CN110455720A - 一种基于镜漫比模型的红外传感器波段优化方法 - Google Patents
一种基于镜漫比模型的红外传感器波段优化方法 Download PDFInfo
- Publication number
- CN110455720A CN110455720A CN201910762869.2A CN201910762869A CN110455720A CN 110455720 A CN110455720 A CN 110455720A CN 201910762869 A CN201910762869 A CN 201910762869A CN 110455720 A CN110455720 A CN 110455720A
- Authority
- CN
- China
- Prior art keywords
- wave band
- brdf
- infrared
- underlying surface
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/47—Scattering, i.e. diffuse reflection
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/55—Specular reflectivity
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N2021/1793—Remote sensing
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/47—Scattering, i.e. diffuse reflection
- G01N2021/4733—Discriminating different types of scatterers
-
- 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
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Photometry And Measurement Of Optical Pulse Characteristics (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于镜漫比模型的红外传感器波段优化方法,属于红外技术及应用领域,解决现有的红外传感器探测的最佳波段选取方法会造成最终结果产生严重误差等问题。本发明根据不同镜漫比模型计算强反射类型的典型下垫面在波段BD1的不同散射辐射亮度值,并结合大气传输过程,得到到达红外传感器的不同典型下垫面红外背景辐射亮度;计算喷焰辐射进行导弹喷焰仿真,并与选择的一种典型下垫面红外背景辐射亮度进行物理叠合,得到波段BD1叠合红外图像;根据信息熵、方差及信杂比对波段BD1叠合红外图像进行评价,得到综合评价值y1进行判断后迭代得到红外传感器最佳探测波段。本发明用于在吸收带范围内选取红外传感器最为合适的波段宽度。
Description
技术领域
一种基于镜漫比模型的红外传感器波段优化方法,用于在吸收带范围内选取红外传感器最为合适的波段宽度,属于红外技术及应用领域。
背景技术
对地红外观测系统的传感器波段优化研究是红外观测系统探测机理研究的重要组成部分,也是设计与应用对地红外观测系统所要解决的重要问题。波段作为探测系统的重要参数对目标的探测性能具有至关重要的作用,一定程度上决定系统能否探测到目标。波段选择的不正确会导致系统的检测概率下降或者出现漏检、错检的现象。所以,基于目标和背景特性数据的探测谱段选择和优化对系统设计和探测能力的实现极为重要。
强散射反射下垫面因为其强方向性散射以及强散射辐射亮度的特性,严重影响到了观测系统对地的目标检测识别。因此,对强散射反射下垫面散射特性及其场景仿真技术方案的研究在各个领域尤其是军事领域方面有着重要的意义。强散射反射下垫面作为一种典型的非朗伯下垫面,既存在漫反射又存在镜面反射。目前,由于下垫面散射问题的复杂性,在涉及下垫面对太阳辐射的散射问题时,常用的方法为将下垫面看作朗伯下垫面,认为下垫面的散射辐射亮度在各个散射方向上均匀分布,采用漫反射计算公式对下垫面的散射辐射亮度进行计算。这种方法很明显会导致计算结果产生严重误差,红外场景仿真不够准确与真实。
传感器探测谱段选择和优化等方面的研究非常有限,仍停留在理论计算、仿真分析阶段,各自研究,系统性不强,存在不同的局限性,且没有一个统一评价标准,同时缺乏实测数据验证。关于红外传感器探测最佳波段的选取研究一般可以分为两种方法,一种是基于实验测量的方法,各国通过发射试验卫星持续开展谱段选择和目标、背景特性测量数据积累。另外一种是基于仿真分析的方法,而大多数仿真分析评价都是基于光谱的辐射亮度对比度、信噪比等单一评价指标进行评价。基于实验测量的方法依赖发射试验卫星,需要耗费大量的人力物力,其数据具有保密性,无法用于日常研究。基于仿真分析的方法准确度不够高,容易产生误差。
