CN105389591A - 一种红外成像传感器典型效应仿真的验证方法 - Google Patents
一种红外成像传感器典型效应仿真的验证方法 Download PDFInfo
- Publication number
- CN105389591A CN105389591A CN201510767358.1A CN201510767358A CN105389591A CN 105389591 A CN105389591 A CN 105389591A CN 201510767358 A CN201510767358 A CN 201510767358A CN 105389591 A CN105389591 A CN 105389591A
- Authority
- CN
- China
- Prior art keywords
- infrared
- image
- effect
- black matrix
- infrared imaging
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Artificial Intelligence (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Image Processing (AREA)
Abstract
本发明是一种用于红外成像传感器系统典型效应建模与仿真准确性和真实性的验证方法。本发明针对红外成像传感器系统典型效应建模与仿真的验证评价问题,提出了基于全参考图像质量评价方法的红外传感器典型效应仿真的验证方法,以黑体靶标的红外实拍图像为参考图像,针对具体红外成像系统的红外传感器效应仿真图像,采用逐像素比较和统计比较相结合的分析方法,综合考虑信息熵、偏离度、结构相似度、保真度等评价因子,形成综合评价指标,进行全面验证评价。该发明的重要意义是:基于全参考图像质量评价方法,综合了逐像素比较和统计比较两种分析方法,有效克服单一分析方法只能验证部分效应仿真结果的缺陷,评价指标全面、客观,准确性和可信性高。
Description
技术领域
本发明属红外成像精确制导技术领域,用于红外成像制导系统性能评估仿真。
背景技术
随着红外成像制导武器的发展和应用,红外成像制导仿真技术发展的要求越来越迫切,红外成像制导仿真对于检验红外成像制导系统的信号处理算法以及系统整体性能等方面具有巨大的经济和军事效益。红外成像制导仿真目前主要采用景象投影法与信号注入式法两种半实物仿真方法,在信号注入式仿真评估模式下,由于被试验装备的红外成像传感器系统不直接参与仿真试验,考虑大气传输后的目标、背景场景生成图像并不能直接注入到红外成像制导系统的信号处理部分,因而需要对其红外成像传感器系统典型效应进行建模与仿真。红外成像传感器系统典型效应建模与仿真的真实性和逼真度决定着红外成像传感器系统建模与仿真的有效性,因此红外成像传感器系统典型效应建模与仿真的真实性和逼真度的验证方法具有十分重要的意义。
目前,对于红外成像传感器系统典型效应建模与仿真的研究很少,而建模与仿真准确性和真实性的验证至今没有行之有效的方法和公认的评价指标。一种方法是将实际拍摄图像与仿真结果图像逐像素进行比较,但这种方法太精确而不切合实际,并且没有合适的评价指标;另外一种方法是整幅图像的统计比较,包括灰度一维直方图、局部能量直方图等,但只是利用的单帧图像统计信息,容易产生误导,因为统计信息只是图像整体的统计量,两幅不同的图像可能统计信息相同。
发明内容
为了解决红外成像传感器系统典型效应仿真的验证评价问题,本发明提供一种红外成像传感器系统典型效应仿真准确性和真实性的验证方法,基于全参考图像质量评价方法,在红外实拍图像与红外传感器效应仿真图像的基础上,采用逐像素比较和统计比较相结合的分析方法,利用一维、二维直方图统计、结构相似度、保真度等综合评价指标进行全面验证评价,有效克服单一分析方法只能验证部分效应仿真结果的缺陷。
本发明方法解决其技术问题所采用的技术方案是:首先利用红外成像系统对黑体靶标成像,并针对不同黑体温度、温差分别输出红外实拍图像;其次,根据黑体温度、温差及靶标类别,计算黑体靶标的辐射亮度并量化为灰度,采用计算机仿真技术生成黑体靶标的红外理想仿真图像,并将红外理想仿真图像经过红外成像系统各模块的退化效应作用,最终得到黑体靶标的红外传感器效应仿真图像;最后,采用逐像素比较和统计比较相结合的分析方法,选取合适评价指标因子,形成综合评价指标,对红外传感器效应仿真图像和红外实拍图像进行比较,并给出可信度评价。
此方法有益效果是,采用红外实拍图像与红外传感器效应仿真图像分析比较的方法,综合了逐像素比较和统计比较两种分析方法,评价指标全面、客观,准确性和可信性高。
附图说明
图1是红外成像传感器典型效应仿真的验证方法框图。
图2是红外实拍图像。
图3是红外理想仿真图像。
