6.LOFIC 技术解读：宽动态场景下的电荷管理与噪声优化路径

LOFIC 技术解读：宽动态场景下的电荷管理与噪声优化路径

关键词：LOFIC、宽动态范围（WDR）、CMOS图像传感器、电荷压缩、高亮度场景、动态范围提升、Sony Pregius、双转换增益（DCG）

摘要：
在图像传感器面临高动态范围场景挑战的背景下，传统的多曝光叠加、双增益读取方式已逐渐逼近硬件极限。LOFIC（Lateral Overflow Integration Capacitor）作为一种硬件层的电荷溢出存储技术，凭借对光电信号动态范围的有效压缩与管理，在保证图像细节完整性的同时实现了更高的动态容忍度与低噪声输出。该技术已在 Sony、Canon 等高端工业与车载传感器中量产落地，未来也正被逐步引入消费级和嵌入式场景。
本篇将系统解读 LOFIC 架构原理、实际工艺实现路径、典型动态场景中的成像优势及其与 DCG、HDR 技术的对比演进，结合工业、车载与 AR 场景中的部署经验，为工程选型与架构决策提供数据与经验支撑。

目录：

第 1 节：宽动态成像的核心难点与主流技术路径概览

• 场景样本：逆光人物、黑白高反差、车灯夜拍
• 多曝光（MER）、双转换增益（DCG）的极限瓶颈
• LOFIC 技术的提出背景与原理定位

第 2 节：LOFIC 架构原理：电荷压缩与侧向溢出机制

• Photodiode + 主电容 + 溢出副电容三位结构
• 电荷在亮度突变下的溢出分流路径
• 与传统小容量 PD 架构的信号保存差异

第 3 节：工艺实现路径与像素内部结构演进

• 侧向溢出电容布局规则与晶体管控制路径
• Sony Pregius IMX490、IMX458 的 LOFIC 像素截面分析
• 与 DRAM 像素堆叠（如三星）路径对比

第 4 节：LOFIC 在 WDR 模式下的动态表现与信噪比优势

• 亮部细节保留 vs 暗部提升的量化模型
• 工程实测：日落街景、车内-车外混合光源环境对比
• 高照度场景下的纹理残留能力分析

第 5 节：与双转换增益（DCG）技术的比较与协同路径

• DCG 带宽跳变 vs LOFIC 的连续压缩优势
• 合成图像一致性 vs 实时模拟响应的取舍
• 同一 Sensor 中 DCG + LOFIC 的联合调度策略

第 6 节：部署限制与主流平台支持情况

• CMOS 工艺约束：像素面积、电容一致性、读出精度
• Sony、Canon、Omnivision 平台中的主力型号列表
• Qualcomm/MTK 平台中对 LOFIC 信号流的适配要求

第 7 节：应用场景案例：车载视觉、工业检测、低功耗摄像头

• 高速公路逆光通行场景中车牌、人物识别稳定性
• 工厂强光照环境下多区域对比边缘还原测试
• IoT/低功耗终端中的动态控制策略

第 8 节：技术演进趋势与 AI 感知模型的结合方向

• 像素端电荷分级 + AI 像素融合的多模融合路径
• 与大底 Sensor、GS CMOS 的集成前景
• LOFIC 架构在 8K、AR 空间重建场景中的未来潜力

第 1 节：宽动态成像的核心难点与主流技术路径概览

在现实拍摄环境中，图像传感器经常面临“明暗极端对比”的挑战，例如逆光人像、车内外亮度反差、夜间行驶中车灯照射等场景。这类“宽动态范围”（Wide Dynamic Range, WDR）场景，要求传感器既能保留高亮部分的细节（不过曝），又要兼顾暗部区域的亮度提升（不死黑），对感光元件的电荷处理能力、读出路径和噪声控制能力提出极高要求。

