차이의 “지문”(밝은 프레임에서 보임)이고, DSNU는 어두운 기준점에서의 같은 패턴입니다. 무작위 노이즈와 달리 프레임마다 동일한 위치에 고정되어 나타나므로 보정으로 대부분 제거할 수 있습니다.
PRNU와 DSNU는 프레임 사이에서 공간적으로 고정되어 남는 픽셀 간 응답 변동을 모델링합니다.
모델 가정
- PRNU와 DSNU field는 fixed-pattern noise behavior를 설명하기 위한 synthetic spatial pattern입니다.
- PRNU는 signal에 곱해지는 항이고 DSNU는 dark 또는 low-signal frame에서 보이는 additive 항입니다.
- 모델은 실제 wafer map, column circuit, hot pixel, temperature-dependent drift를 나타내지 않습니다.
출력값
- Synthetic flat-field/dark-field pattern, PRNU/DSNU amplitude, corrected residual, visual artifact example을 출력합니다.
- Multiplicative gain variation과 additive dark offset을 분리하는 calibration intuition을 제공합니다.
검증 예제
- Signal을 키우면 PRNU는 더 잘 보이고 DSNU는 additive baseline pattern으로 남아야 합니다.
- Dark-frame subtraction은 DSNU-like offset을 줄여야 하지만 bright flat field의 multiplicative PRNU를 제거하지는 않아야 합니다.
핵심 수식
픽셀 신호 모델
$$Y_{ij} = (1 + g_{ij})S + d_{ij} + n_{ij}$$
- \(g_{ij}\): 국소 이득 편차 (PRNU)
- \(d_{ij}\): 국소 암전류 오프셋 (DSNU)
g_ij는 PRNU, d_ij는 DSNU 또는 dark offset입니다.
PRNU
$$PRNU = \frac{\sigma_{\text{flat}}}{\mu_{\text{flat}}}$$
- \(\sigma_{\text{flat}}\): 평탄 필드의 표준편차
PRNU는 offset 보정 후 조명 flat-field 프레임에서 측정합니다.
DSNU
$$DSNU = \sigma_{\text{dark}}$$
- \(\sigma_{\text{dark}}\): 암흑 상태의 표준편차
DSNU는 암신호의 공간적 변동을 나타냅니다.
모델 해석
- PRNU는 신호와 함께 커지고 DSNU는 어두운 상태에서도 존재합니다.
- 고정 패턴 노이즈는 보정 가능하지만 온도와 노화 변화 후 잔차가 남을 수 있습니다.
- 이 시각화는 측정 wafer map이 아니라 합성 공간장을 사용합니다.
패턴 구성 요소
- PRNU는 곱셈성이므로 보이는 진폭이 신호 레벨과 함께 증가합니다.
- DSNU는 덧셈성이므로 dark 또는 low-signal frame에서 가장 잘 보입니다.
- Random noise는 frame average로 줄지만 fixed-pattern 구조는 pixel coordinate에 고정됩니다.
보정 전략
- Offset map에는 dark frame, gain map에는 flat field를 사용하며 온도나 analog gain이 바뀌면 갱신합니다.
- Lens shading이 pixel PRNU로 오인되지 않도록 flat field를 신중히 정규화합니다.
- 보정 후 residual fixed pattern은 보통 모델링되지 않은 온도, 노출, column effect를 드러냅니다.
아직 빠진 물리
- 합성장은 wafer reticle pattern, column circuit, per-color CFA mismatch를 나타내지 않습니다.
- RTS pixel 또는 temperature-dependent offset 같은 temporal instability를 모델링하지 않습니다.
- 실제 보정은 black-level, lens-shading, demosaic 단계 이후 평가해야 합니다.