CN108010124B - 基于辐射传递的大视场红外探测图像仿真方法 - Google Patents
基于辐射传递的大视场红外探测图像仿真方法 Download PDFInfo
- Publication number
- CN108010124B CN108010124B CN201711444908.1A CN201711444908A CN108010124B CN 108010124 B CN108010124 B CN 108010124B CN 201711444908 A CN201711444908 A CN 201711444908A CN 108010124 B CN108010124 B CN 108010124B
- Authority
- CN
- China
- Prior art keywords
- image
- radiation intensity
- radiation
- field
- simulation
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Transforming Light Signals Into Electric Signals (AREA)
Abstract
一种基于辐射传递的大视场红外探测图像仿真方法,方法的输入涉及两类图像,第一类为场景灰度图像,该类图像为大视场图像,对应的谱段与待仿真谱段相似但不相同;第二类为辐射亮度测量图像,该类图像为场景的多幅小视场图像,对应的谱段与待仿真谱段相同。一、将大视场场景灰度图像进行几何分辨率调整,调整至要求的分辨率;二、建立大视场场景灰度图像中的灰度与多幅小视场辐射亮度测量图像中的强度之间的线性辐射传递关系,将大视场场景灰度图像转换为辐射强度图像;三、基于点目标对应的探测信噪比指标计算噪声均方差,添加对应强度的高斯噪声完成噪声仿真;四、随机添加一定辐射强度的点目标并对辐射图像量化完成图像仿真。
Description
技术领域
本发明涉及一种基于辐射传递的大视场红外探测图像仿真方法,属于目标检测技术领域。
背景技术
云背景中红外点目标检测算法的设计、测试都离不开图像源,针对场景中的中层云、高层卷云或冰晶云等不同类型云场对目标检测算法性能的测试必不可少,因此大视场红外探测图像的快速仿真具有一定应用需求。
目前,基于三维辐射传输计算的探测器辐射图像仿真是红外探测图像仿真的高精度方法,该方法通过逐次散射迭代进行多次散射源函数计算,一次性计算整个物理场的源函数,而后对3D物理场进行严格的三维辐射传输解算。但该方法与谱段以及云场景中的物质成分严格相关,计算速度较慢。
发明内容
本发明提出了基于辐射传递的大视场红外探测图像仿真方法,以避免大视场图像仿真复杂三维辐射传输中计算速度较慢的问题,为此本发明采用如下的技术方案:
一种基于辐射传递的大视场红外探测图像仿真方法,包括:
步骤一、以谱段Δλ作为图像仿真谱段,统计Δλ谱段对应的复杂云背景条件下的多幅小视场辐射亮度测量图像中的辐射亮度最大值Lmax和最小值Lmin;
步骤二、选择相近谱段ΔλA的复杂云背景条件下的大视场灰度图像A,由于亮度为场景的固有属性,在大视场中场景辐射亮度的最大值和最小值同样分别为Lmax和Lmin;对图像进行双线性插值至仿真要求的分辨率d(m),得到图像G;将图像G中像元对应的辐射亮度值转化为辐射强度值,具体方式为:
I(W/sr)=L(W/(sr·m2))×d2(m2)
其中,I为辐射强度;
步骤三、大视场灰度图像G中像素灰度范围为Gmin~Gmax,对应的强度范围为Imin~Imax,灰度与辐射强度之间的线性系数R为:
其中,Imax和Imin分别为Lmax、Lmin对应的辐射强度;
步骤四、对大视场灰度图像G中的像素灰度进行辐射强度赋值,具体方式为:
F(x,y)=R·[G(x,y)-Gmin]+Imin
其中,G(x,y)为大场景图像中(x,y)处的像素灰度,F(x,y)为对应的辐射强度。
步骤五、目标的探测性能一般用辐射强度IT时的探测信噪比SNRT描述,即为SNRT=IT/σ,其中σ为探测器时间噪声均方差,噪声满足高斯分布;IT为目标辐射强度,则噪声均方差可描述为:
σ=IT/SNRT
则添加噪声的图像表示为:
FN(x,y)=F(x,y)+N(x,y)
其中,FN(x,y)为添加噪声后辐射强度分布图,N(x,y)为0均值,均方差为σ的高斯噪声;
步骤六、根据目标辐射强度与数量要求,在添加噪声的辐射强度分布图像中随机位置处添加特定能量ITAR的点形态目标,则添加目标的图像表示为:
FT(x,y)=FN(x,y)+ITARδ(x-x′,y-y′)
其中,当x=x′,y=y′时,δ(x-x′,y-y′)=1;否则,δ(x-x′,y-y′)=0;FT(x,y)为添加目标后辐射强度分布图,(x′,y′)为随机添加目标的位置,ITAR为目标的强度;
步骤七、根据量化策略对添加目标后的辐射强度分布图进行量化,完成对图像的仿真。量化策略可通过辐射强度与辐射量化步长IΔ进行比值得到。具体来说,采用辐射量化步长IΔ进行量化仿真方法为:
其中,DN(x,y)为输出图像,fix(·)为向最近的整数取整操作。
所述大视场灰度图像的对应谱段与待仿真谱段相似。
基于辐射传递的大视场红外探测图像仿真方法,包括;
第一辐射强度分布图像生成模块,用于利用大视场灰度图像及多幅小视场辐射亮度测量图像获得待仿真谱段对应的第一辐射强度分布图像;
第二辐射强度分布图像生成模块,用于根据目标的探测信噪比添加噪声到第一辐射强度仿真图像中,得到第二辐射强度分布图像;
第三辐射强度分布图像生成模块,用于随机添加特定的能量点形态目标到所述第二辐射强度分布图像中,获得第三辐射强度分布图像;
灰度仿真图像生成模块,用于对所述第三辐射强度分布图像进行量化,得到灰度仿真图像。
本发明面向点目标检测算法性能测试应用的图像快速仿真需求,提出了基于辐射传递的大视场红外探测图像快速仿真方法。该方法避免了大视场图像仿真中的复杂三维辐射传输计算,基于小视场辐射亮度测量图像与大视场灰度图像建立辐射传递模型,基于点目标探测信噪比建立探测特性模型,实现了含有点目标的大视场红外探测图像的快速仿真。
附图说明
图1为本发明所述的基于辐射传递的图像仿真方法的流程示意图。
图2为本发明所述的基于辐射传递的图像仿真方法中步骤11的流程示意图。
图3为本发明所述的基于辐射传递的图像仿真方法中步骤12的流程示意图。
图4(1)为实施例一的具体实施步骤中大视场图像源的示意图。
图4(2)为实施例一的具体实施步骤中对大视场图像源进行分辨率调整后的示意图。
图5(a)为实施例一中的6幅小视场MODIS图像中的一幅示意图。
图5(b)为实施例一中的6幅小视场MODIS图像中的一幅示意图。
图5(c)为实施例一中的6幅小视场MODIS图像中的一幅示意图。
图5(d)为实施例一中的6幅小视场MODIS图像中的一幅示意图。
图5(e)为实施例一中的6幅小视场MODIS图像中的一幅示意图。
图5(f)为实施例一中的6幅小视场MODIS图像中的一幅示意图。
图6为实施例一中6.535-6.895μm的射强度分布图像F0的示意图。
图7为实施例一中第二辐射强度分布图像Fn的示意图。
图8为实施例一中第三辐射强度分布图像Ft的示意图。
图9为实施例一中量化后的灰度仿真图像DN的示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
结合图1所示,本具体实施方式提供的基于辐射传递的大视场红外探测图像仿真方法包括:
步骤11、利用大视场灰度图像及多幅小视场辐射亮度测量图像获得待仿真谱段对应的第一辐射强度分布图像。
步骤12、根据目标的探测信噪比添加噪声到第一辐射强度仿真图像中,得到第二辐射强度分布图像。
步骤13、随机添加特定的能量点形态目标到所述第二辐射强度分布图像中,获得第三辐射强度分布图像。
步骤14、对所述第三辐射强度分布图像进行量化,得到灰度仿真图像。
可选的,结合图2所示,步骤11可以具体包括:
步骤110、统计待仿真谱段对应的复杂云背景下的多幅小视场辐射亮度图像中的辐射亮度最大值和最小值。
其中,若待仿真谱段为Δλ,统计Δλ谱段对应的复杂云背景条件下的多幅小视场辐射亮度测量图像中的辐射亮度最大值Lmax和最小值Lmin。
步骤111、对所述预定大视场灰度图像A进行双线性插值至仿真要求的分辨率d后得到图像G,并将所述图像G中像元对应的辐射亮度值转化为辐射强度值。
其中,大视场灰度图像A根据待仿真谱段确定,即选择与Δλ相近的谱段ΔλA的复杂云背景条件下的大视场灰度图像A,由于辐射亮度值为场景的固有属性,在大视场中场景辐射亮度的最大值和最小值同样分别为Lmax和Lmin;对图像进行双线性插值至仿真要求的分辨率d(单位:m),得到图像G;将图像G中像元对应的辐射亮度值转化为辐射强度值,具体方式为:
I=L×d2
其中,I为辐射强度,单位为(W/sr);L为辐射亮度值,单位为(W/(sr·m2))。
步骤112、根据所述图像G中的像素灰度范围和辐射强度范围计算得到灰度与辐射强度之间的线性系数R。
步骤113、根据所述线性系数R对所述图像G中的像素灰度进行线性辐射强度赋值,获得待仿真谱段对应的第一辐射强度分布图像F。
其中,对图像G中的像素灰度进行辐射强度赋值的方式包括但不限于:
F(x,y)=R·[G(x,y)-Gmin]+Imin
其中,F(x,y)为第一辐射强度分布图像F中(x,y)处的辐射强度,G(x,y)为图像G中(x,y)处的像素灰度。
可选的,结合图3所示,步骤12可以具体包括:
步骤121、计算噪声均方差σ=IT/SNRT,其中,IT为目标辐射强度,SNRT为目标的探测信噪比。
步骤122、根据所述噪声均方差以空间高斯分布添加噪声生成第二辐射强度分布图像。
其中,第二辐射强度分布图像可以表示为:
FN(x,y)=F(x,y)+N(x,y)
其中,FN(x,y)为添加噪声后辐射强度分布图,N(x,y)为0均值,均方差为σ的高斯噪声;
可选的,步骤13可以具体包括:
根据目标辐射强度和数量要求在所述第二辐射强度分布图像中随机添加特定的能量点形态目标,获得第三辐射强度分布图像。
其中,在第二辐射强度分布图像中随机添加特定能量点形态目标为:
FT(x,y)=FN(x,y)+ITARδ(x-x′,y-y′)
其中,当x=x′,y=y′时,δ(x-x′,y-y′)=1;否则,δ(x-x′,y-y′)=0;FT(x,y)为添加目标后辐射强度分布图,(x′,y′)为随机添加目标的位置,ITAR为目标的强度;
可选的,步骤14可以具体包括:
根据量化策略对所述第三辐射强度分布图像进行量化,得到灰度仿真图像,所述量化策略根据目标辐射强度与量化步长确定。
其中,量化策略可通过辐射强度与辐射量化步长IΔ进行比值得到。具体地,采用辐射量化步长IΔ进行量化仿真方法为:
其中,DN(x,y)为输出图像,fix(·)为向最近的整数取整操作。
实施例一
下面以实验中利用待仿真谱段为6.535-6.895μm谱段为例,选择6.535-6.895μm谱段对应的MODIS(中分辨成像光谱仪)多幅小视场的辐射亮度图像以及6.3-7.6μm谱段的分辨率为1km的大视场图像,仿真6.535-6.895μm谱段的分辨率为0.25km的包含点目标的大视场红外探测图像。其具体实施步骤如下:
(1)对该大视场图像进行分辨率调整,由于图像分辨率约为1km,而仿真图分辨率要求为250m,需对原图进行4倍双线性插值将分辨率等效至250m,为了方便说明处理过程,如图4(1)和图4(2)所示为对场景图像源进行分辨率调整过程,其中每个网格代表一个像素。
(2)统计辐射用图如图5(a)、图5(b)、图5(c)、图5(d)、图5(e)和图5(f)所示,统计6幅MODIS图像辐射亮度最大值Lmax和最小值Lmin。
表1
表1所示为辐射亮度最值的统计结果,分析可知待仿真波段的Lmax=0.9073,Lmin=0.2707,单位W/(Sr·m2)。
(3)利用步骤(2)中结果计算6.535-6.895μm谱段的辐射强度范围如表2所示。
表2
最大值 | 最小值 | |
辐射亮度(单位:W/(sr·m<sup>2</sup>)) | 0.9073 | 0.2707 |
辐射强度(单位:W/sr) | 5.67×10<sup>4</sup> | 1.69×10<sup>4</sup> |
然后利用大视场图像的灰度范围计算线性辐射赋值系数R:
(4)将R与分辨率调整后的灰度图像相乘并加该波段的最小辐射强度Imin,如图6所示为6.535-6.895μm的第一辐射强度分布图像F。
如图7所示为添加该噪声均方差的高斯噪声后的第二辐射强度分布图像FN。
(6)第二辐射强度分布图像FN中添加一定辐射强度的点目标,如图8所示为在辐射强度图FN中随机添加20个40000W/Sr的目标后的第三辐射强度分布图像FT。
(7)对第三辐射强度分布图像FT量化,量化步长IΔ=200W/(Sr·DN),如图9所示为量化后的灰度仿真图像DN。
采用本实施例提出的基于辐射传递的大视场红外探测图像仿真方法通过大视场灰度图像与小视场辐射亮度测量图像建立辐射传递模型,并基于点目标探测信噪比建立探测特性模型,实现了含有点目标的大视场红外探测图像的快速仿真,降低了计算复杂度,提高了仿真速度。
以上所述,仅为本发明较佳的具体实施方式,这些具体实施方式都是基于本发明整体构思下的不同实现方式,而且本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应该以权利要求书的保护范围为准。
Claims (3)
1.一种基于辐射传递的大视场红外探测图像仿真方法,其特征在于,
步骤一、以谱段Δλ作为图像仿真谱段,统计Δλ谱段对应的复杂云背景条件下的多幅小视场辐射亮度测量图像中的辐射亮度最大值Lmax和最小值Lmin;
步骤二、选择相近谱段ΔλA的复杂云背景条件下的大视场灰度图像A,由于亮度为场景的固有属性,在大视场中场景辐射亮度的最大值和最小值同样分别为Lmax和Lmin;对图像进行双线性插值至仿真要求的分辨率d,单位 m , 得到图像G;将图像G中像元对应的辐射亮度值转化为辐射强度值,具体方式为:
I=L×d2
其中,I为辐射强度,单位为W/sr;L为辐射亮度值,单位为W/(sr·m2);
步骤三、大视场灰度图像G中像素灰度范围为Gmin~Gmax,对应的强度范围为Imin~Imax,灰度与辐射强度之间的线性系数R为:
其中,Imax和Imin分别为Lmax、Lmin对应的辐射强度;
步骤四、对大视场灰度图像G中的像素灰度进行辐射强度赋值,具体方式为:
F(x,y)=R·[G(x,y)-Gmin]+Imin
其中,G(x,y)为大场景图像中(x,y)处的像素灰度,F(x,y)为对应的辐射强度;
步骤五、目标的探测性能一般用辐射强度IT时的探测信噪比SNRT描述,即为SNRT=IT/σ,其中σ为探测器时间噪声均方差,噪声满足高斯分布;IT为目标辐射强度,则噪声均方差可描述为:
σ=IT/SNRT
则添加噪声的图像表示为:
FN(x,y)=F(x,y)+N(x,y)
其中,FN(x,y)为添加噪声后辐射强度分布图,N(x,y)为0均值,均方差为σ的高斯噪声;
步骤六、根据目标辐射强度与数量要求,在添加噪声的辐射强度分布图像中随机位置处添加特定能量ITAR的点形态目标,则添加目标的图像表示为:
FT(x,y)=FN(x,y)+ITARδ(x-x′,y-y′)
其中,当x=x′,y=y′时,δ(x-x′,y-y′)=1;否则,δ(x-x′,y-y′)=0;FT(x,y)为添加目标后辐射强度分布图,(x′,y′)为随机添加目标的位置,ITAR为目标的强度;
步骤七、根据量化策略对添加目标后的辐射强度分布图进行量化,完成对图像的仿真,量化策略可通过辐射强度与辐射量化步长IΔ进行比值得到, 具体来说,采用辐射量化步长IΔ进行量化仿真方法为:
其中,DN(x,y)为输出图像,fix(·)为向最近的整数取整操作。
2.根据权利要求1所述的基于辐射传递的大视场红外探测图像仿真方法,所述大视场灰度图像的对应谱段与待仿真谱段相似。
3.一种基于权利要求1所述基于辐射传递的大视场红外探测图像仿真方法的系统,其特征在于,包括;
第一辐射强度分布图像生成模块,用于利用大视场灰度图像及多幅小视场辐射亮度测量图像获得待仿真谱段对应的第一辐射强度分布图像;
第二辐射强度分布图像生成模块,用于根据目标的探测信噪比添加噪声到第一辐射强度仿真图像中,得到第二辐射强度分布图像;
第三辐射强度分布图像生成模块,用于随机添加特定的能量点形态目标到所述第二辐射强度分布图像中,获得第三辐射强度分布图像;
灰度仿真图像生成模块,用于对所述第三辐射强度分布图像进行量化,得到灰度仿真图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711444908.1A CN108010124B (zh) | 2017-12-27 | 2017-12-27 | 基于辐射传递的大视场红外探测图像仿真方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711444908.1A CN108010124B (zh) | 2017-12-27 | 2017-12-27 | 基于辐射传递的大视场红外探测图像仿真方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108010124A CN108010124A (zh) | 2018-05-08 |
CN108010124B true CN108010124B (zh) | 2021-03-30 |
Family
ID=62061692
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711444908.1A Active CN108010124B (zh) | 2017-12-27 | 2017-12-27 | 基于辐射传递的大视场红外探测图像仿真方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108010124B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109685868A (zh) * | 2019-01-04 | 2019-04-26 | 北京环境特性研究所 | 一种红外图像生成方法和装置 |
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 |
CN113589318B (zh) * | 2021-07-30 | 2023-09-19 | 上海无线电设备研究所 | 一种星载红外凝视相机入瞳辐射图像仿真方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103559722A (zh) * | 2013-11-25 | 2014-02-05 | 哈尔滨工业大学 | 基于灰度线性建模的序列图像抖动量计算方法 |
CN105953921A (zh) * | 2016-04-15 | 2016-09-21 | 北京航空航天大学 | 气溶胶参数差异条件下对地观测辐射图像的快速仿真方法 |
-
2017
- 2017-12-27 CN CN201711444908.1A patent/CN108010124B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103559722A (zh) * | 2013-11-25 | 2014-02-05 | 哈尔滨工业大学 | 基于灰度线性建模的序列图像抖动量计算方法 |
CN105953921A (zh) * | 2016-04-15 | 2016-09-21 | 北京航空航天大学 | 气溶胶参数差异条件下对地观测辐射图像的快速仿真方法 |
Non-Patent Citations (5)