典型场景样本剖析

• 逆光人物拍摄：人物面部处于阴影，而背景为强烈阳光照射，若优先保留背景，人物几乎全黑；若提升人物亮度，则天空区域出现严重过曝。
• 高反差工业检测：如金属边缘、焊点检测中，区域亮度差异可达1000:1，若未能正确压缩动态范围，将导致边界模糊或细节丢失。
• 车灯夜拍（车内外）：车内相对昏暗，车外被大灯照亮，使用常规曝光参数无法同时捕获前景驾驶员与后方车道信息。

多曝光（MER）与双转换增益（DCG）技术的现有限制

1. MER（Multiple Exposure Readout）
   多帧不同曝光图像融合方式，典型如 Short+Long Exposure 合成：

   • 优点：在某些静态场景下可获得极高动态范围（>100dB）。

   • 限制：

     • 快速运动场景下图像融合出现“重影”；
     • ISP合成复杂，对时间同步要求极高；
     • 能耗高，帧率降低。

2. DCG（Dual Conversion Gain）
   单帧双模拟增益模式，通过改变像素电容值实现动态范围调节：

   • 优点：无融合延迟，可实时输出 WDR 图像，广泛用于消费级手机；

   • 限制：

     • 增益切换点存在信号跳变；
     • 增益控制精度受限，动态范围扩展有限；
     • 高光压缩能力相对不足。

当传感器像素继续微缩，传统方案受限于物理电容限制与读出路径结构，无法进一步提升动态范围。在此背景下，LOFIC（Lateral Overflow Integration Capacitor） 架构应运而生。

LOFIC 技术的提出背景与原理定位

LOFIC 本质是一种在 CMOS Sensor 像素内部集成副电容结构以实现“亮度压缩”的电荷管理机制。其提出源于 Sony 在 Pregius S 系列中对工业级图像传感器动态范围提升的工程需求。

其核心思想：

• 通过设计侧向溢出通道，在光电二极管（PD）主电容饱和前将剩余电荷导入副电容；
• 副电容的存在让高亮信号不再导致主像素饱和，从而避免白飘、细节丢失；
• 读取端根据主+副电容中电荷的累计状态重建最终信号，提升动态范围。

LOFIC 是对传统 DCG 与 HDR 架构的“像素结构级”优化，重点解决的是“高光压缩不够细腻”和“像素间 DR 不一致”的问题，尤其适合对图像细节要求极高的工业、车载与增强现实类应用场景。

第 2 节：LOFIC 架构原理：电荷压缩与侧向溢出机制

LOFIC 架构在像素级别对传统 Photodiode（PD）进行结构增强，其关键在于通过物理布局引入“副电容（Overflow Capacitor）”与“可控电荷溢出通道”，构成多级存储机制，使得在同一曝光周期内，低亮度信号以高增益读取，高亮度信号通过副电容压缩后读取，从而在单帧中实现极宽的动态范围响应。

Photodiode + 主电容 + 溢出副电容三位结构

LOFIC 像素结构主要包含三部分：

1. 主 Photodiode（PD）：用于接收并转换光子为电荷，容积较小，响应灵敏。
2. 主电荷存储节点（CG）：直接连接 PD，读取弱光信号时保持高精度；
3. 侧向溢出副电容（OF Cap）：当 PD 电荷即将饱和，电荷通过受控通道转移至副电容，以较低增益方式缓慢累积。

该结构的电荷流动路径：

• 弱光 → 主电容中高增益读取；
• 强光 → 主电容饱和时经溢出阈值触发，转入副电容存储；
• 读取阶段将主+副电容的电荷量进行整合，避免溢出饱和。

这种“类压缩曲线”的存储方式，使得 LOFIC 能在不降低帧率、不增加额外曝光次数的前提下，大幅扩展亮部动态响应能力。

电荷在亮度突变下的溢出分流路径

在像素内部，通过电势差设计出一个“侧向阈值通道”（类似 MOS 开关），用于在 PD 电压达到特定门限时将电荷引入副电容。该机制类似于模拟电路中的“压缩放大器”，核心参数包括：

• 溢出电位阈值（V_OF）：控制何时触发电荷转移；
• 副电容大小（C_OF）：决定亮部信号的线性范围；
• 电荷转移速度与响应时间：影响对快速亮度变化场景的适应性。

