CN103761762B - 一种基于OpenGL着色器的红外成像仿真方法 - Google Patents
一种基于OpenGL着色器的红外成像仿真方法 Download PDFInfo
- Publication number
- CN103761762B CN103761762B CN201310674410.XA CN201310674410A CN103761762B CN 103761762 B CN103761762 B CN 103761762B CN 201310674410 A CN201310674410 A CN 201310674410A CN 103761762 B CN103761762 B CN 103761762B
- Authority
- CN
- China
- Prior art keywords
- texture
- infrared
- model
- formula
- tinter
- 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.)
- Active
Links
Landscapes
- Image Processing (AREA)
Abstract
本发明公开了一种基于OpenGL着色器的红外成像仿真方法。该方法首先渲染场景红外效果,解算各地物吸收光照的能力,假设非自发热地物的热量全部来源于太阳能,近似渲染出待仿真场景的红外效果图;制作目标细节纹理,采集有限次近似环境条件下目标各部件温度,建立目标温度与灰度值的线性模型,解算灰度值并制作纹理,最后将纹理涂抹到对应部件上;融合场景和目标,采用OpenGL着色器将细节纹理绘制在场景内原目标的各细部;雾化并噪化融合之后的红外图像,参考眼点距离对上述图像添加雾效,之后添加噪声。本发明能够实时呈现与红外成像系统观察下等价效果的图像,画面质量稳定、可靠。
Description
技术领域
本发明涉及一种成像仿真方法,具体涉及一种基于OpenGL着色器的红外成像仿真方法。
背景技术
随着计算机红外成像仿真技术的飞速发展和它在国防、军事、航空、航天等领域的广泛应用,利用计算机生成的景物红外图像已用于红外成像系统评估、算法改进、人员训练、任务制定、新产品设计、光电对抗技术、遥感测量以及多传感器的景物表示等众多方面。由于其重要的应用价值,目前世界各国、尤其是军事发达国家都已展开了这方面的研究工作,并且有许多重要的进展。红外成像仿真是在时间、空间、光谱以及辐射量等方面,对景物红外辐射分布的一种模拟,它并不要求仿真结果的辐射与实际景物的辐射完全相同,但它追求两者在红外成像系统观察下的等价效果。
计算机仿真成像软件应用最多的是Multigen公司的Vega软件,特别是目前Vega软件具有红外软件包,使用方便,而且可以很快构建出复杂视觉和声音仿真的原型,但是该软件的明显不足是:中国未获得Vega红外模块的使用授权,除此以外,软件价格昂贵、可移植性不强也是制约其应用的弊端。
发明内容
为解决现有技术的不足,本发明的目的在于提供一种计算机仿真方法,能够实现仿真结果的辐射与实际景物的辐射在红外成像系统观察下的等价效果。
为了实现上述目标,本发明采用如下的技术方案:
一种基于OpenGL着色器的红外成像仿真方法,其特征在于,包括以下步骤:
S1、解算各地物吸收光照的能力,假设非自发热地物的热量全部来源于太阳能,近似渲染出待仿真场景的红外效果图;具体包括:
S1-A、从视景工作站获取光源位置LP,将LP进行归一化处理,得到光源在眼点坐标系内的方向向量L;
S1-B、分别捕获各模型所有平面的法线NP,将NP进行归一化后得到法线向量N,求得光源与模型平面的位置关系,用cosθ表示,θ为光源与模型平面法线夹角,所用公式为:
然后,从视景工作站获取全局环境光亮度ambient,根据上式求得的位置关系计算模型表面的环境光亮度I,所用公式为:I=cosθ×ambient;
S1-C、计算反射光向量R,所用公式为:R=-2N(L·N)+L,根据反射光向量R求解出反射光亮度Spec,所用公式为:Spec=(R·Eye)^s×Ls×Ms;
式中,Eye为定点指向观察者的视线,即为眼点坐标,s为亮度因子,Ls是光源中镜面反射强度,Ms是材质中的镜面反射系数;
S1-D、设置光源衰减系数k0,k1,k2,计算光源衰减因子att,所用公式为:
式中,d为光源距模型平面的距离;
S1-E、从视景工作站捕获各模型散射光强度diffuse,计算模型表面处光源亮度color,所用公式为:color=att(ambient+diffuse+Spec);
S1-F、根据总的光照亮度与反射出来的光照亮度,求得不同模型吸收的光能ColorL,数学模型为:ColorL=I+color–Spec;
最后利用模型吸收的光能与视景工作站设置的灰度对应关系渲染出场景红外效果。
S2、采集3次以上坦克发动时各部件温度值,将温度与灰度做一线性映射,解算出各部件的灰度值并根据该灰度值制作纹理,最后用灰度纹理覆盖原目标纹理;具体包括:
S2-A、在坦克发动运行后,记录传感器反馈的各部件温度;
S2-B、根据3次以上的数据样本,确定目标表面的温度上限和下限,计算出该部件的细节纹理灰度值H,所用公式为:H=(T-D)/(K-D);
式中,T为各部件温度,D为目标表面温度的下限,K为目标表面温度的上限;
S2-C、根据步骤S2-B获得的各部件纹理灰度值,利用Photoshop软件对模型纹理进行染色,获得最终的细节纹理。
S3、查找场景内各目标模型,用OpenGL着色器将步骤S2制作的纹理对目标模型进行覆盖,绘出初步图像;
S4、参考眼点距离对初步图像添加雾效,并根据干扰条件添加噪声;具体包括:
S4-A、读取视景矩阵M和顶点坐标S,计算眼点坐标Eye,所用公式为:Eye=M×S;
S4-B、根据眼点位置设置雾效初始颜色FC,计算出最终红外成像的颜色baseColor,所用公式为:baseColor=FC×(1-FI)+acolorL×FI
式中,FI为雾效因子,acolorL为经过细节纹理覆盖的各模型灰度值;
S4-C、确定噪声纹理坐标Coord,所用公式为:Coord=TexMat×MultiCoord
式中,TexMat为纹理模型纹理,MultiCoord为纹理矩阵;
S4-D、根据红外窗口的大小对噪声纹理坐标Coord进行缩放;
S4-E、获得系统时间time,实时解算噪声纹理坐标NCoord,所用公式为:NCoord=Coord+sin(time)×V,式中,V为噪声的偏移速度。噪声的偏移速度可编程设置。
本发明的有益之处在于:1)仿真度高,本发明场景目标的红外纹理依据实测数据解算值绘制,生成的图像效果与通过军用红外成像系统观察的图像效果一致,并且已通过部队试用验证;2)可移植性强,本发明采用开源OpenGL图像渲染引擎,不受平台限制,可在多种硬件平台和操作系统上运行,软件成本可控。
附图说明
图1为本发明的基于OpenGL着色器的红外成像仿真方法的流程图;
图2为本发明实施例的场景原图进行灰度处理后的效果图;
图3为光照模型产生的场景红外效果图;
图4为本发明实施例中坦克目标原图进行灰度处理后的效果图;
图5为本发明实施例中坦克目标各部件温度与灰度对照图;
图6为本发明实施例中坦克目标各部件灰度纹理图;
图7为本发明实施例中坦克目标经灰度纹理替换的红外效果图;
图8为本发明实施例中融合场景带雾效的红外效果图;
图9为本发明实施例中融合场景添加噪声的红外效果图。
具体实施方式
以下结合附图和具体实施例对本发明作具体的介绍。
本发明的基于OpenGL着色器的红外成像仿真方法,步骤如下:
步骤S1、将场景所有内容都看做非自发热物体,根据能量转换关系,近似认为物体的热能全部由光能转化而来,下面通过计算物体周围光照亮度间接求得物体的热量。这种简化概念既可达到仿真次要场景的要求,又避免了采集大规模模型温度的工作,效率极高。
计算周围光照亮度具体包括以下步骤:
步骤S1-A、从视景工作站获取光源位置LP,将LP进行归一化处理,得到光源在眼点坐标系内的方向向量L;
步骤S1-B、捕获各模型所有平面的法线NP,将NP进行归一化后得到法线向量N,利用公式求得光源与模型平面法线夹角θ,然后从视景工作站获取全局环境光亮度ambient,利用公式I=cosθ×ambient求得模型表面的环境光亮度I;
步骤S1-C、根据光照在模型表面的入射方向和光照强度,计算反射光向量R,所用公式为:R=-2N(L·N)+L,进而利用求得模型表面的反射光亮度Spec,所用公式为:Spec=(R·Eye)^s×Ls×Ms,式中,Eye为定点指向观察者的视线,即为眼点坐标,s为亮度因子,Ls是光源中镜面反射强度,Ms是材质中的镜面反射系数;
步骤S1-D、设置光源衰减系数k0,k1,k2,利用公式计算得到光源衰减因子att,式中,d为光源距模型平面的距离;
步骤S1-E、综合从视景工作站捕获的模型散射光强度diffuse,利用公式color=att(ambient+diffuse+Spec)计算求得模型表面处光源亮度color;
步骤S1-F、利用公式ColorL=I+color–Spec求得模型吸收的光能,最后利用ColorL与视景工作站设置的灰度对应关系渲染出场景红外效果。
步骤S2、由于红外目标是红外仿真中最重要的要素,所以,对于目标的制作也应力求真实,即需制作出接近实战情况下红外设备的感应成像。下面介绍红外目标的具体步骤:
步骤S2-A、在坦克发动运行后,记录传感器反馈的各部件温度;
步骤S2-B、建立3次以上的数据样本;
步骤S2-C、确定目标表面的温度上限和下限,利用公式H=(T-D)/(K-D)计算出该部件的细节纹理灰度值H,式中,T为各部件温度,D为目标表面温度的下限,K为目标表面温度的上限;
步骤S2-D、根据步骤S2-C获得的各部件纹理灰度值,利用Photoshop软件对模型纹理进行染色,获得最终的细节纹理。
步骤S3、遍历场景内的目标,将目标与细节纹理的宿主属性进行匹配,采用OpenGL图像渲染引擎的着色器将该纹理覆盖住原目标纹理,使目标的仿真度得到更大的提升。
步骤S4、参考眼点距离对上述图像添加雾效,并根据干扰条件添加噪声。红外探测设备的有效距离较短,需根据眼点的位置对步骤S1~步骤S3制作的红外图像进行适当的模糊化处理,以取得逼真的效果。除了光损、辐射等因素外,红外探测设备自身的材质也对图像形成的噪声和斑渍产生影响,本发明也会根据待仿真的试验设备具体实现噪声模拟。
对图像添加雾效和噪声的具体实现步骤为:
步骤S4-A、读取视景矩阵M和顶点坐标S,利用公式Eye=M×S计算眼点坐标Eye;
步骤S4-B、根据眼点位置设置雾效初始颜色FC,利用公式baseColor=FC×(1-FI)+acolorL×FI,计算出最终红外成像的颜色baseColor,式中,FI为雾效因子,acolorL为经过细节纹理覆盖的各模型灰度值;
步骤S4-C、利用公式Coord=TexMat×MultiCoord,确定噪声纹理坐标Coord,式中,TexMat为纹理模型纹理,MultiCoord为纹理矩阵;
步骤S4-D、根据红外窗口的大小对噪声纹理坐标Coord进行缩放;
步骤S4-E、获得系统时间time,利用公式NCoord=Coord+sin(time)×V,实时解算噪声纹理坐标NCoord,式中,V为噪声的偏移速度。噪声的偏移速度可编程设置。
下面结合图2至图9,通过仿真试验的具体实施例及其效果图来进一步说明本发明。
在本实施例中,如图2所示,试验场景具有草地、湖泊、树木、房屋、汽车和坦克等多种地物,眼点位置距地面高10m,距坦克位置约200m,时间为下午三四点左右,天气晴朗无云,地点在东北某地,经过与视景工作站获取相关光照和地物属性等信息,解算出各种地物吸收光能的数量,渲染的场景红外效果如图3所示。
红外仿真的重点是目标,尤其是移动目标,主要目标仿真的效果直接影响着红外成像系统评估、算法改进以及人员训练等任务科目的好坏。本实施例中坦克目标的正常纹理进行灰度处理后的效果如图4所示,观察传感器反馈的炮塔、车体、油箱等部件温度,确定出此次实施中目标部件的温度上限为560度,温度下限为20度,与前两次相似环境温度下执行任务时的数据记录保持一致。前两次的温度上限为572度,温度下限为24度,综合三次数据记录结果,该实施例取温度上限为566度,温度下限为22度,将所有部件的温度折算到0.0~1.0之间,对应的灰度对照表如图5所示,利用Photoshop图形处理软件将各部件纹理依据图5的灰度对照表调色,得到的各部件的纹理如图6所示。
经过细节处理的坦克效果图如图7所示。计算出目标的坐标,用细节处理的纹理替换掉原目标纹理,此时目标与场景的红外图已融合完毕。
读取视景工作站中眼点的矩阵和顶点坐标,计算得到眼点的坐标,将眼点坐标与场景地物的水平距离近似看作眼点距地物的实际距离,设置雾效的初始颜色为RGB(0.8,0.8,0.8),设置雾效因子为0.6,最终制作出雾效的灰度纹理图,实现效果如图8所示。
由于红外噪声的纹理实时变动,本实施例中建立一个扰动数学模型,根据不同的时间计算得到不同的纹理。但是首先需先制作一幅噪声纹理,纹理坐标由纹理模型坐标和纹理矩阵相乘得到,然后根据场景大小缩放噪声纹理,接着建立随时间扰动的噪声纹理数学模型,最后将该纹理覆盖在原融合后的场景上,噪声纹理不影响原融合纹理的颜色计算,添加了噪声纹理的红外效果图如图9所示。
综上,本发明能够实时呈现与红外成像系统观察下等价效果的图像,画面质量稳定、可靠。
以上显示和描述了本发明的基本原理、主要特征和优点。本行业的技术人员应该了解,上述实施例不以任何形式限制本发明,凡采用等同替换或等效变换的方式所获得的技术方案,均落在本发明的保护范围内。
Claims (4)
1.一种基于OpenGL着色器的红外成像仿真方法,其特征在于,包括以下步骤:
S1、解算各地物吸收光照的能力,假设非自发热地物的热量全部来源于太阳能,近似渲染出待仿真场景的红外效果图;
所述步骤S1具体包括以下步骤:
S1-A、从视景工作站获取光源位置LP,将LP进行归一化处理,得到光源在眼点坐标系内的方向向量L;
S1-B、分别捕获各模型所有平面的法线NP,将NP进行归一化后得到法线向量N,求得光源与模型平面的位置关系,用cosθ表示,θ为光源与模型平面法线夹角,所用公式为:
然后,从视景工作站获取全局环境光亮度ambient,根据上式求得的位置关系计算模型表面的环境光亮度I,所用公式为:I=cosθ×ambient;
S1-C、计算反射光向量R,所用公式为:R=-2N(L·N)+L,根据反射光向量R求解出反射光亮度Spec,所用公式为:Spec=(R·Eye)^s×Ls×Ms;
式中,Eye为定点指向观察者的视线,即为眼点坐标,s为亮度因子,Ls是光源中镜面反射强度,Ms是材质中的镜面反射系数;
S1-D、设置光源衰减系数k0,k1,k2,计算光源衰减因子att,所用公式为:
式中,d为光源距模型平面的距离;
S1-E、从视景工作站捕获各模型散射光强度diffuse,计算模型表面处光源亮度color,所用公式为:color=att(ambient+diffuse+Spec);
S1-F、根据总的光照亮度与反射出来的光照亮度,求得不同模型吸收的光能ColorL,数学模型为:ColorL=I+color–Spec;
最后利用模型吸收的光能与视景工作站设置的灰度对应关系渲染出场景红外效果;
S2、采集3次以上坦克发动时各部件温度值,将温度与灰度做一线性映射,解算出各部件的灰度值并根据该灰度值制作纹理,最后用灰度纹理覆盖原目标纹理;
S3、查找场景内各目标模型,用OpenGL着色器将步骤S2制作的纹理对目标模型进行覆盖,绘出初步图像;
S4、参考眼点距离对初步图像添加雾效,并根据干扰条件添加噪声。
2.根据权利要求1所述的一种基于OpenGL着色器的红外成像仿真方法,其特征在于,所述步骤S2具体包括以下步骤:
S2-A、在坦克发动运行后,记录传感器反馈的各部件温度;
S2-B、根据3次以上的数据样本,确定目标表面的温度上限和下限,计算出该部件的细节纹理灰度值H,所用公式为:H=(T-D)/(K-D);
式中,T为各部件温度,D为目标表面温度的下限,K为目标表面温度的上限;
S2-C、根据步骤S2-B获得的各部件纹理灰度值,利用Photoshop软件对模型纹理进行染色,获得最终的细节纹理。
3.根据权利要求1所述的一种基于OpenGL着色器的红外成像仿真方法,其特征在于,所述步骤S4具体包括以下步骤:
S4-A、读取视景矩阵M和顶点坐标S,计算眼点坐标Eye,所用公式为:
Eye=M×S;
S4-B、根据眼点位置设置雾效初始颜色FC,计算出最终红外成像的颜色baseColor,所用公式为:baseColor=FC×(1-FI)+acolorL×FI
式中,FI为雾效因子,acolorL为经过细节纹理覆盖的各模型灰度值;
S4-C、确定噪声纹理坐标Coord,所用公式为:Coord=TexMat×MultiCoord
式中,TexMat为纹理模型纹理,MultiCoord为纹理矩阵;
S4-D、根据红外窗口的大小对噪声纹理坐标Coord进行缩放;
S4-E、获得系统时间time,实时解算噪声纹理坐标NCoord,所用公式为:
NCoord=Coord+sin(time)×V,式中,V为噪声的偏移速度。
4.根据权利要求3所述的一种基于OpenGL着色器的红外成像仿真方法,其特征在于,所述步骤S4-E中噪声的偏移速度可编程设置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310674410.XA CN103761762B (zh) | 2013-12-11 | 2013-12-11 | 一种基于OpenGL着色器的红外成像仿真方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310674410.XA CN103761762B (zh) | 2013-12-11 | 2013-12-11 | 一种基于OpenGL着色器的红外成像仿真方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103761762A CN103761762A (zh) | 2014-04-30 |
CN103761762B true CN103761762B (zh) | 2016-08-17 |
Family
ID=50528995
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310674410.XA Active CN103761762B (zh) | 2013-12-11 | 2013-12-11 | 一种基于OpenGL着色器的红外成像仿真方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103761762B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106372268B (zh) * | 2015-07-20 | 2019-05-17 | 中国人民解放军92728部队 | 基于热模型的实时红外仿真方法 |
CN107230245B (zh) * | 2016-03-25 | 2022-02-18 | 北京神州泰岳软件股份有限公司 | 一种基于Unity3D着色器显示机房地面温场分布的方法和装置 |
CN106023294A (zh) * | 2016-05-05 | 2016-10-12 | 广东小天才科技有限公司 | 一种基于OpenGL的雾化方法和系统 |
CN108932742B (zh) * | 2018-07-10 | 2022-09-09 | 北京航空航天大学 | 一种基于遥感图像分类的大规模红外地形场景实时渲染方法 |
CN111899157A (zh) * | 2020-07-16 | 2020-11-06 | 中国人民解放军海军航空大学 | 一种利用蒙版技术对杂散光干扰模拟方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1746438A2 (en) * | 2005-07-12 | 2007-01-24 | Northrop Grumman Corporation | Infrared laser illuminated imaging systems and methods |
CN102930151A (zh) * | 2012-10-25 | 2013-02-13 | 西安电子科技大学 | 基于纹理的实时模拟红外探测系统效应的方法 |
CN103123670A (zh) * | 2013-03-03 | 2013-05-29 | 西安电子科技大学 | 基于纹理的红外粗糙海面动态仿真方法 |
CN103186906A (zh) * | 2011-12-28 | 2013-07-03 | 中国科学院沈阳自动化研究所 | 一种海天背景下多类目标的红外动态场景实时仿真方法 |
-
2013
- 2013-12-11 CN CN201310674410.XA patent/CN103761762B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1746438A2 (en) * | 2005-07-12 | 2007-01-24 | Northrop Grumman Corporation | Infrared laser illuminated imaging systems and methods |
CN103186906A (zh) * | 2011-12-28 | 2013-07-03 | 中国科学院沈阳自动化研究所 | 一种海天背景下多类目标的红外动态场景实时仿真方法 |
CN102930151A (zh) * | 2012-10-25 | 2013-02-13 | 西安电子科技大学 | 基于纹理的实时模拟红外探测系统效应的方法 |
CN103123670A (zh) * | 2013-03-03 | 2013-05-29 | 西安电子科技大学 | 基于纹理的红外粗糙海面动态仿真方法 |
Non-Patent Citations (3)
Title |
---|
Research on Scene Infrared Image Simulation;Lamei Zou et al;《 International Journal of Digital Content Technology & its Applications》;20120331;第6卷(第4期);77-86 * |
海面背景红外图像建模与OpenGL仿真;蒋万秋 等;《电光与控制》;20091130;第16卷(第11期);19-21,49 * |
红外成像仿真中的若干关键技术研究;孙少军 等;《光学与光电技术》;20040630;第2卷(第3期);18-20 * |
Also Published As
Publication number | Publication date |
---|---|
CN103761762A (zh) | 2014-04-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103761762B (zh) | 一种基于OpenGL着色器的红外成像仿真方法 | |
CN103440389B (zh) | 基于全链路的红外伪装效果仿真系统及评估方法 | |
CN107909640A (zh) | 基于深度学习的人脸重光照方法及装置 | |
Willers et al. | Signature modelling and radiometric rendering equations in infrared scene simulation systems | |
CN106570253A (zh) | 一种实时天基红外视景仿真方法 | |
CN103123670A (zh) | 基于纹理的红外粗糙海面动态仿真方法 | |
CN107993281B (zh) | 一种空间目标可见光光学特性仿真方法 | |
Moorhead et al. | CAMEO-SIM: a physics-based broadband scene simulation tool for assessment of camouflage, concealment, and deception methodologies | |
CN103247069B (zh) | 基于辐射能量特性和光谱特性的紫外场景仿真方法及系统 | |
Bohrer et al. | A virtual canopy generator (V-CaGe) for modelling complex heterogeneous forest canopies at high resolution | |
Le Goff et al. | New impressive capabilities of SE-workbench for EO/IR real-time rendering of animated scenarios including flares | |
CN116167239A (zh) | 红外仿真方法、系统、计算机及可读存储介质 | |
CN114357721B (zh) | 水下对空成像全链路仿真方法 | |
Packard et al. | Automated simulation-generated EO/IR image library for artificial intelligence applications | |
JP4761825B2 (ja) | 海面画像生成装置 | |
CN104165697B (zh) | 针对目标红外自发辐射偏振特性进行仿真的方法 | |
Lin et al. | Reconstruction of a large-scale realistic three-dimensional (3-D) mountain forest scene for radiative transfer simulations | |
Wu et al. | Signature simulation of infrared target by tracing multiple areal sources | |
CN111860328A (zh) | 一种基于双向反射函数和森林场景光照效果建模的生物量估算方法 | |
CN109460755A (zh) | 一种绿光估计模型训练方法及装置、影像合成方法及装置 | |
May et al. | Multi-spectral synthetic image generation for ground vehicle identification training | |
CN110455330B (zh) | 一种动目标多源探测的层次融合与提取地面验证系统 | |
Kahraman et al. | Influence of fog on computer vision algorithms | |
Le Goff et al. | Evolution of SE-Workbench-EO to generate synthetic EO/IR image data sets for machine learning | |
Haynes et al. | Accurate scene modeling using synthetic imagery |
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 |