图4是红外成像传感器典型效应退化作用框图。
图5是红外传感器效应仿真图像。
具体实施方式
针对黑体靶标图像具有规律性的特点,利用计算机仿真技术生成黑体靶标的红外传感器效应仿真图像,在黑体靶标的红外实拍图像与红外传感器效应仿真图像的基础上,采用逐像素比较和统计比较相结合的分析方法,选取保真度、信息熵、偏离度、结构相似度为验证指标因子进行分析,并形成综合验证评价指标。具体框图见图1。
1.红外成像制导图像仿真
对于一定温度Tk的黑体目标,其某一波段内零视距离辐射亮度为:
式中ε是黑体目标的实际发射率,Mλ是绝对黑体的光谱辐射出射度,可由普朗克公式给出:
其中C1,C2为辐射常数,C1=3.74×10-12W·cm2,C2=1.438cm·K,λ是波长。
由于红外仿真图像上各像素灰度值反映的是目标各部位红外辐射能量,因此需要将计算得到的黑体靶标辐射亮度值量化为灰度等级,一般采用线性均匀量化方法,量化时需根据实拍图像的灰度范围设置仿真图像合理的灰度范围。目标各部分辐射亮度量化为灰度等级之后,根据黑体靶标成像几何形状及在视场所处的位置,对于图像中黑体目标区域赋予对应的灰度级,可实现黑体靶标的红外理想仿真图像,红外实拍图像及红外理想仿真图像分别如图2、3所示。
红外理想仿真图像是没有经过红外传感器各种退化效应作用的仿真图像,实际红外图像形成过程中必然受到红外光学系统、探测器及信号处理电路各种退化效应的影响,包括红外光学系统的光学能量传输衰减、渐晕、衍射、像差、畸变等,红外探测器阵列时间及空间采样效应、非均匀性、噪声等,信号处理电路滤波、噪声等影响。针对具体红外成像系统,将红外理想仿真图像经过一系列退化效应作用后,得到红外传感器效应仿真图像,处理框图如图4所示,红外传感器效应仿真图像如图5所示。
2.逐像素比较和统计比较相结合的验证方法
以红外实拍图像为参考图像,将红外传感器效应仿真图像与红外实拍图像逐像素灰度值进行比较,选取保真度作为验证评价指标因子。保真度指标因子既考虑图像灰度分布特征,也考虑图像像素之间的几何结构特征,能全面评价影响光电系统成像质量的绝大多数因素,如分辨率、能量衰减以及信号处理对图像退化的影响,具有很强的客观性。
式中,是红外实拍图像中像素灰度值,f(i,j)为红外传感器效应仿真图像中像素灰度值,MN为M×N图像的总像素数。
针对红外实拍图像和红外传感器效应仿真图像,分别统计图像的信息熵、均值、方差等信息,以信息熵、偏离度、结构相似度为验证指标因子,比较两幅图像各指标数据的差异。
信息熵反映了图像中有意义的灰度层次的丰富程度,图像的信息熵定义为:
式中sk为图像f(x,y)的第k级灰度值,P(sk)为概率密度函数。
偏离度的物理意义是整幅图像相邻像素灰度层次的平均差别,偏离度定义为:
GL和GR分别表示该图像内相邻左右像素灰度值GL=f(x,y),GR=f(x+1,y),P(GL,GR)为图像中相邻像素灰度(GL,GR)同时发生的统计次数。
SSIM评价指标因子分别提取图像亮度、对比度等统计信息,然后综合比较红外实拍图像和红外传感器效应仿真图像在这些结构信息间的差异,定义为:
式中μ和分别是红外传感器效应仿真图像和红外实拍图像的亮度均值,σ和分别是红外传感器效应仿真图像和红外实拍图像的标准差,C1、C2是常量,σAB是两个图像信号的相关系数,其定义为:
综合各评价指标因子,赋予各因子合适的权重系数,形成综合验证评价指标,并进行验证评价,综合验证评价指标为:
式中:图像A、B为红外传感器效应仿真图像和红外实拍图像,HA与HB、ξA与ξB分别为图像A、B的信息熵、偏离度,k1、k2、k3、k4是权重系数,各权重系数可采用绝对比较法、二元比较法、模糊统计法等方法进行分配。
Claims (3)
1.一种红外成像传感器典型效应仿真的验证方法,其特征在于,包括以下步骤:
第一步,利用红外成像系统对黑体靶标成像,并针对不同黑体温度、温差分别输出红外实拍图像;
第二步,根据黑体温度、温差及靶标类别,计算黑体的辐射亮度并量化为灰度,采用计算机仿真技术生成黑体靶标的红外理想仿真图像,并将黑体靶标的红外理想仿真图像经过红外成像系统各模块的退化效应作用,最终得到黑体靶标的红外传感器效应仿真图像;
第三步,采用逐像素比较和统计比较相结合的分析方法,选取合适评价指标因子,形成综合评价指标,对红外传感器效应仿真图像和红外实拍图像进行比较,并给出可信度评价。
2.根据权利要求1所述的红外成像传感器典型效应仿真的验证方法,其特征在于,所述第二步具体为:根据黑体温度、温差及靶标类别,利用普朗克公式计算出黑体靶标的辐射亮度,并量化为灰度;根据黑体靶标成像几何形状及在视场所处的位置,对于图像中黑体靶标区域赋予对应的灰度级,生成黑体靶标的红外理想仿真图像;针对具体红外成像系统,将黑体靶标的红外理想仿真图像经过红外成像系统各模块的退化效应作用,最终得到黑体靶标的红外传感器效应仿真图像。
3.根据权利要求1所述的红外成像传感器典型效应仿真的验证方法,其特征在于,所述第三步具体为:以红外实拍图像为参考图像,将红外传感器效应仿真图像与红外实拍图像逐像素灰度值进行比较,选取保真度作为验证评价指标因子;分别统计红外实拍图像和红外传感器效应仿真图像的信息熵、均值、方差等信息,以信息熵、偏离度、结构相似度为验证指标因子进行分析;综合各评价指标因子,赋予各因子合适的权重系数,形成综合验证评价指标,并进行评价。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510767358.1A CN105389591B (zh) | 2015-11-11 | 2015-11-11 | 一种红外成像传感器典型效应仿真的验证方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510767358.1A CN105389591B (zh) | 2015-11-11 | 2015-11-11 | 一种红外成像传感器典型效应仿真的验证方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105389591A true CN105389591A (zh) | 2016-03-09 |
CN105389591B CN105389591B (zh) | 2018-06-08 |
Family
ID=55421861
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510767358.1A Expired - Fee Related CN105389591B (zh) | 2015-11-11 | 2015-11-11 | 一种红外成像传感器典型效应仿真的验证方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105389591B (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106600635A (zh) * | 2016-11-03 | 2017-04-26 | 上海机电工程研究所 | 一种基于小子样的红外目标辐射特性仿真模型校核验证方法 |
CN107038706A (zh) * | 2017-05-16 | 2017-08-11 | 西安电子科技大学 | 基于自适应网格的红外图像置信度评估装置及方法 |
CN107807544A (zh) * | 2017-11-29 | 2018-03-16 | 吉林建筑大学 | 一种基于神经网络的半实物仿真红外噪声控制方法 |
CN108344738A (zh) * | 2018-01-22 | 2018-07-31 | 翰飞骏德(北京)医疗科技有限公司 | 用于羟磷灰石的成像方法及其装置 |
CN109799731A (zh) * | 2019-01-28 | 2019-05-24 | 北京环境特性研究所 | 多波段光学辐射式半实物仿真方法及系统 |
CN110398902A (zh) * | 2019-06-19 | 2019-11-01 | 上海机电工程研究所 | 光电信号仿真误差分析方法 |
CN111829666A (zh) * | 2020-07-17 | 2020-10-27 | 中国人民解放军火箭军工程大学 | 一种目标红外成像仿真模型的四级验证方法 |
CN112734744A (zh) * | 2021-01-20 | 2021-04-30 | 西安应用光学研究所 | 一种基于识别距离的红外成像仿真验证方法 |
CN113487692A (zh) * | 2021-06-08 | 2021-10-08 | 中国人民解放军93114部队 | 模拟红外成像系统的控制方法、设备和存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102609962A (zh) * | 2012-01-18 | 2012-07-25 | 中国人民解放军61517部队 | 热红外图像模拟方法 |
CN103148741A (zh) * | 2013-02-22 | 2013-06-12 | 北京经纬恒润科技有限公司 | 一种实现红外制导数字化仿真的方法及系统 |
CN103247069A (zh) * | 2013-05-16 | 2013-08-14 | 中国电子科技集团公司第四十一研究所 | 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 |
CN103455673A (zh) * | 2013-08-30 | 2013-12-18 | 西安电子科技大学 | 高超声速红外导引头成像仿真系统及方法 |