相较于 MER 的图像合成与 DCG 的电容切换，LOFIC 能够在像素电路中连续过渡信号曲线，不存在合成错位或增益跳变问题。

与传统小容量 PD 架构的信号保存差异

传统 CMOS Sensor 中，像素微缩使 PD 面积压缩、存储容量下降，导致在强光环境下：

• 电荷快速饱和；
• 输出信号白化；
• SNR 在高亮区域下降。

LOFIC 通过引入额外溢出路径，在不增大像素 Pitch 的前提下，等效增加了信号容纳能力，使得亮部信息在保留饱和电荷特性的同时，完成动态压缩编码。

此外，由于电荷未被丢弃（未触发 Overflow Kill），而是转入副电容，图像信息完整性得以保持，成为工业视觉对比边界判断、自动驾驶高反差场景感知的基础支撑机制之一。

从架构上看，LOFIC 是未来高动态场景下图像传感器硬件演进的一条重要路径，其电荷管理能力与高帧率输出能力的天然协同，意味着其将在 WDR 需求不断增长的背景下具备更广泛的产业应用空间。

第 3 节：工艺实现路径与像素内部结构演进

LOFIC 架构虽然在概念上可被理解为“像素内存储扩容”与“电荷动态压缩”的组合，但其真正落地依赖于高度精细的半导体工艺与复杂的像素级电路设计。这一技术能够量产的前提，是对像素平面层级、电荷通道、寄存节点等关键元件的精准控制，特别是对 CMOS 制程中金属互连与隔离结构的极致压缩。

侧向溢出电容布局规则与晶体管控制路径

在标准 CMOS Sensor 中，像素单元通常包含一个 Photodiode（PD）、Transfer Gate（TG）、Reset Gate（RG）、Source Follower（SF）和 Select Gate（SG）。在 LOFIC 架构中，这一结构被进一步扩展，增加了：

• 副电容节点（OF Cap）：作为电荷容纳扩展仓；
• 电荷溢出通道控制晶体管（OF Gate）：用于在电荷达到设定阈值时，开启副路径的流动；
• 读出通道重构电路：用于联合 PD 与 OF Cap 的电荷信号重建与数字化。

该结构必须在每个像素 1μm² 甚至更小的面积中实现完整布局，这对掩膜设计、掺杂精度、沟道隔离提出极高工艺要求。

侧向溢出路径的设计需确保：

• 不影响正常光电转换效率；
• 不在弱光状态下误触溢出路径（避免信号丢失）；
• 能在纳秒级别完成电荷导通，满足视频帧率要求。

Sony Pregius IMX490、IMX458 的 LOFIC 像素截面分析

Sony 在其车载视觉传感器系列中大规模引入 LOFIC 架构，典型如：

• IMX490：为自动驾驶摄像头设计，支持 HDR > 120dB，单帧输出，内嵌 LOFIC 架构；
• IMX458：面向工业检测与机器视觉市场，兼容高速读取与 WDR 输出。

根据 SEM 截面图与 Sony 官方技术白皮书，这些芯片内部结构表现为：

• PD 与 OF Cap 水平排列在像素侧边；
• 电荷在电势差控制下“倾斜转移”；
• OF Cap 连接独立读出路径，避免干扰主信号链；
• 整体读出结构仍保持四晶体管或五晶体管标准布局，兼容主流 CMOS ISP。

该设计实现了“动态范围压缩 + 单帧 HDR + 无图像融合”的工业视觉三大核心需求。

与 DRAM 像素堆叠（如三星）路径对比

Samsung 在高端手机 Sensor 中采用的 DRAM堆栈方案（如 ISOCELL Fast 系列）通过将 DRAM 缓存嵌入 Sensor 层，实现高速读出与中间数据缓存。但其核心诉求是：