发明内容
针对上述研究的问题,本发明的目的在于提供一种基于镜漫比模型的红外传感器波段优化方法,解决现有技术中采用的红外传感器探测的最佳波段选取方法会需要大量的人力物力或会造成最终结果产生严重误差等问题。
为了达到上述目的,本发明采用如下技术方案:
一种基于镜漫比模型的红外传感器波段优化方法,包括如下步骤:
S1、分析红外传感器探测的典型下垫面的类型,根据典型下垫面为含雪或冰的强反射类型,计算不同镜漫比模型ks/kd,即不同镜漫比BRDF模型;
S2、根据不同镜漫比BRDF模型计算强反射类型的典型下垫面在波段BD1的不同散射辐射亮度值,并结合大气传输过程,得到到达红外传感器的不同散射辐射亮度,即不同典型下垫面红外背景辐射亮度;
S3、根据需要仿真的红外场景,从不同典型下垫面红外背景辐射亮度中选择一种,计算喷焰辐射进行导弹喷焰仿真,并与选择的典型下垫面红外背景辐射亮度进行物理叠合,得到波段BD1叠合红外图像;
S4、根据信息熵、方差及信杂比对波段BD1叠合红外图像进行评价,得到综合评价值y1;
S5、判断综合评价值y1是否小于给定的评价阈值YTHR,若小于,在吸收带波段范围内对波段BD1进行扩宽或压窄,即若波段BD1是吸收带波段范围内的较宽波段,则压窄0.2μm得到BD2,若波段BD1是吸收带波段范围内的较窄波段,则扩宽0.2μm得到BD2,由此形成新的波段BD2,替换步骤S2中的波段为新的波段,基于新波段再执行步骤S2到步骤S5,若大于,则将此波段作为红外传感器的最佳探测波段。
进一步,所述步骤S1的具体步骤为:
S1.1、分析红外传感器探测的典型下垫面的类型,得到两种强反射类型,一种为高海拔雪山新雪或为平整海冰,另一种为高海拔雪山陈雪或为粗糙海冰以及河流冰凌;
S1.2、当典型下垫面的类型为高海拔雪山新雪或为平整海冰,将其当做理想的朗伯体下垫面,用镜漫比BRDF模型计算典型下垫面在波段BD1的散射辐射亮度值,此时镜漫比BRDF模型即镜面反射分量系数ks与漫反射分量系数kd的比值,镜漫比BRDF模型ks/kd的值为0,kd值为1,利用朗伯漫反射模型计算漫反射BRDFdiff,计算公式如下:
式中,ρ为强散射反射典型下垫面表面的漫反射率;
S1.3、当典型下垫面的类型为高海拔雪山陈雪或为粗糙海冰以及河流冰凌时,典型下垫面表面的BRDF分为漫反射BRDFdiff和镜面反射BRDFspec两部分,计算公式如下:
BRDF=BRDFdiff+BRDFspec,
其中,BRDFdiff为步骤S1.2得到的漫反射BRDFdiff;
选择Torrance-Sparrow模型计算镜面反射BRDFspec,计算公式如下:
式中,ks为强散射反射典型下垫面表面镜面反射分量,即指镜面分量系数,θi、θr、n、σ和α分别为入射太阳辐射的太阳天顶角、入射太阳辐射的太阳方位角、观察方向的观察天顶角、观察方向的观察方位角、强散射反射典型下垫面表面的折射率、强散射反射典型下垫面表面的均方根斜率和强散射反射下垫面法线方向与天顶方向的夹角,是菲涅耳函数,反映了强散射反射典型下垫面表面折射率、观察天顶角、太阳方位角、太阳天顶角和观察方位角引起的镜面反射率的变化,是遮蔽函数,反映了强散射反射典型下垫面表面的遮蔽效应,其中,θi、θr、是拟定的角度数据,与大气传输过程相关,n、σ和α则可通过现有方式得到;
通过统计已知波段BD1的多幅真实红外场景的散射辐射亮度L进行反演,得到镜面分量系数ks,其具体步骤为:
BRDF=Kd*BRDFdiff+Ks*BRDFspec=BRDFdiff+Ks(BRDFspec-BRDFdiff)
其中,BRDFdiff为步骤S1.2得到的漫反射BRDFdiff;
上式简记为:
Bi=ai+ks(b-ai)
由到达红外传感器的散射辐射亮度L可得:
式中,v1为起始波数,v为终止波数,L0i为大气顶太阳光谱辐射亮度,T1i为入射方向大气光谱平均透过率,T2i为出射方向大气光谱平均透过率,Si为大气顶太阳光谱辐照度,其中L0iT1i、T2i和Si的值由modtran软件仿真计算得到;
基于A和ai可求解出Kd,KsB和ks(b-ai)可求解出镜面反射BRDFspec;
上式简记为:
L=A+KsB;
所以,强散射反射典型下垫面表面镜面反射分量,即镜面反射分量系数Ks由下式求得:
Ks=(L-A)/B
S1.4、根据Ks+Kd=1和求解的kd的值,得到镜漫比BRDF模型ks/kd;
S1.5、基于步骤S1.2和步骤S1.4中的镜漫比模型ks/kd,得到两种不同镜漫比模型ks/kd,即两种不同镜漫比BRDF模型。
进一步,所述步骤S3的具体步骤为:
S3.1、根据需要仿真的红外场景,即一种为高海拔雪山新雪或为平整海冰,另一种为高海拔雪山陈雪或为粗糙海冰以及河流冰凌,从不同典型下垫面红外背景辐射亮度中选择一种,计算喷焰辐射进行导弹喷焰仿真:首先需根据喷焰的尺寸及红外传感器的空间分辨率进行像面投影计算,再基于像面投影将每个像素观测的导弹喷焰红外辐射与大气透过率光谱、红外传感器透过率光谱进行卷积计算,最后基于卷积计算结果按照红外传感器的波段BD1进行积分,即可得到喷焰在红外传感器像面的能量分布图像,根据能量分布图像中能量最大值和最小值进行灰度线性转换,将能量红外图像转化为灰度图像,即导弹喷焰仿真,其中,喷焰辐射即指导弹喷焰红外辐射;