CN104165697A (zh) * | 2014-09-01 | 2014-11-26 | 西安电子科技大学 | 针对目标红外自发辐射偏振特性进行仿真的方法 |
-
2015
- 2015-11-11 CN CN201510767358.1A patent/CN105389591B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102609962A (zh) * | 2012-01-18 | 2012-07-25 | 中国人民解放军61517部队 | 热红外图像模拟方法 |
CN103148741A (zh) * | 2013-02-22 | 2013-06-12 | 北京经纬恒润科技有限公司 | 一种实现红外制导数字化仿真的方法及系统 |
CN103247069A (zh) * | 2013-05-16 | 2013-08-14 | 中国电子科技集团公司第四十一研究所 | 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 |
CN103455673A (zh) * | 2013-08-30 | 2013-12-18 | 西安电子科技大学 | 高超声速红外导引头成像仿真系统及方法 |
CN104165697A (zh) * | 2014-09-01 | 2014-11-26 | 西安电子科技大学 | 针对目标红外自发辐射偏振特性进行仿真的方法 |
Non-Patent Citations (2)
Title |
---|
娄树理等: "红外成像传感器建模与仿真技术研究发展", 《红外》 * |
李珂等: "《红外传感器模型的成像仿真效果分析》", 《计算机与数字工程》 * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106600635A (zh) * | 2016-11-03 | 2017-04-26 | 上海机电工程研究所 | 一种基于小子样的红外目标辐射特性仿真模型校核验证方法 |
CN107038706A (zh) * | 2017-05-16 | 2017-08-11 | 西安电子科技大学 | 基于自适应网格的红外图像置信度评估装置及方法 |
CN107807544A (zh) * | 2017-11-29 | 2018-03-16 | 吉林建筑大学 | 一种基于神经网络的半实物仿真红外噪声控制方法 |
CN108344738A (zh) * | 2018-01-22 | 2018-07-31 | 翰飞骏德(北京)医疗科技有限公司 | 用于羟磷灰石的成像方法及其装置 |
CN109799731A (zh) * | 2019-01-28 | 2019-05-24 | 北京环境特性研究所 | 多波段光学辐射式半实物仿真方法及系统 |
CN109799731B (zh) * | 2019-01-28 | 2021-09-24 | 北京环境特性研究所 | 多波段光学辐射式半实物仿真方法及系统 |
CN110398902A (zh) * | 2019-06-19 | 2019-11-01 | 上海机电工程研究所 | 光电信号仿真误差分析方法 |
CN110398902B (zh) * | 2019-06-19 | 2021-09-24 | 上海机电工程研究所 | 光电信号仿真误差分析方法 |
CN111829666A (zh) * | 2020-07-17 | 2020-10-27 | 中国人民解放军火箭军工程大学 | 一种目标红外成像仿真模型的四级验证方法 |
CN112734744A (zh) * | 2021-01-20 | 2021-04-30 | 西安应用光学研究所 | 一种基于识别距离的红外成像仿真验证方法 |
CN112734744B (zh) * | 2021-01-20 | 2024-03-26 | 西安应用光学研究所 | 一种基于识别距离的红外成像仿真验证方法 |
CN113487692A (zh) * | 2021-06-08 | 2021-10-08 | 中国人民解放军93114部队 | 模拟红外成像系统的控制方法、设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN105389591B (zh) | 2018-06-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105389591A (zh) | 一种红外成像传感器典型效应仿真的验证方法 | |
Zalama et al. | Road crack detection using visual features extracted by Gabor filters | |