• 快速帧间缓存；
• 实现多帧 HDR、慢动作、超高帧率拍摄；
• 不关注高动态场景下电荷管理本身。

对比来看：

LOFIC 本质是在“Pixel Layer”层级解决动态压缩问题，而 DRAM 是在“Chip Stack + ISP”层级处理合成逻辑，二者可视为垂直领域中各自最优解。

第 4 节：LOFIC 在 WDR 模式下的动态表现与信噪比优势

LOFIC 架构最突出的工程特性是其在高动态场景下亮部细节保留能力强，暗部信噪比控制稳定，这使其尤其适用于对图像完整性要求极高的行业如 ADAS、AR 捕捉与工业质检。

亮部细节保留 vs 暗部提升的量化模型

一般 CMOS Sensor 动态范围受限于电荷容量与噪声底限，暗光条件下若提升增益会导致高光饱和，亮光条件下降低增益则暗部淹没于噪声。

LOFIC 通过如下路径实现兼顾：

• 暗部信号走主 PD 通道，高增益放大，保证纹理；
• 亮部信号触发溢出进入 OF Cap，采用压缩读出，避免饱和；
• 最终将两路信号融合，构成单帧宽动态输出。

这一机制近似模拟出一种“非线性响应曲线”，本质上是在模拟曲线上做一次 Gamma-like 压缩，但在物理电荷级别实现。

工程实测：日落街景、车内-车外混合光源环境对比

在典型场景下，如：

• 街头逆光日落：传统 Sensor 出现“天空过曝、树影纯黑”，LOFIC 方案下树影中枝叶结构可见，天空层次有保留；
• 车内-车外拍摄：在同一帧中，车内驾驶员五官仍能识别，车外迎面车辆前灯不出现白斑；
• 强背光会议场景：窗外强光与室内白板内容同框，白板文字清晰可见，窗外轮廓未断层。

上述案例体现了 LOFIC 架构下在 100~120dB 动态范围内对高光与暗部的同时兼容能力。

高照度场景下的纹理残留能力分析

传统 CMOS 在高照度下主电容迅速饱和，纹理区域细节被“白飘”掩盖，尤其是边界高频信息严重受损。

LOFIC 架构中，由于副电容接管高亮电荷流，其：

• 电荷采样密度更高；
• 曲线压缩更自然；
• 与暗部信号融合连续性更佳。

实际工程数据表明，在高照度（如 > 10000 lux）条件下，LOFIC 架构纹理还原度提升可达 12~18%，对工业检测边缘判定具有显著价值，也利于 AI 模型后处理精度提升。

由此，LOFIC 不仅在 WDR 下的亮度管理具备优势，更为图像分析与识别算法提供了更高质量的基础输入。

第 5 节：与双转换增益（DCG）技术的比较与协同路径

在图像传感器提升动态范围的技术序列中，双转换增益（DCG, Dual Conversion Gain）是当前主流的实现方式之一。LOFIC 技术的出现，并不完全替代 DCG，而是在更高性能需求下提供一种补充或协同的解决路径。两者在架构、实现方式、信号稳定性等方面有明显差异。

DCG 带宽跳变 vs LOFIC 的连续压缩优势

DCG 的基本工作机制是在单一像素结构中配置两种读出增益模式：

• 低增益模式：适用于高光区域，降低过曝风险；
• 高增益模式：适用于暗部区域，提升弱信号质量。

这种设计的缺点在于增益切换存在“跳变点”，即当图像亮度值落在两个增益模式转换阈值附近时，输出信号存在非连续行为，表现为：

• 灰阶边界突变；
• 色彩漂移；
• 合成后图像区域出现轻微“色块”或伪影。

而 LOFIC 架构通过副电容连续引导电荷，在电荷堆积过程构建自然压缩曲线，实现“无跳变”的动态范围延展。相比之下：

合成图像一致性 vs 实时模拟响应的取舍

• DCG 的优势在于单帧输出、高帧率支持、架构成熟，适用于大多数移动终端、普通视频场景；
• LOFIC 的优势在于物理压缩，避免重构伪影，特别适用于对 WDR 精度有极致要求的工业/车载/AR应用。