其中,导弹喷焰红外辐射,采用视光线法LOS结合单线组SLG模型求解喷焰辐射传输,即将探测视线L在辐射场中的传输简化为一维多层介质的辐射传输问题,将视线L穿过的喷焰分解为N层,每一层的介质认为是均匀的、等温的,则考虑每层介质的吸收、发射,逐层递推最终即得到总的红外辐射强度,即导弹喷焰红外辐射,计算公式如下:
式中,为第i层的Δη光谱范围内的总的红外辐射强度,为第i层的Δη光谱范围内的黑体平均光谱辐射强度,为第i层的Δη光谱范围内的平均透过率;
S3.2、基于泊松编辑算法,将灰度图像与选择的一种典型下垫面红外背景辐射亮度进行物理叠合,得到波段BD1叠合红外图像,其公式如下:
其中,表示波段BD1叠合红外图像的梯度,是待镶嵌灰度图像的梯度,公式表示和在叠合区域Ω应尽可能相等,即相差要达到最小,而叠合后的像素值f和叠合背景f*在叠合区域Ω的边界上是相等的。
进一步,所述步骤S3的具体步骤为:
S4.1、基于波段BD1叠合红外图像,计算信息熵、方差及信杂比,其中,波段BD1叠合红外图像的信息熵为波段BD1叠合红外图像灰度集合的比特平均数,单位为比特/像素,波段BD1叠合红外图像的信息熵的计算公式如下:
式中,z是表示波段BD1叠合红外图像灰度的一个随机变量,i表示第i个,p(zi)为相应的直方图分布,L是不同灰度级的数量;
波段BD1叠合红外图像的方差是波段BD1叠合红外图像灰度对比度的度量;波段BD1叠合红外图像的方差的计算公式如下:
式中,m是z的均值,即平均灰度,计算公式如下:
波段BD1叠合红外图像的信杂比计算公式如下:
式中,μt为波段BD1叠合红外图像的像素灰度均值,μb为波段BD1叠合红外图像的背景区域像素灰度值均值,δb为背景区域像素灰度值的标准差;
S4.2、基于统计的相关数据集或深度学习给信息熵、方差及信杂比进行权重分配w1、w2、w3,其中,相关数据集是指卫星拍摄的相关雪、冰下垫面的红外图像,包括MODIS数据集;信息熵、方差及信杂的值分别为e(z),μn(z),SCR,综合评价值y1计算公式如下:
y1=w1e(z)+w2μn(z)+w3SCR。
本发明同现有技术相比,其有益效果表现在:
一、本发明结合了实际数据与典型下垫面类型的散射特性,即针对红外场景仿真中不同的强散射反射典型下垫面,将其散射问题分为漫反射和镜面反射两部分,根据不同的镜漫比,使用基于镜漫比BRDF模型进行计算,使得计算误差较小,提高了计算的准确性,使得计算散射辐射亮度过程更容易理解,简化了计算模型,增强了在工程中的实用性。
二、本发明计算喷焰辐射进行导弹喷焰仿真,并与典型下垫面红外背景辐射进行物理叠合,最后得到较为真实的仿真场景,提高了场景仿真的真实性。
三、本发明用综合评价指标对不同波段复合场景进行评价,进行迭代,得到不同波段的评价效果,能够更准确地得到最佳探测波段的范围。
四、本发明根据吸收带内已知波段BD1的真实场景与不同波段之间建立的关系,能够仿真得到更为真实的红外场景。
附图说明
图1是本发明的流程图;
图2是本发明中强散射反射下垫面表面对太阳辐射的散射示意图;
图3是本发明中基于镜漫比BRDF模型示意图;
图4是本发明中2-3μm不同海拔高度处大气透过率;
图5为本发明实施例中得到的典型下垫面红外背景辐射图像;
图6为本发明实施例中导弹喷焰仿真图;
图7为本发明实施例中导弹喷焰仿真与典型下垫面红外背景辐射亮度进行物理叠合的示意图。
具体实施方式
下面将结合附图及具体实施方式对本发明作进一步的描述。
现有技术中,在处理包括强散射反射下垫面这种典型的非朗伯下垫面散射问题,进行红外场景仿真时,采用镜漫比模型计算其散射辐射亮度,仿真红外场景。在这种方法中,忽略了强散射反射典型下垫面存在强烈地镜面反射的事实,因此,计算结果会有很大误差,无法计算强散射反射下垫面的方向性散射辐射亮度,仿真场景也不够真实。
针对现有技术的缺陷,本发明提供了一种镜漫比模型能准确计算出强散射反射下垫面红外波段散射辐射亮度值,并联系不同波段之间的关系,从而得到较为真实的仿真场景。
传感器探测谱段选择和优化等方面的研究非常有限,关于理论计算、仿真分析阶段,各自研究,系统性不强,存在不同的局限性,且没有一个统一评价标准,同时缺乏实测数据验证。本发明采用基于一种镜漫比BRDF模型进行散射辐射亮度的计算,结合已知波段实测数据进行仿真分析。
一种基于镜漫比模型的红外传感器波段优化方法,包括如下步骤:
S1、分析红外传感器探测的典型下垫面的类型,根据典型下垫面为含雪或冰的强反射类型,计算不同镜漫比模型ks/kd,即不同镜漫比BRDF模型;
S2、根据不同镜漫比BRDF模型计算强反射类型的典型下垫面在波段BD1的不同散射辐射亮度值,并结合大气传输过程,得到到达红外传感器的不同散射辐射亮度,即不同典型下垫面红外背景辐射亮度;步骤S2即为红外遥感图像成像过程。
S3、根据需要仿真的红外场景,从不同典型下垫面红外背景辐射亮度中选择一种,计算喷焰辐射进行导弹喷焰仿真,并与选择的典型下垫面红外背景辐射亮度进行物理叠合,得到波段BD1叠合红外图像;
S4、根据信息熵、方差及信杂比对波段BD1叠合红外图像进行评价,得到综合评价值y1;
S5、判断综合评价值y1是否小于给定的评价阈值YTHR,若小于,在吸收带波段范围内对波段BD1进行扩宽或压窄,即若波段BD1是吸收带波段范围内的较宽波段,则压窄0.2μm得到BD2,若波段BD1是吸收带波段范围内的较窄波段,则扩宽0.2μm得到BD2,由此形成新的波段BD2,替换步骤S2中的波段为新的波段,基于新波段再执行步骤S2到步骤S5,如由新的波段BD2执行步骤S2到步骤S4后,得到综合评价值y2小于给定的评价阈值YTHR,即要对波段BD2进行扩宽或压窄得到新的波段BD3再执行步骤S2到步骤S5,若大于,则将此波段作为红外传感器的最佳探测波段。
进一步,所述步骤S1的具体步骤为:
S1.1、分析红外传感器探测的典型下垫面的类型,得到两种强反射类型,一种为高海拔雪山新雪或为平整海冰,另一种为高海拔雪山陈雪或为粗糙海冰以及河流冰凌;
S1.2、当典型下垫面的类型为高海拔雪山新雪或为平整海冰,将其当做理想的朗伯体下垫面,用镜漫比BRDF模型计算典型下垫面在波段BD1的散射辐射亮度值,此时镜漫比BRDF模型即镜面反射分量系数ks与漫反射分量系数kd的比值,镜漫比BRDF模型ks/kd的值为0,kd值为1,利用朗伯漫反射模型计算漫反射BRDFdiff,计算公式如下:
式中,ρ为强散射反射典型下垫面表面的漫反射率;
S1.3、当典型下垫面的类型为高海拔雪山陈雪或为粗糙海冰以及河流冰凌时,典型下垫面表面的BRDF分为漫反射BRDFdiff和镜面反射BRDFspec两部分,计算公式如下:
BRDF=BRDFdiff+BRDFspec,
其中,BRDFdiff为步骤S1.2得到的漫反射BRDFdiff;
选择Torrance-Sparrow模型计算镜面反射BRDFspec,计算公式如下:
式中,ks为强散射反射典型下垫面表面镜面反射分量,即指镜面分量系数,θi、θr、n、σ和α分别为入射太阳辐射的太阳天顶角、入射太阳辐射的太阳方位角、观察方向的观察天顶角、观察方向的观察方位角、强散射反射典型下垫面表面的折射率、强散射反射典型下垫面表面的均方根斜率和强散射反射下垫面法线方向与天顶方向的夹角,是菲涅耳函数,反映了强散射反射典型下垫面表面折射率、观察天顶角、太阳方位角、太阳天顶角和观察方位角引起的镜面反射率的变化,是遮蔽函数,反映了强散射反射典型下垫面表面的遮蔽效应,其中,θi、θr、是拟定的角度数据,与大气传输过程相关,n、σ和α则可通过现有方式得到;
通过统计已知波段BD1的多幅真实红外场景的散射辐射亮度L进行反演,得到镜面分量系数ks,其具体步骤为:
BRDF=Kd*BRDFdiff+Ks*BRDFspec=BRDFdiff+Ks(BRDFspec-BRDFdiff)
其中,BRDFdiff为步骤S1.2得到的漫反射BRDFdiff;
上式简记为:
Bi=ai+ks(b-ai)
由到达红外传感器的散射辐射亮度L可得:
式中,v1为起始波数,v2为终止波数,L0i为大气顶太阳光谱辐射亮度,T1i为入射方向大气光谱平均透过率,T2i为出射方向大气光谱平均透过率,Si为大气顶太阳光谱辐照度,其中L0iT1i、T2i和Si的值由modtran软件仿真计算得到;
基于A和ai可求解出Kd,KsB和ks(b-ai)可求解出镜面反射BRDFspec;
上式简记为:
L=A+KsB;
所以,强散射反射典型下垫面表面镜面反射分量,即镜面反射分量系数Ks由下式求得:
Ks=(L-A)/B
S1.4、根据Ks+Kd=1和求解的kd的值,得到镜漫比BRDF模型ks/kd;
S1.5、基于步骤S1.2和步骤S1.4中的镜漫比模型ks/kd,得到两种不同镜漫比模型ks/kd,即两种不同镜漫比BRDF模型。
进一步,所述步骤S3的具体步骤为:
S3.1、根据需要仿真的红外场景,即一种为高海拔雪山新雪或为平整海冰,另一种为高海拔雪山陈雪或为粗糙海冰以及河流冰凌,从不同典型下垫面红外背景辐射亮度中选择一种,计算喷焰辐射进行导弹喷焰仿真:首先需根据喷焰的尺寸及红外传感器的空间分辨率进行像面投影计算,再基于像面投影将每个像素观测的导弹喷焰红外辐射与大气透过率光谱、红外传感器透过率光谱进行卷积计算,最后基于卷积计算结果按照红外传感器的波段BD1进行积分,即可得到喷焰在红外传感器像面的能量分布图像,根据能量分布图像中能量最大值和最小值进行灰度线性转换,将能量红外图像转化为灰度图像,即导弹喷焰仿真,其中,喷焰辐射即指导弹喷焰红外辐射;
其中,导弹喷焰红外辐射,采用视光线法LOS结合单线组SLG模型求解喷焰辐射传输,即将探测视线L在辐射场中的传输简化为一维多层介质的辐射传输问题,将视线L穿过的喷焰分解为N层,每一层的介质认为是均匀的、等温的,则考虑每层介质的吸收、发射,逐层递推最终即得到总的红外辐射强度,即导弹喷焰红外辐射,计算公式如下:
式中,为第i层的Δη光谱范围内的总的红外辐射强度,为第i层的Δη光谱范围内的黑体平均光谱辐射强度,为第i层的Δη光谱范围内的平均透过率;