CN112052755B (zh) | 基于多路注意力机制的语义卷积高光谱图像分类方法 | |
Horé et al. | Is there a relationship between peak‐signal‐to‐noise ratio and structural similarity index measure? | |
CN102567977B (zh) | 一种基于小波的红外偏振图像自适应融合方法 | |
CN111610524B (zh) | 一种基于一维变分算法的冰云廓线反演方法及系统 | |
CN113009447B (zh) | 基于深度学习和探地雷达的道路地下空洞检测预警方法 | |
CN110619352A (zh) | 基于深度卷积神经网络的典型红外目标分类方法 | |
CN111489301A (zh) | 一种基于迁移学习用图像深度信息引导的图像去雾方法 | |
CN111126134A (zh) | 基于非指纹信号消除器的雷达辐射源深度学习识别方法 | |
Cheng et al. | IRT-GAN: A generative adversarial network with a multi-headed fusion strategy for automated defect detection in composites using infrared thermography | |
CN109829547B (zh) | 一种基于深度学习的一维综合孔径微波辐射计sst反演方法 | |
Mostajabi et al. | Single-sensor source localization using electromagnetic time reversal and deep transfer learning: application to lightning | |
Andrushia A et al. | Deep learning based thermal crack detection on structural concrete exposed to elevated temperature | |
Song et al. | Inversion of rough surface parameters from SAR images using simulation-trained convolutional neural networks | |
CN112180369A (zh) | 基于深度学习的一维综合孔径辐射计海面风速反演方法 | |
CN103955711B (zh) | 一种成像光谱目标识别分析中的模式识别方法 | |
Li et al. | A real-time infrared imaging simulation method with physical effects modeling of infrared sensors | |
CN112200264B (zh) | 基于散射复用的高通量免成像分类方法与装置 | |
Yao et al. | Cloud detection of GF‐7 satellite laser footprint image | |
CN115438566A (zh) | 一种基于全连接和rnn神经网络的大气辐射传输模型模拟方法 | |
Wang et al. | Infrared image complexity metric for automatic target recognition based on neural network and traditional approach fusion | |
Camus et al. | Robust SAR ATR on MSTAR with Deep Learning Models trained on Full Synthetic MOCEM data | |
Zhang et al. | Swin transformer network leveraging multi-dimensional features for defect depth prediction | |
Zhang et al. | No-reference image quality assessment based on quality patches in real time |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20180608 Termination date: 20211111 |
|
CF01 | Termination of patent right due to non-payment of annual fee |