Bruit temporel et bruit spatial

I.3 Les obstacles pour la comparaison entre détecteurs ... 111

II

Moyens mis en œuvre pour la mesure de bruit spatial fixe résiduel sur...

les détecteurs en cryostat opérationnel ... 119

II.1 Banc expérimental ... 119 II.2 Protocole de mesure ... 121 II.3 Algorithmes de traitement aboutissant au calcul du rapport BSFR/BT ... 126

III

Résultats de mesure de bruit spatial fixe résiduel obtenus ... 132

III.1 Algorithme de détection v0 + correction 2 points classique ... 132 III.2 Algorithme de détection v1 + correction 2 points classique ... 136 III.3 Algorithme de détection v2 + correction 2 points classique ... 138 III.4 Algorithme de détection v2 + correction deux points Lite à 33% WF ... 140 III.5 Algorithme de détection v2 + correction deux points Lite à 66% WF ... 141 III.6 Synthèse ... 143

IV

Étude des pixels RTS ... 144

IV.1 Problématique ... 144 IV.2 Détection des pixels RTS ... 145 IV.3 Mode opératoire de détection des pixels RTS ... 146 IV.4 Décompte des pixels RTS ... 148 IV.5 Synthèse ... 152

V.2 Lien entre BSFR/BT et les RTS ... 154 V.3 Reproductibilité des mesures du rapport BSFR/BT ... 156 V.4 Validité de la correction sur 2 ans ... 156 V.5 Limites du banc de mesure de stabilité temporelle ... 159 V.6 Limites du rapport BSFR/BT en tant que fonction de mérite ... 160 V.7 Perspectives sur l’étude des pixels RTS ... 161

VI

Conclusion du chapitre 3 ... 162

Dans ce chapitre, je commencerai par souligner l’importance d’évaluer la stabilité dans le temps des performances des filières de détecteurs infrarouge. Je présenterai ensuite le principe des mesures de bruit spatial fixe (BSF) et de bruit spatial fixe résiduel (BSFR). Après, je décrirai les approches de correction les plus répandues. J’introduirai les moyens mis en œuvre puis les résultats obtenus. J’aborderai par la suite l’étude des pixels RTS (Random Telegraph Signal). Enfin je discuterai tous les résultats vis-à-vis des fonctions de mérite suivantes : rapport BSFR sur bruit temporel (BSFR/BT) et opérabilité.

I

Introduction

Les détecteurs infrarouge sont régulièrement réétalonnés pour maintenir la qualité image à un niveau suffisant. Or ils ne peuvent pas fonctionner et remplir leur mission durant ce réétalonnage. Ce temps passé en réétalonnage devient alors critique lorsque le détecteur est peu stable. De ce fait, la stabilité dans le temps de la qualité image est rapidement devenue un critère à part entière. En effet, il est important pour un concepteur de système optronique de connaître et de maximiser l’intervalle de temps entre deux étalonnages. Dans ce chapitre, j’entends par stabilité celle de la qualité image d’une matrice de détecteurs.

La tension Vsi,j délivrée par un pixel (i,j) soumis à un flux donné peut être modélisée

par une fonction affine :

𝑉𝑠_𝑖,𝑗(𝜙) = 𝐺_𝐶𝐿× (𝜂 × 𝑒 × 𝜙 + 𝐼_𝑜𝑏𝑠) × 𝑡𝑖

𝐶_𝑖𝑛𝑡 + 𝑂𝐶𝐿 [Eq.52]

avec η le rendement quantique, e la charge élémentaire, Φ le flux incident, GCL et OCL le gain

d’amplification et l’offset du circuit de lecture, Iobs le courant d’obscurité, Cint la capacité

d’intégration, ti le temps d’intégration.

Au vu du nombre de paramètres, il est difficile pour un technologue de garantir que tous pixels aient strictement la même réponse, c’est-à-dire la même pente et la même ordonnée à l’origine. Il en résulte que l’image d’une scène parfaitement homogène sera non- uniforme. Deux images provenant de deux détecteurs d’anciennes générations sont présentées dans la Figure 66. Elles mettent en évidence un motif persistant dans l’image. Dans l’image du haut, l'effet de drapé est dû à des variations d'épaisseur de la couche active (effet de houle) tandis que l’effet de colonnage dans l’image du bas est dû à des différences de gain dans les amplificateurs du circuit de lecture, qui gèrent les pixels par colonnes.

Figure 66 – À gauche, le signal délivré par quelques pixels en fonction du flux. Chaque pixel a sa propre pente et ordonnée à l’origine, d’où des valeurs différentes à un flux Φ donné. Cela entraîne des disparités potentiellement perceptibles sur l’image. À droite, deux images provenant de deux détecteurs d’anciennes générations. Dans l’image du haut, l’épaisseur de la couche active du circuit de détection (CD) est responsable des non-uniformités. Dans l’image du bas, c’est le gain d’amplification du circuit de lecture (CL), différent sur chaque colonne, qui est fautif.

Le bruit spatial (BS) permet de quantifier ces disparités. Il correspond à l’écart-type sur les réponses données par chacun des pixels de la matrice éclairée par un fond uniforme à un instant t comme l’illustre la Figure 67. Cet écart-type évolue relativement peu dans le temps. C’est pourquoi on parle plutôt de Bruit Spatial Fixe (BSF). Le BSF est défini par :

𝐵𝑆𝐹(𝜙) = √_𝑁1∑ ∑(𝑉𝑠_𝑖,𝑗(𝜙) − 〈𝑉𝑠(𝜙)〉)2 𝑗

𝑖

nombre total de pixels.

La Figure 67 présente un « cube » d’images. Ainsi, la statistique de l’ensemble de la matrice sur une image permet d’extraire le BSF, tandis que la statistique d’un pixel suivi dans le temps permet d’obtenir le bruit temporel associé à ce pixel. En prenant tous les pixels, le bruit temporel moyen du pixel peut être estimé.

Figure 67 – Présentation d’un cube d’images. On voit la différence entre le bruit temporel (fluctuations de signal d’un pixel dans le temps) et le bruit spatial (fluctuations de signal dans une image prise à un instant donné).

L’inconvénient de ce bruit spatial est qu’il s’ajoute quadratiquement aux autres sources de bruit de la mesure, qui elles varient temporellement [105]. Il va alors fortement dégrader la qualité de l’image :

𝜎_{𝑡𝑜𝑡𝑎𝑙}2 = 𝜎𝑡2 + 𝐵𝑆𝐹2 [Eq.54]

le BSF étant le bruit spatial fixe, σt le bruit temporel, avec :

𝜎𝑡2 = 𝜎𝑠𝑐ℎ𝑜𝑡𝑡𝑘𝑦2 + 𝜎𝑜𝑏𝑠2 + 𝜎𝑟𝑜𝑖𝑐2 + 𝜎𝑐𝑚2 [Eq.55]

avec σschottky le bruit photonique et σobs le bruit d’obscurité (définis dans le Chapitre I), σroic le

bruit propre au circuit de lecture, σcm le bruit de la chaîne de mesure.

[105] Mooney, J. M., Sheppard, F. D., Ewing, W. S., Ewing, J. E., & Silverman, J. (1989). Responsivity nonuniformity limited performance of infrared staring cameras. Optical Engineering, 28(11), 281151.

médiocre, même si tous les pixels pris individuellement ont d’excellentes performances. Il s’avère que le BSF se corrige efficacement. Voici les principales méthodes employées.