Title |
---|
《Background suppression for cloud clutter using temporal difference projection》;Jinnan Gong等;《Infrared Physics & Technology》;20140212;第66-72页 * |
《Non-local and nonlinear background suppression method controlled by multi-scale clutter metric》;Jinnan Gong等;《Infrared Physics & Technology》;20150307;第18-27页 * |
《扫描非均匀性对点目标探测影响》;巩晋南等;《红外与激光工程》;20151130;第3282-3287页 * |
《红外云杂波下点目标检测算法性能评价》;巩晋南等;《哈尔滨工程大学学报》;20150430;第577-580页 * |
《红外扫描过采样系统点目标检测性能分析与仿真》;林两魁等;《光学学报》;20160531;第273-279页 * |
Also Published As
Publication number | Publication date |
---|---|
CN108010124A (zh) | 2018-05-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108010124B (zh) | 基于辐射传递的大视场红外探测图像仿真方法 | |
Böhm et al. | The Tully-Fisher relation at intermediate redshift | |
CN106845024B (zh) | 一种基于波前反演的光学卫星在轨成像仿真方法 | |
US20060188161A1 (en) | Process for finding endmembers in a data set | |
CN107958450B (zh) | 基于自适应高斯滤波的全色多光谱影像融合方法及系统 | |
CN103377474A (zh) | 镜头阴影校正系数确定方法、镜头阴影校正方法及装置 | |
Kawakami et al. | Consistent surface color for texturing large objects in outdoor scenes | |
CN111932452B (zh) | 基于可见光图像增强的红外图像卷积神经网络超分辨方法 | |
CN104820970A (zh) | 基于在轨分类统计的红外影像相对辐射矫正方法 | |
CN105139432B (zh) | 基于高斯模型的红外弱小目标图像仿真方法 | |
CN110765631A (zh) | 基于有效成像像素的红外辐射特性测量小目标判断方法 | |
Cao et al. | Vignetting correction based on a two-dimensional Gaussian filter with harmony for area array sensors | |
CN117115669B (zh) | 双条件质量约束的对象级地物样本自适应生成方法及系统 | |
CN107918937B (zh) | 一种基于光谱辐射的目标与背景的物理叠合方法 | |
CN115988334B (zh) | 一种自校正的数字化相机移动遥感系统及方法 | |
CN112784747A (zh) | 高光谱遥感图像多尺度本征分解方法 | |
CN110702228B (zh) | 一种航空高光谱影像的边缘辐射校正方法 | |
CN111595781A (zh) | 一种曲面拟合的地面高光谱影像反射率校正方法 | |
CN108225731A (zh) | 彩色面阵相机mtf测试方法及装置 | |
CN110880192A (zh) | 基于概率密度函数字典的图像dct系数分布拟合方法 | |
CN110793472B (zh) | 一种基于四元数奇异值熵指标的磨削表面粗糙度检测方法 | |
CN105913394B (zh) | 一种基于退化图像序列的图像盲复原方法 | |
CN113887124A (zh) | 一种多维混合气象下光伏电站云层分布状态预测方法 | |
Lyu et al. | Reflectance reconstruction of hyperspectral image based on gaussian surface fitting | |
Wu et al. | A novel fog-degraded image restoration model of golden scale extraction in color space |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |