CN109584370B - 一种目标与背景红外场景仿真的方法 - Google Patents

一种目标与背景红外场景仿真的方法 Download PDF

Info

Publication number
CN109584370B
CN109584370B CN201811394843.9A CN201811394843A CN109584370B CN 109584370 B CN109584370 B CN 109584370B CN 201811394843 A CN201811394843 A CN 201811394843A CN 109584370 B CN109584370 B CN 109584370B
Authority
CN
China
Prior art keywords
infrared
target
background
value
image
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
Application number
CN201811394843.9A
Other languages
English (en)
Other versions
CN109584370A (zh
Inventor
成志铎
罗晔
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Vire Technology Co ltd
Original Assignee
Beijing Vire Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Vire Technology Co ltd filed Critical Beijing Vire Technology Co ltd
Priority to CN201811394843.9A priority Critical patent/CN109584370B/zh
Publication of CN109584370A publication Critical patent/CN109584370A/zh
Application granted granted Critical
Publication of CN109584370B publication Critical patent/CN109584370B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
    • 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

  • 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)

Abstract

本发明公开一种目标与背景红外场景仿真的方法，该方法包括：该方法包括：获取目标与背景红外场景中的目标的红外特征；根据所述目标的红外特征调整所述目标与背景红外场景中目标和背景的红外图像特征。

Description

一种目标与背景红外场景仿真的方法
技术领域
本发明涉及红外仿真领域，尤其涉及一种目标与背景红外场景仿真的方法。
背景技术
真实的空间环境非常复杂，为了实现目标及背景红外特性的感知，对复杂环境下的目标及背景红外特征的预测仿真模型的可信度进行评估变得尤为重要。
在现有技术中，一种实现方式是从目标及背景的红外特征出发，通过建立目标与背景三维热模型，利用网格划分，数值求解三维流体方程以及热方程，例如导热方程、对流方程、辐射方程等，重点解决目标与复杂背景环境的热交互现象，进而准确求解得到目标与背景的红外特征。图1示出了具体的仿真流程。从该流程可以看出，首先进行几何建模，例如目标(例如车辆或者房屋等)的几何结构，背景中的山川、河流、沙漠等的几何结构，然后对几何模型进行网格划分，利用目标及背景参数以及热边界条件得到目标与背景环境温度计算模型，根据该目标与背景环境温度计算模型得到目标与背景环境温度分布；进一步地，依据目标与背景环境温度分布，几何构建、运行状态、隐身措施、热物性参数、表面光学参数等，以及辐射参数得到目标与背景红外辐射计算模型，并进一步根据该计算模型以及大气传输特性得到目标与背景红外辐射特征。
已经有一些成熟的软件可以利用上述的技术方案实现了红外辐射特征的仿真，例如基于物理特性的红外特征模型(physically reasonable infrared signature model，PRISM)、RadThermIR、多服务光电特征(Multi-Service Electro-optic Signature，MuSES)、目标红外特性分析软件(VINIR)以及车辆红外辐射特性计算集成软件等。该方案的点是对目标能够进行详细的热建模，能够精确求解出某一时刻某种状态下目标的红外辐射特征，但是由于目标与背景环境的复杂性，例如几何模型复杂，建立逼真的三维模型难度较大，因为如果按照真实模型建立，该模型的网格划分难度大且网格数量巨大，不便进行工程计算，一次仿真可能会耗费几个月时间，同时计算过程中网格数量受限的缺点将会导致场景范围不能太大，对于需要大范围机动的仿真需求很难满足，因此该种仿真方法存在建模逼真度不够，仿真周期长、仿真场景范围小，无法进行实时场景仿真等缺点。
现有技术中，另一种实现方式是从红外场景出发，通过对目标与背景进行材质处理赋予物理属性，例如热特性参数、表面光学参数、光谱特性等，利用计算机图形学技术再现红外成像过程，并充分考虑其中各个模块引入的物理效应，从而准确地仿真得到不同环境条件下复杂场景的红外图像特征。图2示出了具体的仿真流程。从该流程可以看出，其通过编辑工具进行参数设置，例如目标的3D模型的参数，地形的模型的参数，大气模型的参数，材质分类的参数等，然后得到了场景数据，例如目标数据、背景数据、大气数据等，接下来记性场景特性建模和仿真以及传感器效应建模和仿真，并利用场景数据以及建模和仿真结果进行合成环境三维可视化，从而显示出仿真的红外图像特征。
已经有一些成熟的软件可以利用上述的技术方案实现了红外辐射特征的仿真，例如JRM、SE-WORKBENCH-、TOPS、Vega Prime、PRISSE、红外场景仿真软件。该技术方案的优点是能够进行大范围逼真的红外场景建模仿真，例如几千公里甚至是数字地球等模式，但由于其是通过材质划分的方式进行目标与背景的材质属性赋值，并进行相应的热物理计算，且一般对仿真的帧频有一定要求，因此很难对目标的热红外特性进行精确建模分析，热源影响考虑不周，进而导致红外场景仿真中目标的红外特征准确度不够的缺陷，容易影响相关软硬件产品的验证工作。
发明内容
有鉴于此，本发明实施例提供了一种目标与背景红外场景仿真的方法，该方法包括：
获取目标与背景红外场景中的目标的红外特征；
根据所述目标的红外特征调整所述目标与背景红外场景中目标和背景的红外图像特征。
优选地，所述获取目标与背景红外场景中的目标的红外特征包括：
利用第一仿真软件获取目标与背景红外场景中的目标的红外特征。
优选地，所述根据所述目标的红外特征调整所述目标与背景红外场景中目标和背景的红外图像特征包括：
利用第二仿真软件获取所述目标与背景红外场景中目标和背景的红外图像特征；
根据所述目标的红外特征调整所述目标与背景红外场景中目标和背景的红外图像特征。
优选地，所述目标的红外特征包括所述目标的红外辐射通量值、所述目标的最大灰度值以及所述目标的最小灰度值。
优选地，所述根据所述目标的红外特征调整所述目标与背景红外场景中目标和背景的红外图像特征包括：
将所述目标的红外辐射通量值转换为所述目标的红外辐射亮度值；
确定所述目标的最大灰度值对应的所述目标的最大红外辐射亮度值，所述目标的最小灰度值对应的所述目标的最小红外辐射亮度值；
根据所述目标的最大灰度值、所述目标的最小灰度值、所述目标的最大红外辐射亮度值、所述目标的最小红外辐射亮度值以及所述目标的红外图像特征中每个像素点的灰度值调整所述目标的红外特征图像；和根据所述背景的最大灰度值、所述背景的最小灰度值、所述背景的最大红外辐射亮度值、所述背景的最小红外辐射亮度值以及所述背景的红外图像特征中每个像素点的灰度值调整所述背景的红外特征图像；
其中，利用第一仿真软件所获取得目标与背景红外场景中的目标的红外特征替换利用第二仿真软件所获取的目标与背景红外场景中的目标的红外特征；
所述第二仿真软件所获取的目标与背景红外场景中的背景为第二仿真软件所获取的目标与背景红外场景中除利用第二仿真软件所获取的目标与背景红外场景中的目标的红外特征之外的部分。
优选地，根据所述目标的最大灰度值、所述目标的最小灰度值、所述目标的最大红外辐射亮度值、所述目标的最小红外辐射亮度值以及所述目标的红外图像特征中每个像素点的灰度值调整所述目标的红外特征图像包括：
根据
Figure BSA0000174459110000021
调整所述目标图像特征中的每个像素点的红外辐射亮度值，其中HT为所述目标的红外特征图像中像素点的灰度值，HTmax为所述目标的最大灰度值，HTmin为所述目标的最小灰度值，ITmax为所述目标的最大红外辐射亮度值，ITmin为所述目标的最小红外辐射亮度值，IT为灰度值为HT的像素调整后的红外辐射亮度值。
优选地，根据所述背景的最大灰度值、所述背景的最小灰度值、所述背景的最大红外辐射亮度值、所述背景的最小红外辐射亮度值以及所述背景的红外图像特征中每个像素点的灰度值调整所述背景的红外特征图像包括：
根据
Figure BSA0000174459110000022
调整所述背景图像特征中的每个像素点的红外辐射亮度值，其中HB为所述背景的红外特征图像中像素点的灰度值，HBmax为所述背景的最大灰度值，HBmin为所述背景的最小灰度值，IBmax为所述背景的最大红外辐射亮度值，IBmin为所述背景的最小红外辐射亮度值，IE为灰度值为HB的像素调整后的红外辐射亮度值。
优选地，该方法还包括：
确定在调整后的所述目标的红外特征图像和/或所述背景的红外特征图像的各个像素点中最大的红外辐射亮度值以及最小的红外辐射亮度值；
根据所述最大的红外辐射亮度值以及最小的红外辐射亮度值确定所述目标的红外特征图像和/或所述背景的红外特征图像中各个像素点的灰度值。
优选地，根据所述最大的红外辐射亮度值以及最小的红外辐射亮度值调整所述目标的红外特征图像和/或所述背景的红外特征图像中各个像素点的灰度值包括：
根据
Figure BSA0000174459110000031
确定所述目标的红外特征图像和/或所述背景的红外特征图像中各个像素点的灰度值；其中Imax为所述最大的红外辐射亮度值，Imin为所述最小的红外辐射亮度值，I为所述目标的红外特征图像和/或所述背景的红外特征图像中各个像素点的红外辐射亮度值，H为调整后的所述目标的红外特征图像和/或所述背景的红外特征图像中各个像素点的灰度值。
本发明实施例一种目标与背景红外场景仿真的方法，该方法包括：
获取目标与背景红外场景中的目标的红外特征和背景的红外特征；
根据所述目标的红外特征和背景的红外特征调整所述目标与背景红外场景中目标和背景的红外图像特征。
本发明通过将目标的红外特征数据带入到红外仿真场景中，有效解决了目标热红外特征仿真软件对背景环境仿真逼真度不够的问题，同时解决了红外场景仿真软件在目标红外特征计算方面不够准确的缺陷，提高了目标与背景红外场景仿真图像的准确性和实时性。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本发明的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1是现有技术中目标红外特征仿真流程示意图；
图2是现有技术中实时场景红外特征仿真示意图；
图3是本申请实施例提供的目标与背景红外场景仿真流程图；
图4是本申请实施例提供的目标与背景红外场景仿真流程图。
具体实施方式
如在说明书及权利要求当中使用了某些词汇来指称特定组件。本领域技术人员应可理解，硬件制造商可能会用不同名词来称呼同一个组件。本说明书及权利要求并不以名称的差异来作为区分组件的方式，而是以组件在功能上的差异来作为区分的准则。如在通篇说明书及权利要求当中所提及的“包含”为一开放式用语，故应解释成“包含但不限定于”。“大致”是指在可接收的误差范围内，本领域技术人员能够在一定误差范围内解决所述技术问题，基本达到所述技术效果。说明书后续描述为实施本发明的较佳实施方式，然所述描述乃以说明本发明的一般原则为目的，并非用以限定本发明的范围。本发明的保护范围当视所附权利要求所界定者为准。
本申请实施例提供了一种目标与背景红外场景仿真的方法，通过结合现有技术中两种仿真实现方式的优势来提供更高性能的红外场景仿真方法。本申请实施例中，可以通过对现有的仿真方法获得目标的红外特征，和/或背景的红外特征，并进一步地利用该红外特征调整现有技术中另一仿真方法获得红外图像特征，从而使得该红外图像特征更准确。
图3示出了本申请提供的目标与背景红外场景仿真的方法流程图，具体包括：
步骤305，获取目标与背景红外场景中的目标的红外特征和背景的红外特征；
步骤310，根据所述目标的红外特征和背景的红外特征调整所述目标与背景红外场景中目标和背景的红外图像特征。
具体而言，步骤305中，可以根据预先设置的场景，例如需要仿真的目标，以及目标所位于的场景的背景，建立相应的几何模型，并利用PRISM、RadThermIR、MuSES或VINIR等软件进行仿真；需要说明的是，本领域也可以根据图1所示的流程重建仿真过程，例如基于FLUENT结合红外辐射特性算法重新编写相应的软件，实现对红外特征的仿真。
步骤305，所输出的红外特征是目标的红外辐射通量值Eb(W/m2)，以及背景的红外辐射通量值。
步骤310中，可以利用JRM、SE-WORKBENCH-、TOPS、Vega Prime或PRISSE等软件对相同的场景进行仿真，并利用步骤305得到目标和背景的红外特征对通过仿真得到的红外图像特征进行调整，使红外图像特征更加准确。在具体实现时，可以通过将红外特征数据输入步骤310中使用的三维可视化工具，利用调整后的红外图像特征进行渲染，可以得到更准确的红外图像。在进行调整时，可以使用PRISM、RadThermIR、MuSES或VINIR等软件仿真得到目标的红外特征数据和背景的红外特征数据替换JRM、SE-WORKBENCH-、TOPS、Vega Prime或PRISSE等软件对相同红外场景进行仿真得到的目标红外特征数据和背景红外特征数据。
可选地，可以对步骤305中输出的红外特征以Tecplot文件格式输出(*.dat)。根据目标网格划分的特征，步骤305中输出的红外特征数据主要包括四类，即：节点类、面元类、区域类以及所有区域类。
为了便于处理，可以将红外特征(*.dat文件)转换为JRM、SE-WORKBENCH-、TOPS、Vega Prime或PRISSE等软件需要的格式，如：*.ive、*.OSG等。此外，可以将同时将目标和/或背景的红外辐射通量值Eb(W/m2)数据转换为红外辐射亮度值Ib(W/(m2·sr))，用于目标和/或背景在红外场景中的辐射特征标示，其中Eb＝π·Ib。
在利用JRM、SE-WORKBENCH-、TOPS、Vega Prime或PRISSE等软件对红外场景进行仿真时，可以加载PRISM、RadThermIR、MuSES或VINIR等软件仿真得到的红外特征，根据该红外特征调整目标位置以及其他相关仿真参数，生成对应的目标与背景环境的红外对比特征图像。调整目标位置是指将目标放置于场景中的合适位置，使目标的处于在PRISM、RadThermIR、MuSES或VINIR等软件中相同的位置坐标和姿态)；调整其他仿真软件是指调整RM、SE-WORKBENCH-、TOPS、Vega Prime或PRISSE等软件自带的传感器参数、环境参数的自定义设置，使得其与PRISM、RadThermIR、MuSES或VINIR等软件中的设置相一致。
此外，还可以利用该红外特征对JRM、SE-WORKBENCH-、TOPS、Vega Prime或PRISSE等软件仿真得到的红外特征进行调整，以使最终渲染的结果更加真实。
在进行调整的过程中，具体是针对每个像素的红外辐射亮度值进行调整。可选地，还可以根据红外辐射亮度值对每个像素的灰度值进行调整。
假设利用PRISM、RadThermIR、MuSES或VINIR等软件进行仿真时，其生成的目标红外特征数据的最大灰度值和最小灰度值分别为HTmax和HTmin，对应的最大辐射亮度值和最小辐射亮度值分别为ITmax和ITmin，则目标图像每个灰度值为HT的像素点的红外辐射亮度值为：
Figure BSA0000174459110000041
假设在利用PRISM、RadThermIR、MuSES或VINIR等软件进行仿真时，其生成的背景红外特征数据的最大灰度值和最小灰度值分别为HBmax和HBmin，对应的最大辐射亮度值和最小辐射亮度值分别为IBmax和IBmin，则背景图像中每个灰度值为HB的像素点的红外辐射亮度值为：
Figure BSA0000174459110000042
需要说明的是，假设在利用JRM、SE-WORKBENCH-、TOPS、Vega Prime或PRISSE等软件进行仿真时，所生成背景红外特征数据是指除了利用PRISM、RadThermIR、MuSES或VINIR等软件对相同的场景进行仿真得到目标红外特征替换的目标之外的红外特征数据，该红外特征数据包含了利用JRM、SE-WORKBENCH-、TOPS、Vega Prime或PRISSE等软件进行仿真时生成其他目标的红外特征数据。
在目标和背景的合成图像中，选出图像的最大和最小辐射亮度值Imax和Imin。因此，对于辐射亮度为I的目标或背景图像像素点，其在合成图像中的灰度值应重新定义为：
Figure BSA0000174459110000051
需要说明的是，可以通过JPRISM、RadThermIR、MuSES、VINIR以及车辆红外辐射特性计算集成软件得到目标和/或背景的红外特征，本领域技术人员可以将目标和/或背景的红外特征作为JRM、SE-WORKBENCH-、TOPS、Vega Prime或PRISSE等软件作为图像渲染的基础。作为可选的实施方式，可以直接将JPRISM、RadThermIR、MuSES、VINIR以及车辆红外辐射特性计算集成软件得到的目标和/或背景的红外特征作为JRM、SE-WORKBENCH-、TOPS、VegaPrime或PRISSE中三维可视化工具的输入，通过该工具直接进行渲染。
图4示出了本申请提供的目标与背景红外场景仿真的方法流程图，具体包括：
步骤405，获取目标与背景红外场景中的目标的红外特征；
步骤410，根据所述目标的红外特征调整所述目标与背景红外场景中目标和背景的红外图像特征。
具体而言，步骤405中，可以根据预先设置的场景，例如需要仿真的目标，以及目标所位于的场景的背景，建立相应的几何模型，并利用PRISM、RadThermIR、MuSES或VINIR等软件进行仿真；需要说明的是，本领域也可以根据图1所示的流程重建仿真过程，例如基于FLUENT结合红外辐射特性算法重新编写相应的软件，实现对红外特征的仿真。
步骤405，所输出的红外特征是目标的红外辐射通量值Eb(W/m2)。
步骤410中，可以利用JRM、SE-WORKBENCH-、TOPS、Vega Prime或PRISSE等软件对相同的场景进行仿真，并利用步骤405得到目标的红外特征对通过仿真得到的红外图像特征进行调整，使红外图像特征更加准确。在具体实现时，可以通过将红外特征数据输入步骤410中使用的三维可视化工具，使用步骤405中得到的目标的红外特征进行图像渲染，可以得到更准确的红外图像。
在进行调整的过程中，具体是针对每个像素的红外辐射亮度值进行调整。可选地，还可以根据红外辐射亮度值对每个像素的灰度值进行调整。
假设利用利用PRISM、RadThermIR、MuSES或VINIR等软件进行仿真时，其生成的目标红外特征数据的最大灰度值和最小灰度值分别为HTmax和HTmin，对应的最大辐射亮度值和最小辐射亮度值分别为ITmax和ITmin，则目标图像每个灰度值为HT的像素点的红外辐射亮度值为：
Figure BSA0000174459110000052
假设在利用PRISM、RadThermIR、MuSES或VINIR等软件进行仿真时，其生成的背景红外特征数据的最大灰度值和最小灰度值分别为HBmax和HBmin，对应的最大辐射亮度值和最小辐射亮度值分别为IBmax和IBmin，则背景图像中每个灰度值为HB的像素点的红外辐射亮度值为：
Figure BSA0000174459110000053
需要说明的是，假设在利用JRM、SE-WORKBENCH-、TOPS、Vega Prime或PRISSE等软件进行仿真时，所生成背景红外特征数据是指除了利用PRISM、RadThermIR、MuSES或VINIR等软件对相同的场景进行仿真得到目标红外特征替换的目标之外的红外特征数据，该红外特征数据包含了利用JRM、SE-WORKBENCH-、TOPS、Vega Prime或PRISSE等软件进行仿真时生成其他目标的红外特征数据。针对每个被处理的目标红外特征，除了该目标红外特征之外的红外场景中的其他红外特征均作为背景。
在目标和背景的合成图像中，选出目标和背景图像的最大和最小辐射亮度值Imax和Imin。因此，对于辐射亮度值为I的目标或背景图像像素点，其在合成图像中的灰度值应重新定义为：
Figure BSA0000174459110000061
本领域内的技术人员应明白，本发明的实施例可提供为方法、装置、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
上述说明示出并描述了本发明的若干具体实施例，但如前所述，应当理解本发明并非局限于本文所披露的形式，不应看作是对其他实施例的排除，而可用于各种其他组合、修改和环境，并能够在本文所述发明构想范围内，通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围，则都应在本发明所附权利要求的保护范围内。

Claims (5)

1.一种目标与背景红外场景仿真的方法，其特征在于，该方法包括：
获取目标与背景红外场景中的目标的红外特征；
根据所述目标的红外特征调整所述目标与背景红外场景中目标和背景的红外图像特征；
所述获取目标与背景红外场景中的目标的红外特征包括：
利用第一仿真软件获取目标与背景红外场景中的目标的红外特征；
所述根据所述目标的红外特征调整所述目标与背景红外场景中目标和背景的红外图像特征包括：
利用第二仿真软件获取所述目标与背景红外场景中目标和背景的红外图像特征；
根据所述目标的红外特征调整所述目标与背景红外场景中目标和背景的红外图像特征；
所述目标的红外特征包括所述目标的红外辐射通量值、所述目标的最大灰度值以及所述目标的最小灰度值；
所述根据所述目标的红外特征调整所述目标与背景红外场景中目标和背景的红外图像特征包括：
将所述目标的红外辐射通量值转换为所述目标的红外辐射亮度值；
确定所述目标的最大灰度值对应的所述目标的最大红外辐射亮度值，所述目标的最小灰度值对应的所述目标的最小红外辐射亮度值；
根据所述目标的最大灰度值、所述目标的最小灰度值、所述目标的最大红外辐射亮度值、所述目标的最小红外辐射亮度值以及所述目标的红外图像特征中每个像素点的灰度值调整所述目标的红外特征图像；和根据所述背景的最大灰度值、所述背景的最小灰度值、所述背景的最大红外辐射亮度值、所述背景的最小红外辐射亮度值以及所述背景的红外图像特征中每个像素点的灰度值调整所述背景的红外特征图像；
其中，利用第一仿真软件所获取得目标与背景红外场景中的目标的红外特征替换利用第二仿真软件所获取的目标与背景红外场景中的目标的红外特征；
所述第二仿真软件所获取的目标与背景红外场景中的背景为第二仿真软件所获取的目标与背景红外场景中除利用第二仿真软件所获取的目标与背景红外场景中的目标的红外特征之外的部分。
2.根据权利要求1所述的方法，其特征在于，根据所述目标的最大灰度值、所述目标的最小灰度值、所述目标的最大红外辐射亮度值、所述目标的最小红外辐射亮度值以及所述目标的红外图像特征中每个像素点的灰度值调整所述目标的红外特征图像包括：
根据
Figure FSB0000201113300000021
调整所述目标图像特征中的每个像素点的红外辐射亮度值，其中HT为所述目标的红外特征图像中像素点的灰度值，HTmax为所述目标的最大灰度值，HTmin为所述目标的最小灰度值，ITmax为所述目标的最大红外辐射亮度值，ITmin为所述目标的最小红外辐射亮度值，IT为灰度值为HT的像素调整后的红外辐射亮度值。
3.根据权利要求2所述的方法，其特征在于，根据所述背景的最大灰度值、所述背景的最小灰度值、所述背景的最大红外辐射亮度值、所述背景的最小红外辐射亮度值以及所述背景的红外图像特征中每个像素点的灰度值调整所述背景的红外特征图像包括：
根据
Figure FSB0000201113300000022
调整所述背景图像特征中的每个像素点的红外辐射亮度值，其中HB为所述背景的红外特征图像中像素点的灰度值，HBmax为所述背景的最大灰度值，HBmin为所述背景的最小灰度值，IBmax为所述背景的最大红外辐射亮度值，IBmin为所述背景的最小红外辐射亮度值，IB为灰度值为HB的像素调整后的红外辐射亮度值。
4.根据权利要求3所述的方法，其特征在于，该方法还包括：
确定在调整后的所述目标的红外特征图像和/或所述背景的红外特征图像的各个像素点中最大的红外辐射亮度值以及最小的红外辐射亮度值；
根据所述最大的红外辐射亮度值以及最小的红外辐射亮度值确定所述目标的红外特征图像和/或所述背景的红外特征图像中各个像素点的灰度值。
5.根据权利要求4所述的方法，其特征在于，根据所述最大的红外辐射亮度值以及最小的红外辐射亮度值调整所述目标的红外特征图像和/或所述背景的红外特征图像中各个像素点的灰度值包括：
根据
Figure FSB0000201113300000031
确定所述目标的红外特征图像和/或所述背景的红外特征图像中各个像素点的灰度值；其中Imax为所述最大的红外辐射亮度值，Imin为所述最小的红外辐射亮度值，I为所述目标的红外特征图像和/或所述背景的红外特征图像中各个像素点的红外辐射亮度值，H为调整后的所述目标的红外特征图像和/或所述背景的红外特征图像中各个像素点的灰度值。
CN201811394843.9A 2018-11-22 2018-11-22 一种目标与背景红外场景仿真的方法 Active CN109584370B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811394843.9A CN109584370B (zh) 2018-11-22 2018-11-22 一种目标与背景红外场景仿真的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811394843.9A CN109584370B (zh) 2018-11-22 2018-11-22 一种目标与背景红外场景仿真的方法

Publications (2)

Publication Number Publication Date
CN109584370A CN109584370A (zh) 2019-04-05
CN109584370B true CN109584370B (zh) 2023-03-21

Family

ID=65923606

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811394843.9A Active CN109584370B (zh) 2018-11-22 2018-11-22 一种目标与背景红外场景仿真的方法

Country Status (1)

Country Link
CN (1) CN109584370B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111581884A (zh) * 2020-05-11 2020-08-25 上海无线电设备研究所 一种星载多分辨率目标光学辐射图像仿真方法
CN113029525B (zh) * 2021-03-18 2023-03-21 哈尔滨新光光电科技股份有限公司 一种红外场景模拟系统、红外场景模拟方法以及dmd控制方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010146214A (ja) * 2008-12-17 2010-07-01 Honda Motor Co Ltd 車両の周辺監視装置
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
CN103400005A (zh) * 2013-07-22 2013-11-20 西安电子科技大学 一种强光源干扰微光系统成像的特征量化方法
CN105139433A (zh) * 2015-08-05 2015-12-09 西安电子科技大学 基于均值模型的红外弱小目标图像序列仿真方法
CN105930848A (zh) * 2016-04-08 2016-09-07 西安电子科技大学 基于sar-sift特征的sar图像目标识别方法
CN106210567A (zh) * 2016-07-13 2016-12-07 南京理工大学 一种红外目标辐射场计算方法
CN107918937A (zh) * 2017-12-06 2018-04-17 电子科技大学 一种基于光谱辐射的目标与背景的物理叠合方法
WO2018076147A1 (en) * 2016-10-24 2018-05-03 SZ DJI Technology Co., Ltd. Systems and methods for controlling an image captured by an imaging device

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010146214A (ja) * 2008-12-17 2010-07-01 Honda Motor Co Ltd 車両の周辺監視装置
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
CN103400005A (zh) * 2013-07-22 2013-11-20 西安电子科技大学 一种强光源干扰微光系统成像的特征量化方法
CN105139433A (zh) * 2015-08-05 2015-12-09 西安电子科技大学 基于均值模型的红外弱小目标图像序列仿真方法
CN105930848A (zh) * 2016-04-08 2016-09-07 西安电子科技大学 基于sar-sift特征的sar图像目标识别方法
CN106210567A (zh) * 2016-07-13 2016-12-07 南京理工大学 一种红外目标辐射场计算方法
WO2018076147A1 (en) * 2016-10-24 2018-05-03 SZ DJI Technology Co., Ltd. Systems and methods for controlling an image captured by an imaging device
CN107918937A (zh) * 2017-12-06 2018-04-17 电子科技大学 一种基于光谱辐射的目标与背景的物理叠合方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Target and background infrared signature modeling for complex synthetic scenes;J. Cathcart 等;《Proceedings of SPIE》;19880503;第890卷;95-103 *
目标与背景的红外辐射特性仿真方法;成志铎;《中国优秀硕士学位论文全文数据库工程科技II辑》;20120715(第7期);全文 *
红外目标与背景的物理叠合研究;万重涛;《中国优秀硕士学位论文全文数据库信息科技辑》;20180815(第8期);第3-4章 *

Also Published As

Publication number Publication date
CN109584370A (zh) 2019-04-05

Similar Documents

Publication Publication Date Title
US9639945B2 (en) Depth-based application of image effects
US6741251B2 (en) Method and apparatus for varying focus in a scene
US20200057831A1 (en) Real-time generation of synthetic data from multi-shot structured light sensors for three-dimensional object pose estimation
CN109584370B (zh) 一种目标与背景红外场景仿真的方法
CN108563742B (zh) 自动创建人工智能图像识别训练素材与标注文件的方法
CN104113751B (zh) 显示参数调整方法及系统
CN105430376A (zh) 一种全景相机一致性的检测方法及装置
CN111385438B (zh) 镜头阴影校正的补偿方法、装置及计算机可读存储介质
CN103091615B (zh) 测量图像传感器的响应曲线的方法及装置
CN108090877A (zh) 一种基于图像序列的rgb-d相机深度图像修复方法
US10133256B2 (en) Information processing apparatus and method for calculating inspection ranges
CN106060421A (zh) 图像处理装置和图像处理方法
US11443414B2 (en) Image signal processing
Anrys et al. Image-based lighting design
CN117522936A (zh) 融合多信息辅助和轮廓检测的虚实遮挡处理方法
Karaduzovic-Hadziabdic et al. Subjective and objective evaluation of multi-exposure high dynamic range image deghosting methods
CN108781280B (zh) 一种测试方法、装置及终端
Lyu et al. Validation of image systems simulation technology using a cornell box
Horvath et al. COMPUTATIONAL SIMULATION OF MESOPIC VISION BASED ON CAMERA RECORDINGS.
CN105574926A (zh) 生成三维图像的方法和装置
CN113781623A (zh) 工业质检中的缺陷样本生成方法及装置
JP2003283851A5 (zh)
CN107438174B (zh) 一种全景倒车系统的亮度均匀调节方法
TWI603287B (zh) 虛擬物件之影像合成方法與裝置
CN112673418A (zh) 用于测量特定于个人的色彩空间的方法和用于根据特定于个人的色彩空间来校正数字图像的方法

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