S3.2、基于泊松编辑算法,将灰度图像与选择的一种典型下垫面红外背景辐射亮度进行物理叠合,得到波段BD1叠合红外图像,其公式如下:
其中,表示波段BD1叠合红外图像的梯度,是待镶嵌灰度图像的梯度,公式表示和在叠合区域Ω应尽可能相等,即相差要达到最小,而叠合后的像素值f和叠合背景f*在叠合区域Ω的边界上是相等的。
进一步,所述步骤S3的具体步骤为:
S4.1、基于波段BD1叠合红外图像,计算信息熵、方差及信杂比,其中,波段BD1叠合红外图像的信息熵为波段BD1叠合红外图像灰度集合的比特平均数,单位为比特/像素,波段BD1叠合红外图像的信息熵的计算公式如下:
式中,z是表示波段BD1叠合红外图像灰度的一个随机变量,i表示第i个,p(zi)为相应的直方图分布,L是不同灰度级的数量;
波段BD1叠合红外图像的方差是波段BD1叠合红外图像灰度对比度的度量;波段BD1叠合红外图像的方差的计算公式如下:
式中,m是z的均值,即平均灰度,计算公式如下:
波段BD1叠合红外图像的信杂比计算公式如下:
式中,μt为波段BD1叠合红外图像的像素灰度均值,μb为波段BD1叠合红外图像的背景区域像素灰度值均值,δb为背景区域像素灰度值的标准差;
S4.2、基于常用的处理图像评价方法,即基于统计的相关数据集或深度学习给信息熵、方差及信杂比进行权重分配w1、w2、w3,其中,相关数据集是指卫星拍摄的相关雪、冰下垫面的红外图像,包括MODIS数据集;信息熵、方差及信杂的值分别为e(z),μn(z),SCR,综合评价值y1计算公式如下:
y1=w1e(z)+w2μn(z)+w3SCR。
实施例
本发明实施例的青海湖冰凌在吸收带红外波段范围,青海湖冰凌表面的散射辐射中既存在漫反射又存在镜面反射,因此根据高海拔雪山陈雪或为粗糙海冰以及河流冰凌得到的镜漫比模型计算其散射辐射亮度,得到典型下垫面红外背景辐射图像为图5,实验中计算了入射方向入射太阳辐射的太阳天顶角θi、入射太阳辐射的太阳方位角分别为20°,0°,观察方向的观察天顶角θr为20°时的青海湖冰凌散射辐射亮度,在镜面反射方向周围,镜漫比模型计算的散射辐射亮度的数量级为101W/(m2·sr),从卫星图像中实际测得的冰凌的散射辐射亮度的数量级也为101W/(m2·sr),可见镜漫比模型计算结果和实际冰凌的散射情况在数量级上符合的较好。因此,镜漫比模型能较好的模拟冰凌的强散射辐射亮度的特点,和实际的冰凌的强散射辐射亮度的特性符合。
计算喷焰辐射进行导弹喷焰仿真,图6为导弹喷焰仿真图。典型下垫面红外背景辐射进行物理叠合即为图7。
本发明采用基于采用的镜漫比BRDF模型进行散射辐射的计算,结合已知波段实测数据仿真分析,并采取一套综合指标进行评价,是一种理论计算、仿真分析、评价标准、实测数据验证综合的方法,也是基于仿真分析进行传感器红外波段选取发展的未来趋势。本发明所采用的基于镜漫比BRDF模型进行计算,使得计算误差较小,提高了计算的准确性,使得计算散射辐射亮度过程更容易理解,简化了计算模型,增强了在工程中的实用性,根据吸收带内已知波段BD1的真实场景与不同波段之间建立的关系,即建立的镜漫比模型,能够仿真得到更为真实的红外场景。
以上仅是本发明众多具体应用范围中的代表性实施例,对本发明的保护范围不构成任何限制。凡采用变换或是等效替换而形成的技术方案,均落在本发明权利保护范围之内。
Claims (4)
1.一种基于镜漫比模型的红外传感器波段优化方法,其特征在于,包括如下步骤:
S1、分析红外传感器探测的典型下垫面的类型,根据典型下垫面为含雪或冰的强反射类型,计算不同镜漫比模型ks/kd,即不同镜漫比BRDF模型;
S2、根据不同镜漫比BRDF模型计算强反射类型的典型下垫面在波段BD1的不同散射辐射亮度值,并结合大气传输过程,得到到达红外传感器的不同散射辐射亮度,即不同典型下垫面红外背景辐射亮度;
S3、根据需要仿真的红外场景,从不同典型下垫面红外背景辐射亮度中选择一种,计算喷焰辐射进行导弹喷焰仿真,并与选择的典型下垫面红外背景辐射亮度进行物理叠合,得到波段BD1叠合红外图像;
S4、根据信息熵、方差及信杂比对波段BD1叠合红外图像进行评价,得到综合评价值y1;
S5、判断综合评价值y1是否小于给定的评价阈值YTHR,若小于,在吸收带波段范围内对波段BD1进行扩宽或压窄,即若波段BD1是吸收带波段范围内的较宽波段,则压窄0.2μm得到BD2,若波段BD1是吸收带波段范围内的较窄波段,则扩宽0.2μm得到BD2,由此形成新的波段BD2,替换步骤S2中的波段为新的波段,基于新波段再执行步骤S2到步骤S5,若大于,则将此波段作为红外传感器的最佳探测波段。
2.根据权利要求1所述的一种基于镜漫比模型的红外传感器波段优化方法,其特征在于,所述步骤S1的具体步骤为:
S1.1、分析红外传感器探测的典型下垫面的类型,得到两种强反射类型,一种为高海拔雪山新雪或为平整海冰,另一种为高海拔雪山陈雪或为粗糙海冰以及河流冰凌;
S1.2、当典型下垫面的类型为高海拔雪山新雪或为平整海冰,将其当做理想的朗伯体下垫面,用镜漫比BRDF模型计算典型下垫面在波段BD1的散射辐射亮度值,此时镜漫比BRDF模型即镜面反射分量系数ks与漫反射分量系数kd的比值,镜漫比BRDF模型ks/kd的值为0,kd值为1,利用朗伯漫反射模型计算漫反射BRDFdiff,计算公式如下:
式中,ρ为强散射反射典型下垫面表面的漫反射率;
S1.3、当典型下垫面的类型为高海拔雪山陈雪或为粗糙海冰以及河流冰凌时,典型下垫面表面的BRDF分为漫反射BRDFdiff和镜面反射BRDFspec两部分,计算公式如下:
BRDF=BRDFdiff+BRDFspec,
其中,BRDFdiff为步骤S1.2得到的漫反射BRDFdiff;
选择Torrance-Sparrow模型计算镜面反射BRDFspec,计算公式如下:
式中,ks为强散射反射典型下垫面表面镜面反射分量,即指镜面分量系数,θi、θr、n、σ和α分别为入射太阳辐射的太阳天顶角、入射太阳辐射的太阳方位角、观察方向的观察天顶角、观察方向的观察方位角、强散射反射典型下垫面表面的折射率、强散射反射典型下垫面表面的均方根斜率和强散射反射下垫面法线方向与天顶方向的夹角,是菲涅耳函数,反映了强散射反射典型下垫面表面折射率、观察天顶角、太阳方位角、太阳天顶角和观察方位角引起的镜面反射率的变化,是遮蔽函数,反映了强散射反射典型下垫面表面的遮蔽效应,其中,θi、θr、是拟定的角度数据,与大气传输过程相关,n、σ和α则可通过现有方式得到;
通过统计已知波段BD1的多幅真实红外场景的散射辐射亮度L进行反演,得到镜面分量系数ks,其具体步骤为:
BRDF=Kd*BRDFdiff+Ks*BRDFspec=BRDFdiff+Ks(BRDFspec-BRDFdiff)
其中,BRDFdiff为步骤S1.2得到的漫反射BRDFdiff;
上式简记为:
Bi=ai+ks(b-ai)
由到达红外传感器的散射辐射亮度L可得:
式中,v1为起始波数,v2为终止波数,L0i为大气顶太阳光谱辐射亮度,T1i为入射方向大气光谱平均透过率,T2i为出射方向大气光谱平均透过率,Si为大气顶太阳光谱辐照度,其中,L0iT1i、T2i和Si的值由modtran软件仿真计算得到;
基于A和ai可求解出Kd,KsB和ks(b-ai)可求解出镜面反射BRDFspec;
上式简记为:
L=A+KsB;
所以,强散射反射典型下垫面表面镜面反射分量,即镜面反射分量系数Ks由下式求得:
Ks=(L-A)/B
S1.4、根据Ks+Kd=1和求解的kd的值,得到镜漫比BRDF模型ks/kd;
S1.5、基于步骤S1.2和步骤S1.4中的镜漫比模型ks/kd,得到两种不同镜漫比模型ks/kd,即两种不同镜漫比BRDF模型。
3.根据权利要求1所述的一种基于镜漫比模型的红外传感器波段优化方法,其特征在于,所述步骤S3的具体步骤为:
S3.1、根据需要仿真的红外场景,即一种为高海拔雪山新雪或为平整海冰,另一种为高海拔雪山陈雪或为粗糙海冰以及河流冰凌,从不同典型下垫面红外背景辐射亮度中选择一种,计算喷焰辐射进行导弹喷焰仿真:首先需根据喷焰的尺寸及红外传感器的空间分辨率进行像面投影计算,再基于像面投影将每个像素观测的导弹喷焰红外辐射与大气透过率光谱、红外传感器透过率光谱进行卷积计算,最后基于卷积计算结果按照红外传感器的波段BD1进行积分,即可得到喷焰在红外传感器像面的能量分布图像,根据能量分布图像中能量最大值和最小值进行灰度线性转换,将能量红外图像转化为灰度图像,即导弹喷焰仿真,其中,喷焰辐射即指导弹喷焰红外辐射;
其中,导弹喷焰红外辐射,采用视光线法LOS结合单线组SLG模型求解喷焰辐射传输,即将探测视线L在辐射场中的传输简化为一维多层介质的辐射传输问题,将视线L穿过的喷焰分解为N层,每一层的介质认为是均匀的、等温的,则考虑每层介质的吸收、发射,逐层递推最终即得到总的红外辐射强度,即导弹喷焰红外辐射,计算公式如下:
式中,为第i层的Δη光谱范围内的总的红外辐射强度,为第i层的Δη光谱范围内的黑体平均光谱辐射强度,为第i层的Δη光谱范围内的平均透过率:
S3.2、基于泊松编辑算法,将灰度图像与选择的一种典型下垫面红外背景辐射亮度进行物理叠合,得到波段BD1叠合红外图像,其公式如下:
其中,表示波段BD1叠合红外图像的梯度,是待镶嵌灰度图像的梯度,公式表示知在叠合区域Ω应尽可能相等,即相差要达到最小,而叠合后的像素值f和叠合背景f*在叠合区域Ω的边界上是相等的。
4.根据权利要求1所述的一种基于镜漫比模型的红外传感器波段优化方法,其特征在于,所述步骤S3的具体步骤为:
S4.1、基于波段BD1叠合红外图像,计算信息熵、方差及信杂比,其中,波段BD1叠合红外图像的信息熵为波段BD1叠合红外图像灰度集合的比特平均数,单位为比特/像素,波段BD1叠合红外图像的信息熵的计算公式如下:
式中,z是表示波段BD1叠合红外图像灰度的一个随机变量,i表示第i个,p(zi)为相应的直方图分布,L是不同灰度级的数量;
波段BD1叠合红外图像的方差是波段BD1叠合红外图像灰度对比度的度量;波段BD1叠合红外图像的方差的计算公式如下:
式中,m是z的均值,即平均灰度,计算公式如下:
波段BD1叠合红外图像的信杂比计算公式如下:
式中,μt为波段BD1叠合红外图像的像素灰度均值,μb为波段BD1叠合红外图像的背景区域像素灰度值均值,δb为背景区域像素灰度值的标准差;
S4.2、基于统计的相关数据集或深度学习给信息熵、方差及信杂比进行权重分配w1、w2、w3,其中,相关数据集是指卫星拍摄的相关雪、冰下垫面的红外图像,包括MODIS数据集;信息熵、方差及信杂的值分别为e(z),μn(z),SCR,综合评价值y1计算公式如下:
y1=w1e(z)+w2μn(z)+w3SCR。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910762869.2A CN110455720B (zh) | 2019-08-19 | 2019-08-19 | 一种基于镜漫比模型的红外传感器波段优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910762869.2A CN110455720B (zh) | 2019-08-19 | 2019-08-19 | 一种基于镜漫比模型的红外传感器波段优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110455720A true CN110455720A (zh) | 2019-11-15 |
CN110455720B CN110455720B (zh) | 2021-04-27 |
Family
ID=68487430
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910762869.2A Active CN110455720B (zh) | 2019-08-19 | 2019-08-19 | 一种基于镜漫比模型的红外传感器波段优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110455720B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112330765A (zh) * | 2020-11-04 | 2021-02-05 | 中国科学院西北生态环境资源研究院 | 海冰数据处理方法、装置、服务器及可读存储介质 |
CN112802165A (zh) * | 2020-12-31 | 2021-05-14 | 珠海剑心互动娱乐有限公司 | 游戏场景积雪渲染方法、装置及介质 |
CN114391465A (zh) * | 2022-01-14 | 2022-04-26 | 保利物业服务股份有限公司 | 一种可远程控制的智能园林绿化养护方法及系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105891156A (zh) * | 2016-03-29 | 2016-08-24 | 上海卫星工程研究所 | 一种星表材料双向散射分布函数测试方法 |
CN107247038A (zh) * | 2017-06-14 | 2017-10-13 | 电子科技大学 | 一种河流冰凌红外波段散射特性的计算方法 |
-
2019
- 2019-08-19 CN CN201910762869.2A patent/CN110455720B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105891156A (zh) * | 2016-03-29 | 2016-08-24 | 上海卫星工程研究所 | 一种星表材料双向散射分布函数测试方法 |
CN107247038A (zh) * | 2017-06-14 | 2017-10-13 | 电子科技大学 | 一种河流冰凌红外波段散射特性的计算方法 |
Non-Patent Citations (2)
Title |
---|
乔野: "多喷管液体火箭动力系统尾焰辐射特性研究", 《导弹与航天运载技术》 * |
李小文: "光在介质层中的路径散射及在下垫面的多次反弹", 《中国科学》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112330765A (zh) * | 2020-11-04 | 2021-02-05 | 中国科学院西北生态环境资源研究院 | 海冰数据处理方法、装置、服务器及可读存储介质 |
CN112802165A (zh) * | 2020-12-31 | 2021-05-14 | 珠海剑心互动娱乐有限公司 | 游戏场景积雪渲染方法、装置及介质 |
CN114391465A (zh) * | 2022-01-14 | 2022-04-26 | 保利物业服务股份有限公司 | 一种可远程控制的智能园林绿化养护方法及系统 |