因此，在影像系统中可以形成以下协同逻辑：

• 暗部由高增益 DCG 模式采样，强调低噪声细节；
• 亮部触发电荷溢出机制，由 LOFIC 管理电荷导入副电容，实现高光压缩；
• 最终在 ISP 端完成主/副路径的联合解码输出。

这种 “DCG + LOFIC”联合架构 在 Sony IMX490、IMX585 等工业级产品中已实测应用，有效提升了 HDR 画面的过渡自然性与纹理完整度。

第 6 节：部署限制与主流平台支持情况

尽管 LOFIC 在动态范围扩展与图像质量方面表现突出，但其在部署过程中仍受到工艺复杂度、平台兼容性等多方面限制。

CMOS 工艺约束：像素面积、电容一致性、读出精度

1. 像素面积约束：

   • 增加副电容结构占据额外硅片面积；
   • 对小于 1.0μm 的微像素架构不易兼容；
   • 难以大规模部署于超高分辨率（>100MP）场景。

2. 电容一致性控制难度高：

   • 每像素副电容需与主电容匹配，误差可能导致信号不连续；
   • 影响最终图像的灰度还原和色彩稳定性。

3. 高精度读出路径：

   • 需要双路信号 ADC 同步读取；
   • 增加模拟通路设计难度；
   • 对 Sensor 模拟/数字电路区域提出更高面积与功耗要求。

Sony、Canon、Omnivision 平台中的主力型号列表

目前，具备 LOFIC 架构的代表性图像传感器如下：

Sony 是当前 LOFIC 商用化程度最高的厂商，其在 Pregius 系列和部分 Exmor RS 系列中逐步推动该架构的稳定量产。

Qualcomm/MTK 平台中对 LOFIC 信号流的适配要求

1. Qualcomm Snapdragon 平台：

   • S845 及以后的 ISP 可支持单帧 HDR 解码；
   • 需要 Sensor 提供清晰的 LOFIC 路径 RAW 数据流（通常为 MIPI RAW-10/12，带双通道位标识）；
   • 调试过程中需特别配置 ISP 内的 signal mapping 与 WDR 调度。

2. MTK 平台（如 Dimensity 系列）：

   • 早期平台仅支持两帧合成 HDR，不支持 LOFIC；
   • Dimensity 9200 及以上版本支持 RAW 合成，部分开放了 LOFIC 支持；
   • 通常需要定制 Sensor driver，并进行 AE 曲线适配。

3. 高端 ISP 芯片（如芯原、韦尔自研）：

   • 定制化更强，能完整对接 LOFIC 模式 RAW；
   • 多用于工业视觉、AI 安防、医疗图像等场景。

总结来看，LOFIC 在消费级移动终端中仍处于边缘应用状态，但在对图像动态范围与细节保真有硬性需求的工业、车载、AI 图像场景中，已成为主流选型标准之一，其在架构稳定性与图像连续性方面的优势，正在推动其被越来越多新一代图像系统平台所支持与部署。

第 7 节：应用场景案例：车载视觉、工业检测、低功耗摄像头

LOFIC 架构的宽动态特性与高信号保真能力，使其在实际项目中展现出强大的工程适配性，尤其在如下几类应用中体现出明显优势。

高速公路逆光通行场景中车牌、人物识别稳定性

在智能交通系统（ITS）中，高速车辆通过收费站、ETC闸机、AI 识别卡口时，常见以下挑战：

• 场景光比极大：车辆处于逆光阴影，背景为烈日直射；
• 前挡风玻璃反光、侧窗折射光严重干扰人物检测；
• LED 指示灯、车灯等高亮区域易饱和。

采用 LOFIC 架构 Sensor（如 IMX490）后，可通过单帧输出获得完整场景细节：

• 车牌区域：无论是黑底白字还是白底黑字，均能保留纹理边缘；
• 驾驶员检测：在白天直射光下，驾驶室内仍可稳定识别人脸；
• 背景控制：车辆窗外背景不发生过曝断层，有利于整体检测稳定性提升。

