CN106600635A - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN106600635A CN106600635A CN201610959389.1A CN201610959389A CN106600635A CN 106600635 A CN106600635 A CN 106600635A CN 201610959389 A CN201610959389 A CN 201610959389A CN 106600635 A CN106600635 A CN 106600635A
- Authority
- CN
- China
- Prior art keywords
- target
- infrared
- radiation
- phantom
- simulation model
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10048—Infrared image
Landscapes
- Radiation Pyrometers (AREA)
Abstract
本发明公开了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,包括如下步骤:获取真实目标在不同状态下的红外辐射图像,并读取红外辐射亮度数据;在相同的条件下,运行仿真模型,输出目标红外辐射亮度数据;对真实数据和模拟数据分别进行统计,分别形成辐射亮度直方图;在直方图中选取具有代表性的辐射亮度区间,统计区间内的辐射亮度分布数;采用秩和检验法,计算秩和检验的统计量,判断真实数据和模拟数据是否属于同一样本。本发明为只有很少实测样本的情况下,进行仿真模型校验提供了一种简便有效的方法,能够广泛应用于目标或环境电磁辐射仿真模型的校核与验证。
Description
技术领域
本发明涉及建模仿真领域,尤其涉及一种支持只有少量样本的情况下进行仿真模型校核验证的简便有效的方法。
背景技术
仿真模型校核验证是为了保证仿真模型有效性而开展的一项工作,模型验证过程就是确定仿真模型逼近仿真对象程度的过程。目前的仿真是模型驱动的,模型的有效与否,直接决定了仿真是否可信。
仿真模型校验方法一般有定性和定量两种。定性方法典型的有图灵测试法、图形比较法等,主要是根据专家的经验从主观上判断仿真模型的有效性。定量方法通常以真实系统为参考,采用统计分析方法或数学解析方法,在相同输入条件下,比较仿真系统与参考系统输出之间的差异。
仿真模型定性校验,操作简便易行,成本低,但定性方法依赖专家经验的主观判断,置信度上难以保证。定量校验以真实系统为参考,置信度有保证,但成本高,校验过程复杂,效率较低。
发明内容
针对红外目标辐射特性仿真模型的特点,以及现有校验法的不足,本发明提出了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,降低了仿真模型校验的成本和复杂度,同时在一定程度上保证仿真模型校核的置信度。
目标的红外辐射特性形成的红外图像具有的以下特点:1.相同状态下的同一类目标,其红外辐射亮度分布相同;2.红外目标具有明显的辐射特征区域,如飞行器的尾焰、进气口、蒙皮等。根据上述特点,本发明采用如下方案实现基于小子样的红外目标辐射特性仿真模型校验:
S1、获取真实目标在不同状态下的红外辐射图像,并读取红外辐射亮度真实数据;
S2、根据步骤S1中的目标状态,采用相同的状态参数,运行仿真模型,输出目标红外辐射亮度模拟数据;
S3、对真实数据和模拟数据分别进行统计,形成各自的辐射亮度直方图;
S4、在直方图中选取具有代表性的辐射亮度特征区间,分别统计区间内真实数据和模拟数据的辐射亮度分布数;
S5、采用秩和检验法,计算秩和检验的统计量,判断真实数据和模拟数据是否属于同一样本,如果属于同一样本,则说明仿真模型具体较好的置信度,否则,说明仿真模型存在较大误差,需重新调整模型参数,再进行校验。
优选地,所述步骤S2中目标状态是指目标相对观测者的俯仰角、偏航角,目标的运动参数等。
优选地,所述步骤S3中的直方图的横坐标为目标的辐射亮度,纵坐标为像素值。
优选地,上述步骤S4中的辐射亮度特征区间包括
1)目标的最大辐射亮度区域;
2)辐射图像中的背景区域;
3)目标表面辐射亮度;
4)目标具有明显红外辐射特性的区域。
上述方法可用于样本量很少的情况下的模型校验。
与现有技术相比,本发明具有以下有益效果:
既降低了仿真模型校核验证的成本和复杂度,同时在很大程度上保证了模型校验的置信度。
附图说明
以下将结合附图和实施例对本发明作进一步详细说明。
图1为本发明实施例的仿真模型校核验证流程图;
图2为本发明实施例中飞行器不同状态下的红外辐射图及相应的直方图;
图3为本发明实施例中不同状态下的飞行器特征区域的红外辐射直方图读数表
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明,但不以任何形式限制本发明。应当指出的是,对本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进。这些都属于本发明的保护范围。
实施例
本实施例以空中某飞行器的红外辐射特性仿真模型为例。
如图1所示,在步骤101中,为了降低空中目标飞行状态参数的难度,红外辐射图像采集设备架设下飞行器飞行航线的正下方。飞行器以固定的速度,在固定的高度上巡航,这样就可以保证目标相对观测者的偏航角、目标的运动等状态参数保持不变,改变的只有俯仰角,而且俯仰角可以计算得出。
本实施例中,选取俯仰角分别为5度、10度、15度、20度、25度等5个状态,其它参数保持不变。读取这5个状态下的红外辐射图像数据,为了叙述方便,以下简称“真实目标图像”。
在步骤102中,运行仿真模型。仿真模型输入的状态参数必须与步骤101中真实目标的状态参数完全一致。即俯仰角分别为5度、10度、15度、20度、25度,偏航角、飞行高度、飞行速度等参数与真实目标相同,并保持不变。仿真模型输出仿真目标红外辐射图像,为了叙述方便,以下简称“模拟目标图像”。
在步骤103中,分别统计真实目标图像和模拟目标图像,得到它们各自的辐射亮度直方图。直方图的横坐标为目标的辐射亮度,纵坐标为像素值。为了方便比较,纵坐标为对数坐标。如图2所示。
在步骤104中,选取4个具有代表性的辐射亮度特征区域,分别是尾焰、进气口、蒙皮和背景。统计这4个区域辐射亮度所对应的像素值。图3所示为目标在5个不同状态下,4个特征区域,真实目标和模拟目标的统计结果。
在105步骤中,根据图3所示结果,分别对步骤104中所述4个特征区域进行秩和检验,计算秩和检验的统计量。
在106步骤中,根据步骤105中的统计结果,判断真实数据和模拟数据是否来自同一样本,如果是,则说明仿真模型能够较好地模拟真实目标;如果否,则重新调整建模参数,再重复步骤102~106。
以上对本发明的具体实施例进行了描述。需要理解的是,本发明并不局限于上述特定实施方式,本领域技术人员可以在权利要求的范围内做出各种变形或修改,这并不影响本发明的实质内容。
Claims (4)
1.一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,其特征在于,包括如下步骤:
S1、获取真实目标在不同状态下的红外辐射图像,并读取红外辐射亮度真实数据;
S2、根据步骤S1中的目标状态,采用相同的状态参数,运行仿真模型,输出目标红外辐射亮度模拟数据;
S3、对真实数据和模拟数据分别进行统计,形成各自的辐射亮度直方图;
S4、在直方图中选取具有代表性的辐射亮度区间,分别统计区间内真实数据和模拟数据的辐射亮度分布数;
S5、采用秩和检验法,计算秩和检验的统计量,判断真实数据和模拟数据是否属于同一样本,如果属于同一样本,则说明仿真模型具体较好的置信度,否则,说明仿真模型存在较大误差,需重新调整模型参数,再进行校验。
2.根据权利要求1所述的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,其特征在于,所述步骤S1中的不同状态主要包括目标相对观测者的俯仰角、偏航角,目标的运动参数。
3.根据权利要求1所述的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,其特征在于,所述直方图的横坐标为目标的辐射亮度,纵坐标为像素值。
4.根据权利要求1所述的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,其特征在于,所述步骤S4中代表性辐射亮度区间包括
1)目标的最大辐射亮度区域;
2)辐射图像中的背景区域;
3)目标表面辐射亮度;
4)目标具有明显红外辐射特性的区域。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610959389.1A CN106600635A (zh) | 2016-11-03 | 2016-11-03 | 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 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610959389.1A CN106600635A (zh) | 2016-11-03 | 2016-11-03 | 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 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106600635A true CN106600635A (zh) | 2017-04-26 |
Family
ID=58589570
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610959389.1A Pending CN106600635A (zh) | 2016-11-03 | 2016-11-03 | 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 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106600635A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109255393A (zh) * | 2018-09-30 | 2019-01-22 | 上海机电工程研究所 | 基于随机森林的红外成像导引头抗干扰性能评估方法 |
CN110083972A (zh) * | 2019-05-10 | 2019-08-02 | 西北工业大学 | 飞机目标的红外拉偏仿真方法 |
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 |
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 (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1925582A (zh) * | 2005-08-24 | 2007-03-07 | 英特尔公司 | 使用亮度直方图改善对比度增强的技术 |
CN202026401U (zh) * | 2010-12-27 | 2011-11-02 | 特视瞰光电科技(深圳)有限公司 | 一种带图像修正增强功能的监控摄像机 |
CN104778453A (zh) * | 2015-04-02 | 2015-07-15 | 杭州电子科技大学 | 一种基于红外行人亮度统计特征的夜间行人检测方法 |
CN105389591A (zh) * | 2015-11-11 | 2016-03-09 | 中国人民解放军海军航空工程学院 | 一种红外成像传感器典型效应仿真的验证方法 |
-
2016
