CN101275870B - 一种红外热像仪mrtd客观评测方法 - Google Patents
一种红外热像仪mrtd客观评测方法 Download PDFInfo
- Publication number
- CN101275870B CN101275870B CN2008101063604A CN200810106360A CN101275870B CN 101275870 B CN101275870 B CN 101275870B CN 2008101063604 A CN2008101063604 A CN 2008101063604A CN 200810106360 A CN200810106360 A CN 200810106360A CN 101275870 B CN101275870 B CN 101275870B
- Authority
- CN
- China
- Prior art keywords
- max
- contrast
- value
- mrtd
- objective
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Images
Landscapes
- Radiation Pyrometers (AREA)
- Image Processing (AREA)
Abstract
本发明涉及一种红外热像仪MRTD客观评测方法，属于红外测试领域。该方法将特征量均值对比度和新提出的特征量背景极值对比度C b＝L max-bak/L tar；相邻极值差对比度C max＝∑|L max-tar-L max-bak|/L组成特征向量输入BP神经网络，对红外热像仪MRTD参数进行客观测量。其中，L tar为四杆靶平均灰度值；L max-bak为靶间(背景)灰度极值；L max-tar为四杆靶灰度极值；L为整个区域灰度平均值。本方法使用CCD摄像机拍摄监视器，或通过图像采集卡直接从热像仪视频输出端口采集图像，处理图像获得四杆靶的特征向量及辨别状态，输入BP神经网络进行训练。训练好的网络可对未知四杆靶进行状态辨别，减小用人眼判读产生的主观误差及由于疲劳产生的误差，具有客观判读和重复性好的特点。
Description
技术领域
本发明涉及红外测试领域，特别涉及一种基于人工神经网络技术的红外热像仪MRTD客观评测方法，可用于客观评测红外热像仪MRTD参数。
背景技术
近年来，随着各种红外成像系统在军事和民用领域的广泛使用，对于红外成像系统的性能评测的需求也越来越大。红外成像系统性能评测的核心是成像质量的评测，最小可辨温差(MRTD)则是其性能评测的一个主要参数。
目前，国内几个科研院所在MRTD客观评测的研究方面取得了一些研究成果，例如：中国科学院长春光学精密机械与物理研究所的孙军月等人和石家庄军械学院的董伟等人都在此领域发表过论文。通过检索，本发明的方法目前国内外还没有单位和个人将此技术产品化，也没有此研究方向的专利申请。
对于红外静态参数MRTD的客观测量，比较成熟的测试系统大都是基于公式MRTD(ξ)∝NETD/MTF(ξ)，通过NETD和MTF的测量结果计算，并结合一两个主观测量值进行修正来得到MRTD。
传统的MRTD参数测量主要依靠人眼进行主观测量。将具有不同空间频率、高宽比为7∶1的四杆图案放置于均匀的背景中。目标与背景的温差从零逐渐增大，在确定的空间频率下，观察者刚好能分辨(50％的概率)出四杆图案时，目标与背景之间的温差称为该空间频率的最小可分辨温差MRTD。红外静态参数测试系统测量红外成像系统的MRTD时，由4名观察者在红外热像仪显示屏或目镜中进行观察判读，判断时以75％的观察者能分清75％四杆靶条面积为准。
近年，Braddick R C、Harold Orlando等提出了一种基于人工神经网络的MRTD客观测量方法，即建立人工神经网络模型，并将四杆靶的特征向量提取作为输入，通过训练后的网络对未知图像进行判别，从而代替人的视觉系统判别，达到客观测量MRTD的目的。
人工神经网络模型包括多种：线性神经网络、BP网络、自组织神经网络、反馈型神经网络，本方法采用BP网络，提出了新的特征量。
前人曾提出的特征量总结如下：
(1)均值对比度
C＝|Lb-Lt|/|Lb+Lt|
其中，Lb为背景平均灰度值；Lt为条纹平均灰度值。
(2)对比度——所采集图像明暗条纹间的调制度。
Cb＝(Lmax-Lmin)/(Lmax+Lmin)
其中，Lmax为背景(条纹)最大灰度值；Lmin为条纹(背景)最小灰度值。
(3)灰度差
L＝|Lmax-Lmin|
其中，Lmax为背景(条纹)最大灰度值；Lmin为条纹(背景)最小灰度值。
(4)条纹图像像素宽度
对应目标靶的空间频率w。
(5)条纹像素数
S＝(S1+S2+S3+S4)/4
其中，S1、S2、S3、S4为4杆条纹像素数。
(6)占空比B＝S/Sj
其中，Sj＝(Sj1+Sj2+Sj3)/3，
Sj为条纹间像素数；Sj1、Sj2、Sj3为四杆条纹间像素数。
这些特征量能够在一定程度上反映图像的特征，但部分特征量并不是十分合理，特征量之间也存在着一定的关联性。
发明内容
本发明的目的是提供一种基于背景极值对比度等特征量的红外热像仪MRTD客观评测方法。该方法使用BP神经网络，采用LM算法，并提出2种新的特征量并结合均值对比度组成特征向量，用于红外热像仪MRTD参数测量，代替人的视觉系统进行客观评测。
本发明的目的是通过下述技术方案实现的。
本发明的一种红外热像仪MRTD客观评测方法，包括特征量均值对比度、背景极值对比度和相邻极值差对比度。
所述背景极值对比度Cb＝Lmax-bak/Ltar，其中，Lmax-bak为靶间(背景)灰度极值；Ltar为四杆靶平均灰度值；
通过大量图像数据的分析，发现某些可分辨的图像仅仅是背景的极值比较大，这样相对于整幅图像比较明显，从而突出了四杆靶，所以将背景极值对比度作为一个特征量。
图2所示的上图，为弥散严重的四杆靶图像，经过灰度纵向叠加处理后发现背景区域很小，但极值很明显，对于具有此特征的图像背景极值对比度这个特征量能反映图像特征。
所述相邻极值差对比度Cmax＝∑|Lmax-tar-Lmax-bak|/L；其中Lmaxtar为四杆靶灰度极值；Lmax-bak为靶间(背景)灰度极值；L为整个区域灰度平均值。
相邻极值差对比度反映的是图像灰度起伏程度，区别于极值对比度的是此参数为相邻各极值差的和，而非各极值和的差。因为受外界影响，四杆靶纵向叠加曲线可能受影响增加了干扰因素，所以相邻区域的比较更能反应图像的特征。
如图2所示的下图，受到外界杂光干扰，经过灰度纵向叠加处理后发现有些背景极值大于四杆靶极值，但相邻靶和背景的灰度能够满足靶极值大于背景极值，对于具有此特征的图像相邻极值差对比度这个特征量能反映图像特征。
使用CCD摄像机、BP神经网络技术、计算机处理系统代替人的视觉系统，BP神经网络、计算机处理系统代替人脑，CCD摄像机代替人眼，对目标--监视器或使用图像采集卡热像仪视频输出端口采集的图像进行MRTD客观判别。
将特征量均值对比度、背景极值对比度、相邻极值差对比度组成特征向量输入BP神经网络，对红外热像仪MRTD参数进行客观测量。
使用CCD摄像机拍摄监视器屏幕上的四杆靶图像，或使用图像采集卡直接从热像仪视频输出端口采集图像，通过图像处理获得四杆靶的特征向量及辨别状态输入BP神经网络进行训练，训练好的网络可对四杆靶图像进行状态辨别，减小用人眼判读产生的主观误差及由于疲劳产生的误差，具有客观判读和重复性好的特点。
本发明的一种实现红外热像仪MRTD客观评测方法的装置，包括，光学平台、准直光学系统、目标靶、目标靶控制单元、专用黑体、黑体控制单元、架设调整机构、待测红外热像仪、监视器、高质量数字CCD摄像机、计算机处理系统；所述目标靶通过目标靶控制单元控制，根据需要调整靶板，改变四杆靶频率；所述专用黑体由黑体控制单元控制调整温度；所述待测红外热像仪通过准直光学系统获得四杆靶图像，并通过连接监视器输出视频；所述高质量数字CCD摄像机架设在监视器前，连接计算机处理系统，用于拍摄四杆靶图像并进行处理，也可使用图像采集卡直接从热像仪采集图像进行处理；所述架设调整机构(7)将高质量数字CCD摄像机(8)架设在监视器(9)前用于拍摄屏幕四杆靶图像是摄像机CCD摄像机(8)的位置调整。
本发明的有益效果
本发明可用于客观评测红外热像仪MRTD参数，具有客观判读和重复性好等优点。
附图说明
图1为测试系统组成框图；
图2为图像示例；
图3为软件界面；
图4为软件流程图；
图中：1-光学平台、2-目标靶、3-专用黑体、4-黑体控制单元、5-目标靶控制单元、6-计算机处理系统、7-架设调整机构、8-CCD摄像机、9-监视器、10-待测红外热像仪、11-光学准直部件。
具体实施方式
下面将结合实例及附图对本发明的使用作详细说明。
本发明的一种实现红外热像仪MRTD客观评测方法的装置，包括，光学平台1、准直光学系统11、目标靶2、目标靶控制单元5、专用黑体3、黑体控制单元4、架设调整机构7、待测红外热像仪10、监视器9、高质量数字CCD摄像机8、计算机处理系统6。
如图1所示，专用黑体3温度变化，通过目标靶2产生四杆靶，四杆靶在光学准直部件11的焦点位置，通过离轴抛面镜的反射产生平行光，对被测件进行测试。从被测件输出视频信号到监视器9，使用CCD摄像机8拍摄监视器屏幕上的图像；或直接由数字图像采集卡采集被测红外热像仪视频输出端口输出的视频信号(如图1所示虚线)，产生四杆靶数字图像。通过计算机处理系统6对四杆靶数字图像进行处理。在高对比度下，通过四杆区域灰度辨别条纹和背景的变化，自动判别四杆区域，并通过算法得到四杆靶特征向量，输入人工神经网络进行训练学习。训练好的神经网络可以取代人的视觉系统功能，对未知图像进行判别，达到MRTD客观评测的目的。
该方法使用BP神经网络，采用LM算法；将均值对比度、背景极值对比度、相邻极值差对比度组成特征向量输入到向BP神经网络中，对红外热像仪MRTD参数进行客观测量。
实施例
下面将结合实例及附图对本发明作详细说明。
1、按照图1搭建测试系统。
(1)目标靶2连接目标靶控制单元5，专用黑体3连接黑体控制单元4，CCD摄像机8连接计算机控制系统6所带图像采集卡。
(2)待测红外热像仪10连接监视器9，并将待测红外热像仪10放置光学准直部件11前，设定专用黑体3温度，调整目标靶2、专用黑体3及待测红外热像仪10位置，在监视器9屏幕上显示对比度较好的四杆靶图像。
(3)打开计算机控制系统6中的处理软件，将CCD摄像机8对准监视器9的四杆靶采集图像或直接使用计算机控制系统6中图像采集卡连接待测红外热像仪10采集图像，在计算机显示器中显示四杆靶。2、按图4软件流程图进行MRTD训练及客观判别
(1)打开软件后设置CCD摄像机8的拍摄参数，或使用图像采集卡直接从热像仪视频输出端口采集图像，调节专用黑体3温度至清晰分辨白靶和黑靶。
(2)调整黑体3温度至四杆靶图像对比度较好的情况，帧平均采集得到四杆靶图像，选取四杆靶临近区域，软件自动分辨四杆靶位置并保存。
(3)采集原始数据，每幅图像一一对应辨别状态，将多幅图像数据输入软件，分别提取均值对比度、背景极值对比度、相邻极值差对比度，组成特征向量，并将对应辨别状态(可辨别/不可辨别)一同输入BP神经网络。
(4)选取系统精度、最大训练次数、步长、输入输出隐藏层数目等参数，训练BP神经网络，当误差小于设定后训练完毕，得到训练好的网络。
(5)判断状态。利用训练好的网络对状态未知的测试对象进行客观判读，取代人的视觉系统，给出可分辨或不可分辨的客观评测结果，减小用人眼判读产生的主观误差，具有客观判读和重复性好等优点。
Claims (1)
1.一种红外热像仪MRTD客观评测方法，其特征在于：包括背景极值对比度、相邻极值差对比度；
所述背景极值对比度Cb＝Lmax-bak/Ltar，其中，Lmax-bak为背景灰度极值；Lrar为四杆靶平均灰度值；
所述相邻极值差对比度Cmax＝∑|Lmax-tar-Lmax-bak|/L；其中Lmax-tar为四杆靶灰度极值；Lmax-bak为背景灰度极值；L为整个区域灰度平均值；
将背景极值对比度、相邻极值差对比度和公知的均值对比度组成特征向量输入到BP神经网络中，对红外热像仪MRTD参数进行客观测量；
用CCD摄像机(8)、BP神经网络、计算机处理系统(6)代替人的视觉系统，BP神经网络、计算机处理系统(6)代替人脑，CCD摄像机(8)代替人眼；使用CCD摄像机(8)拍摄监视器(9)，或用计算机图像采集系统(6)直接通过热像仪(10)的视频输出端口采集图像，处理图像获得四杆靶的特征向量及辨别状态，输入BP神经网络进行训练,训练好的网络可对目标--监视器(9)或热像仪(10)的待测图像进行MRTD客观判别。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2008101063604A CN101275870B (zh) | 2008-05-12 | 2008-05-12 | 一种红外热像仪mrtd客观评测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2008101063604A CN101275870B (zh) | 2008-05-12 | 2008-05-12 | 一种红外热像仪mrtd客观评测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN101275870A CN101275870A (zh) | 2008-10-01 |
| CN101275870B true CN101275870B (zh) | 2010-07-07 |
Family
ID=39995519
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN2008101063604A Expired - Fee Related CN101275870B (zh) | 2008-05-12 | 2008-05-12 | 一种红外热像仪mrtd客观评测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN101275870B (zh) |
Families Citing this family (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101504317B (zh) * | 2009-02-27 | 2011-05-25 | 中国人民解放军海军工程大学 | 一种简便检测红外成像系统性能参数的装置 |
| CN102023057A (zh) * | 2010-12-16 | 2011-04-20 | 烟台睿创微纳技术有限公司 | 一种红外热像仪测试系统 |
| CN103344388B (zh) * | 2013-06-19 | 2016-02-24 | 北京理工大学 | 一种气体泄漏红外成像检测系统的性能评价装置及方法 |
| CN103344561B (zh) * | 2013-07-04 | 2015-07-15 | 北京理工大学 | 基于mrtd的气体红外成像检测系统性能评价方法 |
| CN104899866B (zh) * | 2015-05-05 | 2018-03-30 | 河南三联网络技术有限公司 | 一种智能化的红外小目标检测方法 |
| CN105043554B (zh) * | 2015-07-13 | 2018-04-03 | 北京理工大学 | 一种热像仪的最小可分辨温差客观测试方法 |
| CN106323901A (zh) * | 2016-10-09 | 2017-01-11 | 北京理工大学 | 基于mdtd的气体泄漏红外成像检测系统性能评价方法 |
| CN106568577A (zh) * | 2016-10-18 | 2017-04-19 | 中国航空工业集团公司洛阳电光设备研究所 | 一种光学无热化设计检测系统及检测方法 |
| CN107421717B (zh) * | 2017-07-03 | 2020-08-07 | 中国电力科学研究院 | 一种红外成像仪最小可探测温差自动测试方法及装置 |
| CN108053389B (zh) * | 2018-03-16 | 2020-06-30 | 南京航空航天大学 | 一种用于评价低信噪比红外四杆靶图像清晰度的方法 |
| CN110470404B (zh) * | 2019-08-27 | 2021-02-26 | 成都盈盛源电气科技有限公司 | 一种红外热像仪netd与mrtd快速测试装置及方法 |
| CN110487416B (zh) * | 2019-08-27 | 2020-11-06 | 成都盈盛源电气科技有限公司 | 一种红外热像仪netd与mrtd的快速测试方法 |
| CN112729558B (zh) * | 2020-12-25 | 2022-04-22 | 武汉高德智感科技有限公司 | 一种红外热成像装置的测试调整系统及方法 |
-
2008
- 2008-05-12 CN CN2008101063604A patent/CN101275870B/zh not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| CN101275870A (zh) | 2008-10-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN101275870B (zh) | 一种红外热像仪mrtd客观评测方法 | |
| CN101655614B (zh) | 液晶显示面板云纹缺陷的检测方法和检测装置 | |
| CN108171673B (zh) | 图像处理方法、装置、车载抬头显示系统及车辆 | |
| CN101441320B (zh) | 一种基于显微成像检测的高动态图像获取装置及其方法 | |
| JP5470959B2 (ja) | マルチフレーム再構築を行う方法、システム及びソフトウエア | |
| CN106679581B (zh) | 一种高温环境下物体变形测量方法 | |
| CN102353519A (zh) | 三代微光像增强器分辨力测量装置及分辨力评价方法 | |
| CN101221118A (zh) | 一种智能识别与计数痰涂片显微图像结核菌的系统和方法 | |
| CN110264426A (zh) | 图像畸变校正方法和装置 | |
| CN101493312B (zh) | 一种显微成像高精度三维检测装置及方法 | |
| CN101452199A (zh) | 调制传递函数值的测量方法 | |
| CN107589551B (zh) | 一种多孔径偏振成像装置及系统 | |
| CN105359029A (zh) | 用于显微镜系统的图像检测方法和相应的显微镜系统 | |
| CN108827602A (zh) | 一种vr/ar设备成像清晰度测量方法和测量装置 | |
| CN107807490A (zh) | 基于双相机分光成像增大视场的方法及系统 | |
| CN106707492A (zh) | 基于空间光调制器的采集端频域拼贴显微系统 | |
| CN207636187U (zh) | 一种单兵头盔式夜视系统 | |
| CN104992446A (zh) | 非线性光照自适应的图像拼接方法及其实现系统 | |
| CN104813217B (zh) | 用于设计能够估计景深的无源单通道成像器的方法 | |
| CN110312957A (zh) | 焦点检测设备、焦点检测方法和焦点检测程序 | |
| CN108050955A (zh) | 基于结构光投影与数字图像相关的高温空气扰动滤除方法 | |
| CN113344843B (zh) | 一种图像质量测评方法、装置和系统 | |
| CN105278093B (zh) | 一种用于天文目标成像的系统 | |
| CN101581556A (zh) | 基于复合图形靶板的瞄具零位走动数字化测量装置 | |
| CN201364140Y (zh) | 一种显微成像高精度三维检测装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant | ||
| C17 | Cessation of patent right | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20100707 Termination date: 20110512 |