CN114391465B (zh) * | 2022-01-14 | 2022-09-02 | 保利物业服务股份有限公司 | 一种可远程控制的智能园林绿化养护方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN110455720B (zh) | 2021-04-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ientilucci et al. | Advances in wide-area hyperspectral image simulation | |
North | Three-dimensional forest light interaction model using a Monte Carlo method | |
Snyder et al. | BRDF models to predict spectral reflectance and emissivity in the thermal infrared | |
CN110455720A (zh) | 一种基于镜漫比模型的红外传感器波段优化方法 | |
Henderson et al. | The polarized emissivity of a wind-roughened sea surface: A Monte Carlo model | |
CN107894284B (zh) | 一种结合探测效能的红外相机波段比较方法 | |
Larue et al. | Snow albedo sensitivity to macroscopic surface roughness using a new ray-tracing model | |
CN109884619B (zh) | 一种能够区分不同粗糙面的被动毫米波辐射模拟方法 | |
Yang et al. | Extension of the Hapke bidirectional reflectance model to retrieve soil water content | |
CN102163264B (zh) | 一种高光谱数据质量与应用能力的评价方法 | |
Xu et al. | A unified model of bidirectional reflectance distribution function for the vegetation canopy | |
Yan et al. | Modeling the radiation regime of a discontinuous canopy based on the stochastic radiative transport theory: Modification, evaluation and validation | |
CN105891156B (zh) | 一种星表材料双向散射分布函数测试方法 | |
Kallel et al. | Canopy polarized BRDF simulation based on non-stationary Monte Carlo 3-D vector RT modeling | |
Huang et al. | Extending RAPID model to simulate forest microwave backscattering | |
US8515716B2 (en) | Remote material identification process performance prediction tool | |
CN115222707A (zh) | 一种全谱段高光谱对地遥感成像测量不确定度分析方法 | |
CN108680534A (zh) | 基于中波红外反射率基准的光学通道在轨定标验证方法 | |
CN108896514B (zh) | 一种定量描述叶片镜面反射对冠层反射率模拟影响的方法 | |
CN107247038B (zh) | 一种获取河流冰凌红外波段散射特性的方法 | |
Hu et al. | BOST: A canopy reflectance model suitable for both continuous and discontinuous canopies over sloping terrains | |
Zhou et al. | Effect of optical-scattering characteristics with modified kernel-based model on the triggering probability of Gm-APD | |
Schwenger et al. | Simulation of laser beam reflection at the sea surface | |
Liangrocapart et al. | A two-layer model of the bidirectional reflectance of homogeneous vegetation canopies | |
CN105891120A (zh) | 一种城市浓密草地辐射方向特性模拟方法 |
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 |