- 2016-11-03 CN CN201610959389.1A patent/CN106600635A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1925582A (zh) * | 2005-08-24 | 2007-03-07 | 英特尔公司 | 使用亮度直方图改善对比度增强的技术 |
CN202026401U (zh) * | 2010-12-27 | 2011-11-02 | 特视瞰光电科技(深圳)有限公司 | 一种带图像修正增强功能的监控摄像机 |
CN104778453A (zh) * | 2015-04-02 | 2015-07-15 | 杭州电子科技大学 | 一种基于红外行人亮度统计特征的夜间行人检测方法 |
CN105389591A (zh) * | 2015-11-11 | 2016-03-09 | 中国人民解放军海军航空工程学院 | 一种红外成像传感器典型效应仿真的验证方法 |
Non-Patent Citations (2)
Title |
---|
任亮等: "基于ANSYS的目标红外特性建模与仿真方法", 《红外与激光工程》 * |
张金槐: "特小子样场合下,Bayes方法与仿真在飞行器试验分析中的运用", 《系统仿真学报》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109255393A (zh) * | 2018-09-30 | 2019-01-22 | 上海机电工程研究所 | 基于随机森林的红外成像导引头抗干扰性能评估方法 |
CN110083972A (zh) * | 2019-05-10 | 2019-08-02 | 西北工业大学 | 飞机目标的红外拉偏仿真方法 |
CN110083972B (zh) * | 2019-05-10 | 2022-02-01 | 西北工业大学 | 飞机目标的红外拉偏仿真方法 |
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 |
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 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107202982B (zh) | 一种基于无人机位姿计算的信标布置及图像处理方法 | |
US10262236B2 (en) | Neural network training image generation system | |
CN106600635A (zh) | 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 | |
US20200034651A1 (en) | Identifying and Excluding Blurred Areas of Images of Stained Tissue To Improve Cancer Scoring | |
Kim et al. | Development of crack detection system with unmanned aerial vehicles and digital image processing | |
CN110070008A (zh) | 一种采用无人机图像的桥梁病害识别方法 | |
CN111899241B (zh) | 一种定量化的炉前pcb贴片缺陷在线检测方法及系统 | |
Li et al. | Soft measurement of wood defects based on LDA feature fusion and compressed sensor images | |
CN102073846B (zh) | 基于航拍图像的交通信息获取方法 | |
CN111091544B (zh) | 铁路货车转向架侧面一体架构断裂故障检测方法 | |
CN110910350B (zh) | 一种用于风电塔筒的螺母松动检测方法 | |
CN109946303A (zh) | 检查装置和方法 | |
CN113469953B (zh) | 一种基于改进YOLOv4算法的输电线路绝缘子缺陷检测方法 | |
CN108764082A (zh) | 一种飞机目标检测方法、电子设备、存储介质及系统 | |
CN104680185B (zh) | 基于边界点重分类的高光谱图像分类方法 | |
CN103295021A (zh) | 一种静态图片中车辆特征检测及识别的方法及系统 | |
CN114066857A (zh) | 红外图像质量评价方法、装置、电子设备及可读存储介质 | |
CN110133443A (zh) | 基于平行视觉的输电线路部件检测方法、系统、装置 | |
CA2897324A1 (en) | Real-time management of data relative to an aircraft's flight test | |
CN109509188A (zh) | 一种基于hog特征的输电线路典型缺陷识别方法 | |
Zhao | Robust wood species recognition using variable color information | |
CN113469950A (zh) | 一种基于深度学习的复合绝缘子异常发热缺陷的诊断方法 | |
CN108876908A (zh) | 一种基于重建模型完整度的空间目标三维重建评估方法及应用 | |
US7899236B2 (en) | Evaluation of optical distortion in a transparency | |
US8320662B2 (en) | Distinguishing colors of illuminated objects using machine vision |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170426 |