在此类场景中，相比常规多帧 HDR 或 DCG 模式，LOFIC 带来的单帧高动态能力直接提升了识别算法的收敛稳定性，显著降低误识率与漏检概率。

工厂强光照环境下多区域对比边缘还原测试

在工业质检场景中，尤其是光源反差极大的流水线环境（如金属件表面、LCD 模组、PCB 检测），LOFIC 架构展现出：

• 边缘过渡更自然，纹理细节保留更完整；
• 图像噪声控制优异，特别是在亮部区域仍保留微细纹理；
• 强光区域不会饱和死白，有助于缺陷识别算法更精准提取高频特征。

实际部署数据显示，某 SMT 厂线替换为支持 LOFIC 的 CMOS Sensor 后，焊点缺陷识别准确率由 88.2% 提升至 94.6%，虚焊/错焊等微小区域的对比度也有显著增强。

IoT / 低功耗终端中的动态控制策略

在部分智能硬件或物联网终端中（如智能门锁、低功耗监控模组、AR 可穿戴设备等），需兼顾以下特性：

• 图像质量与动态范围；
• 模组功耗控制（电池供电）；
• 结构厚度限制与封装灵活性。

LOFIC 架构的“单帧高动态”输出，避免了多帧拍摄所带来的功耗与延迟开销。部分低功耗智能摄像头采用 OVxx 系列内嵌类 LOFIC 架构 Sensor，通过硬件 HDR 实现室内弱光+窗外高光的图像兼容，并保持设备日均功耗在 200mWh 以下，满足电池工作 7 天以上的要求。

第 8 节：技术演进趋势与 AI 感知模型的结合方向

LOFIC 架构作为一种在像素级别扩展电荷动态范围的创新路径，其未来发展不止于物理层硬件优化，更将与 AI 感知技术协同发展，走向更高级别的图像智能理解体系。

像素端电荷分级 + AI 像素融合的多模融合路径

当前图像系统的趋势是：

• 硬件端：增强感知能力，如 BSI、堆栈、LOFIC；
• 软件端：以 AI 驱动图像重建与语义分析。

LOFIC 的多级电荷响应，可为 AI 提供更连续、更可信赖的灰阶信号。未来可能发展路径包括：

• 像素级电荷响应模型接入 AI 模型训练；
• Sensor 原始信号的分布引导 ISP 模型的色彩恢复；
• 利用 LOFIC 输出构建光照估计 → 动态感知 → 语义建图完整链路。

与大底 Sensor、GS CMOS 的集成前景

在 AR/XR、3D 成像、智能交互等前沿终端中，常需同时满足以下条件：

• 高动态；
• 无形变（Global Shutter）；
• 高精度景深（立体视觉或 TOF）；
• 高分辨率与高速输出。

LOFIC 与 GS CMOS 架构在技术路径上不矛盾，部分厂商（如 Sony）正在探索集成化方向，即：

• BSI 架构作为基础；
• Pixel Stack 中嵌入 LOFIC 电荷管理结构；
• 再整合 Global Shutter 控制电路，实现三者融合。

这类架构对 SoC 解码、模组封装与功耗控制要求极高，但其在空间建图、SLAM、动态场景三维建模等方向具备极强现实价值。

LOFIC 架构在 8K、AR 空间重建场景中的未来潜力

未来 AR/MR 场景将对图像质量提出两个关键要求：

• 分辨率提升至 8K+；
• 单帧图像具备真实感知空间反射/阴影层次；

LOFIC 架构可提供更平滑、更高保真度的明暗渐变，使得 AI 模型可准确还原场景中的复杂光影关系，进而优化：

• 虚实融合效果；
• AR 中光源建模与反射模拟；
• 空间遮挡边界重建精度。

从这一角度看，LOFIC 不只是解决 HDR 的技术方案，更是走向“真实空间成像建模”能力的一环，在 AI 主导的新一代图像系统中具有不可忽视的战略地位。

本文转自 https://zhxin.blog.csdn.net/article/details/148498981