CN114754876A - 基于tod的红外成像系统性能评价设备及方法 - Google Patents

Abstract

本发明公开了一种基于TOD的红外成像系统性能评价设备及方法，对于目前不同的红外成像视频采集系统，本发明可提供可操作的、科学公正的、溯源性极强的测试技术方法。同时测试靶标可适用于多种场景下的主观识别任务确认，TOD测试软件可以用于统计相应的识别结果并拟合曲线，扩大了应用范围。

Description

基于TOD的红外成像系统性能评价设备及方法

技术领域

本发明涉及图像采集技术领域，具体涉及一种基于TOD的红外成像系统性能评价设备及方法。

背景技术

红外成像技术作为一种重要的辐射信息探测技术，可对物体表面在红外波段的不同辐射特性(如温度分辨率和空间分辨率)进行差异化显示，同时转换为可见光图像。换而言之，红外波段探测技术的重现的目标图像更侧重于各个部分的辐射特性差异。由于红外光谱相比于可见光光谱波段更长、频率更低、波动性更显著、粒子性更弱、越易发生衍射，因此相对于普通的可见光信息采集技术，红外成像技术具有更强的穿透性、更远的作用距离、较高的隐藏性，并在航空航天、夜视、遥感、制导跟踪、工业故障诊断、森林防火等领域有着广泛应用。

红外成像系统性能测试通常可采用试验测试、半实物仿真、性能理论模型共三种方式进行。试验测试需要在目标、背景和环境特征值复杂多变的情况下进行实际试验，因此限制了性能测试的内容及相关响应波段范围。与试验测试相似，半实物仿真需要使用高密度红外场景投影系统与全光谱反射系统进行仿真试验，进行性能测试的成本相对较高且仿真系统的响应波段范围也受到限制。因此，红外成像系统的性能测试通常是按照性能理论模型的方式进行的。

红外成像系统的性能测试理论模型是根据相关光学系统和电子系统的主要技术参数(包括有效通光孔径D0、镜头焦距f0、瞬时视场α/β、像元尺寸、扫描效率、探测灵敏度等)进行综合分析得出的。红外成像系统的性能测试理论模型可按照评价的技术参数是否单一分为综合性能评价模型和单项性能评价模型。单项性能评价模型主要包括噪声等效温差(NETD)、最小可分辨温差(MRTD)等，这些模型的大多是针对被测红外成像系统的静态目标和静态场景的成像效果进行评价，且上述单项性能评价模型的影响参数相互关联并制约，因此单项性能评价模型对红外成像系统性能研究和发展起到了至关重要的导向性作用。综合评价模型主要包括NVTherm模型、FLIR92模型、1975NVL模型、MTDP/TRM3模型等。其中TOD模型也可看作是调整空间分辨率和欠采样噪声并进行空间补偿后的MRTD模型加强版，也可认作是突出的单项性能评价模型。综合性能评价模型由于参数取值较多、运算量较大、且环境变量复杂等原因，目前在实验室内仍未进行大量部署和广泛使用。

NETD模型评价方法。NETD名为噪声等效温差，也叫热灵敏度，描述了红外成像系统内多个像元的温度灵敏度性能，通常以毫开尔文(mK)为单位。NETD定义为通过红外成像设备观察低空间频率靶标，当视频信号的信噪比S/N为1时，目标与背景之间的等效温差即为被测红外成像设备的噪声等效温差。NETD的计算方法为，使用设定温差△T与所对应的视频信号信噪比(S/N)做商。

MRTD模型评价方法。MRTD名为最小可分辨温差，是指在特定的空间频率(特征频率)下，试验观察者刚好能分辨出四杆靶的温差。MRTD定义为对于处于均匀黑体背景中具有指定特征频率的高宽比1比7的四个条带黑体目标的标准条带图案，分别调节正温差和负温差，由观察者在显示屏上作无限长时间的观察。当目标与背景之间的温差从零逐渐增大到观察者确认能分辨出四个条带的目标图案为止，此时目标与背景之间的温差(正温差绝对值和负温差绝对值的算术平均值)与修正系数的乘积为被测红外成像设备在特征频率下的最小可分辨温差。图1展示了MRTD的四杆靶示例及靶标条带高宽比和缝宽之间的关系。

NETD的缺点为只反映光学系统、探测器及一小部分电路特性，没有考虑从测量点到显示之间的噪声源或滤波作用；测量的是单帧信噪比；采用电滤波器限制噪声，使得高频响应下降。而MRTD的缺点，首先是明显的主观性，对测试人员观察效果不能真实反映，测试结果的多方溯源性较差；受测试目标空间频率和背景辐射特性影响较大，需进行修正；MRTD是基于线性理论建立的，对非线性因素考虑不足；测试用四杆靶为周期性图案，测试过程中会有明显的欠采样噪声，即采用周期性的四杆靶(矩形样条)无法反映非周期的真实目标观测效果。

发明内容

针对现有技术的不足，本发明旨在提供一种基于TOD的红外成像系统性能评价设备及方法，构建全面均衡地针对红外成像系统性能评价的可评可测可实施的方案。

为了实现上述目的，本发明采用如下技术方案：

一种基于TOD的红外成像系统性能评价设备，包括平行光管、靶标转轮、TOD测试靶标、黑体辐射源、控制器和SAT模块；所述SAT模块与所述控制器通讯连接，所述控制器分别与所述黑体辐射源和靶标转轮通讯连接；所述平行光管用于产生平行光束；TOD测试靶标安装于靶标转轮上，靶标转轮位于黑体辐射源和平行光管的入射口之间；所述SAT模块还通讯连接被测红外成像系统。

进一步地，所述SAT模块用于读取用户的输入、被测红外成像系统的图像显示以及通过控制器对黑体辐射源和靶标转轮进行控制。

进一步地，控制器用于控制靶标转轮转动至不同的方位以及控制黑体辐射源的辐射光源强度。

本发明还提供一种利用上述设备的方法，具体过程为：

S1、选择所需尺寸的TOD测试靶标，将TOD测试靶标安装在靶标转轮上；调节黑体辐射源的辐射光源强度即差分温度至设定值，黑体辐射源提供的辐射光通过TOD测试靶标后，进入平行光管入射口，再经过主抛物面产生平行光图案，由被测红外成像系统进行采集，并在SAT模块上进行显示；

S2、人眼视觉判断：测试者观察SAT模块上显示的被测红外成像系统的成像画面并判断方向；判断完成后，对SAT模块进行输入，SAT模块根据测试者的输入，通过控制器对靶标转轮进行控制，通过靶标转轮的转动，切换TOD测试靶标的方向，测试者继续完成多次方向判断，并统计判断结果并得出正确判断概率；

S3、在保证TOD测试靶标尺寸不变的情况下，按照预设补偿调整差分温度，重复步骤S2的过程，得到多种不同差分温度下测试人员正确判断的概率，并将测试结果通过Weibull函数进行拟合，得到拟合曲线；

S4、通过步骤S3得到的拟合曲线可得到设定尺寸的TOD测试靶标在75％的测试人员正确判断概率下所对应的差分温度值；此时改变TOD测试靶标的尺寸，步骤S2-S3的过程，并进行二项式拟合和曲线拟合，可得到在75％的测试人员正确判断概率下，目标单位对比度与尺寸的拟合关系曲线，即为TOD曲线。

进一步地，上述方法还包括有步骤S5：

S5、机器视觉与自动化判断：先利用步骤S2-S4进行设定次数的人眼视觉的方向判定，将判定结果与对应的参数形成数据记录矩阵，将该数据记录矩阵作为训练样本，建立Kohenen网络进行训练和学习，并经过多组迭代，形成稳定的聚类簇；

以向上的方向的三角形TOD测试靶标三个边的垂直平分线交点为样条中心距点，水平和垂直方向为X轴和Y轴，建立直角坐标系；则样条中心距表示为O(cx，cy)：

其中x与y分别为每个像素点的横纵坐标，一共有n个像素点，对应的x和y的脚标分别为1,2,3…n；

取三角形特征变量分别为：

标量表达式中：xmax、xmin分别是三角形图像像素点横坐标的最大值和最小值，ymax、ymin分别是三角形图像像素点纵坐标的最大值和最小值；

对ratiox与ratioy进行分析时，需进行分类讨论来判断视频图像上的三角形方向：当ratiox＝1时，如ratio_y＜1,则三角形方向向下，如ratio_y＞1，则三角形方向向上；当ratioy＝1时，如ratio_x＜1，则三角形方向向左，ratio_x＞1，则三角形方向向右；

按照上述判定过程，获得相同对比度阈值下的Weibull拟合曲线，以及根据不同对比度阈值的多个Weibull曲线进行二项式拟合。

本发明的有益效果在于：利用本发明设备及方法，除了可进行红外常规的NETD、MRTD、MDTD测试的基础上，还可进行指定差分温度下的TOD测试、指定空间分辨率下的TOD测试，可绘制TOD测试曲线，并可得到指定概率下的目标人员对目标物的识别概率，在学术领域和实践领域均实现了突破，成为国内唯一拥有TOD测试能力的系统。

现存的热成像图像质量评价方法仍只针对NETD、MRTD等参数进行评价，且MRTD的评价方法的不足日益突出，在采样作用、动态响应、主观影响等方面的缺陷较为明显，评价方法虽然已在行标中有明确描述，但其溯源性和在实验室的可复现性仍然较差，适用性也进一步受到限制，本发明的建立，必将在红外热成像性能评价中发挥重要技术支撑作用，取得良好的社会效益。

附图说明

图1为现有的MRTD四杆靶示例图；

图2为本发明实施例1的设备结构示意图；

图3为本发明实施例1的靶标示意图；

图4为本发明实施例2中按照对比度(差分温度)和尺寸(空间分辨率)排列的三角形靶图案；

图5为本发明实施例3中人眼视觉判定结果的Weibull拟合曲线；

图6为本发明实施例3中人眼视觉判定结果的TOD拟合曲线；

图7为本发明实施例4中机器视觉判定结果的Weibull拟合曲线；

图8为本发明实施例4中人眼视觉和机器视觉判定结果的TOD拟合曲线。

具体实施方式

以下将结合附图对本发明作进一步的描述，需要说明的是，本实施例以本技术方案为前提，给出了详细的实施方式和具体的操作过程，但本发明的保护范围并不限于本实施例。

实施例1

TOD即为三角形方向辨别阈值法(Triangle Orientation Discriminationthreshold)。该方法模型利用不同尺寸(不同空间分辨力)、不同温差(差分温度)的等边三角形作为测试用靶标，通过被测红外成像系统成像，由人眼进行多次方向鉴别，统计测试结果并拟合成2类关系曲线：第一类为在控制差分温度的情况下得到阈值对比度与靶标尺寸之间的关系曲线，第二类为指定空间分辨力的情况下阈值对比度与临界差分温度(最小可分辨温差)之间的关系曲线。根据TOD拟合曲线可对指定尺寸(空间分辨力)和对比度(差分温度或温度分辨力残差)目标的探测和识别能力进行预测和判断。

如图2所示，本实施例提供的一种基于TOD的红外成像系统性能评价设备，包括平行光管1、靶标转轮2、TOD测试靶标3、黑体辐射源4、控制器5和SAT模块6；所述SAT模块6与所述控制器5通讯连接，所述控制器5分别与所述黑体辐射源4和靶标转轮2通讯连接；所述平行光管1用于产生平行光束；TOD测试靶标3安装于靶标转轮2上，靶标转轮2位于黑体辐射源4和平行光管1的入射口之间；所述SAT模块6还通讯连接被测红外成像系统7。

需要说明的是，SAT模块为主要控制模块，其通讯连接于被测红外成像系统以实现用户输入读取、图像显示和算法运行，并且通讯连接于所述控制器以实现对黑体辐射源和靶标转轮进行控制。控制器对靶标转轮的控制体现在不同靶标转轮方位的转动，通过靶标转轮的方位转动可对TOD测试靶标的方位进行切换。控制器对黑体辐射源的控制体现在控制黑体辐射源的辐射光源强度(又叫差分温度)。靶标转轮旋转至不同位置代表着不同方位的TOD测试靶标图案通过平行光管在黑体辐射源提供的辐射光源下进行图案展示。黑体辐射源提供的辐射光，通过TOD测试靶标后，进入平行光管入射口，再经过主抛物面产生平行光图案，由被测红外成像系统进行采集，并在SAT模块上进行显示，为后续的TOD测试所使用。

开始测试后，测试人员首先根据被测红外成像系统的特征频率选择的指定空间频率的TOD测试靶标并部署，同时调整相应的差分温度，然后根据被测红外成像系统采集的视频图像选择指定的方向坐标并输入至SAT模块，循环多次，SAT模块根据测试人员的输入与控制器的反馈，读取到当前靶标的方位和差分温度值，再通过指定的特征函数对测量结果进行拟合，得到试验结果。

需要说明的是，TOD测试方法中使用的靶标形状为等边三角形，该等边三角形的方向在靶标转轮的转动下具有上、下、左、右四个可能，如图3所示。TOD测试靶标在黑体辐射源提供的均匀背景中，可在被测红外成像系统上呈现均匀稳定的等边三角形图像。

需要说明的是，相比于可见光成像设备的性能测试，红外成像系统除需要考虑空间分辨率的基础上，还需要考虑温度分辨率。其中空间分辨率受被测红外成像系统光学器件、测试用系统光学器件还有TOD测试靶标尺寸的影响，温度分辨率则是受到TOD测试靶标温度与黑体辐射源的差分温度影响。为保证物体辐射所带来的光为平行光，还需要使用平行光管。视场内三角形的TOD测试靶标的角平方根面积S在结果统计阶段可以作为空间分辨率的代表参数之一，对其进行计算，则S可表示为:

式中，L表示三角形靶标的边长，f表示测试用平行光管的有效焦距。

实施例2

本实施例提供一种利用实施例1所述设备的方法，具体过程为：

首先，确定TOD测试靶标的尺寸，将TOD测试靶标安装在靶标转轮上；调节黑体辐射源的辐射光源强度即差分温度至设定值，黑体辐射源提供的辐射光通过TOD测试靶标后，进入平行光管入射口，再经过主抛物面产生平行光图案，由被测红外成像系统进行采集，并在SAT模块上进行显示；

测试者观察SAT模块上显示的被测红外成像系统的成像画面并判断方向，判断准则采用4AFC方法并搭配单选机制。判断完成后，对SAT模块进行输入，SAT模块根据测试者的输入，通过控制器对靶标转轮进行控制，通过靶标转轮的转动，切换TOD测试靶标的方向，测试者继续完成多次方向判断，并统计判断结果并得出正确判断概率。在保证TOD测试靶标尺寸不变的情况下，按照预设补偿调整差分温度(对比度)，重复上述过程，可以得到多种不同差分温度(对比度)下测试人员正确判断的概率，并将测试结果通过Weibull函数进行拟合，得到拟合曲线。

在TOD测试的过程中，需要进行调整、关联和控制的变量包括靶标尺寸(空间分辨力)、对比度(差分温度)、TOD测试靶标方向(上、下、左、右)，其中靶标方向作为关联变量，由测试人员进行判断。

在曲线拟合过程中，所采用的概率统计分析函数为Weibull函数。从概率论和统计学角度来看，在TOD测试过程中的TOD测试靶标方向判断结果属于连续性的概率分布，同时需要将误操作录入概率δ、完全盲猜且猜测正确的概率γ，刺激强度阈值α，函数曲线斜率β代入进行运算，其表达式为：

通常在无特殊情况说明的情况下，取δ＝0.02,由于TOD测试靶标方向共计有四个方向，盲猜命中的概率为1/4＝0.25，α的取值由TOD测试靶标尺寸(空间分辨率)和对比度(差分温度或温度分辨率)决定，β为初次拟合可统计出的变量。

通过上述拟合曲线可得到指定尺寸的TOD测试靶标在75％的测试人员正确判断概率下所对应的差分温度(对比度)值。此时改变TOD测试靶标的尺寸，继续重复上述测试，并进行二项式拟合和曲线拟合，可得到在75％的测试人员正确判断概率下，目标单位对比度(差分温度/温度分辨力)与尺寸(空间分辨力)的拟合关系曲线，即为TOD曲线。图4代表了不同差分温度与尺寸的三角形靶标排列与对应的单次判断阈值曲线示意。水平从左向右方向的三角形靶标图案尺寸依次减小，垂直从上向下方向差分温度阈值依次减小。

求得75％正确判断概率的数据点过程是对Weibull函数进行多项式变化的过程，仍然需要将误操作录入概率δ、完全盲猜且猜测正确的概率γ，刺激强度阈值α，函数曲线斜率β代入进行多项式变化：

首先将Weibull函数表达式左右对称运算变形为：

后令

N＝lnx，

则有：M＝βN-βlnα

通过获得多组测试数据(单点)及拟合数据(初次曲线拟合)可得到多组M、N的对应值，代入M＝βN-βlnα则可获得α和β取值曲线，可用α₇₅来代替正确判断概率为75％时的α值，称为正确判断概率为75％时的阈值对比度，也就是靶标尺寸(空间分辨率)和对比度(差分温度或温度分辨率)的关系。

通过TOD测试步骤可以看出，TOD测试模型通过重复测试、函数曲线拟合的方式降低了测试人员的主观性带来的影响，并简化了测试人员的工作内容。

不容忽视的是，4AFC+Weibull的过程需要较多的测试次数，通常一条TOD曲线的拟合需要成千上万的测试结果，仍需耗费大量的时间，因此TOD测试方法除了人眼视觉的判断方法外，仍需增加机器视觉与自动化判断的部分。

实施例3

本实施例提供一种对实施例1、2的应用实例。

测试靶标生成过程包括软件靶标信息生成、靶标轮信息生成与靶标信息标定。软件靶标信息生成操作完成后，应产生对应的虚拟靶标对象(软件中的对象，未标定)，靶标对象属性信息应包括但不限于空间分辨率(靶标尺寸，需标定)、对比度(差分温度，需从黑体控制信息读取)、靶标位置(与靶标轮位置对应，属于数据库外键)等；靶标轮信息主要包括各靶位编号以及各靶位对应的虚拟靶标对象信息；靶标信息标定通常采用人工标定的方式，即将相关属性信息进行人工查验后，填入指定的信息字段，通过靶标信息标定可将对应的信息字段与实际靶标对象以及靶标转轮靶轮位置进行标定。通常测试靶标数据库应包含但不限于以下字段：测试靶标尺寸、背景温度、对比度(差分温度)、方位信息、靶轮编号、判定结果(人眼视觉、机器视觉)等。

在方向判定阶段，已使用上述TOD测试过程进行了摸底测试并收集了相应的测试数据。生成的测试数据共计包含对比度(差分温度)组数×相同方向靶标数×不同尺寸靶标组数×4。

对于TOD测试的方向判定阶段，分为面向两种对象的三角形方向判定：人眼视觉的方向判定与机器视觉的方向判定。

在摸底测试环节，组织测试人员使用TOD测试平台对被测的红外成像系统进行测试，对比度(差分温度)组数为10组，相同方向靶标数为15个，不同尺寸靶标组数为9个，共计生成测试数据5400组，并对测试时被测红外成像系统所成图像进行存储和编号。生成数据部分内容如表1所示。

表1

靶标方向的上下左右分别使用1、2、3、4来表示，对比度表示三角形样条的差分温度，单位为开尔文(K)，判定方向的上下左右也同样使用1、2、3、4来表示，判定结果1表示判定结果正确，判定结果0表示判定结果错误。

通过对测试数据进行统计，得到指定尺寸指定对比度的情况下，对靶标方向判定正确的概率，进行拟合，得到Weibull拟合曲线。每条Weibull拟合曲线对应指定正确判断概率的对比度阈值，因此横轴为对比度，纵轴为正确判断的概率，最后所得的对比度阈值为75％正确判断概率下的对比度数据点。Weibull拟合曲线示例如图5所示。

根据所有测试用尺寸的三角靶Weibull函数拟合产生的对比度阈值，可得到被测红外成像系统在不同尺寸(空间频率)下75％正确判断概率的TOD对比度阈值(差分温度阈值)。如表2所示。

表2：被测红外成像系统在不同空间频率下75％正确判断概率的TOD对比度阈值

根据上表进行二项式曲线拟合，拟合后的TOD曲线如图6所示。

因人工观察三角形靶标成像方向需要对大量的靶标成像进行判定，一次完整的TOD测试用时会相对较长，因此有必要通过机器视觉对三角形进行方向判定并统计结果，在降低了人眼主观性的同时可以实现TOD的自动化测试，增强了TOD自动化测试的理论有效性。

Konhonen网络模型是一种由1个输入单元和1个处理单元组成的自组织特征映射模型。Konhonen网络是一种无监督、自组织的学习网络，可对环境特征变量进行自动识别和聚类。Konhonen的训练过程是一种网络权值调整过程，通过网络中的权值调整，可控制神经网络收敛于一种表示形态，并在该形态中保证指定神经元对指定输入模式敏感，而后在获得了数据记录后，可按照神经元被划分为不同区域，因此Kohenen网络是一种竞争机制的网络模型，每个单元(也称作神经元)竞争获得每个输入样本(称为记录)，网络学习过程中，当样本输入网络时，竞争层上的神经元需要计算输入样本与竞争层神经元权值之间的欧几里德距离，距离最小的神经元为获胜神经元。调整获胜神经元和相邻神经元权值，使获得神经元及周边权值(计算参数及相关变量)靠近该输入样本。通过反复训练，最终各神经元的连接权值具有一定的分布，权值修改学习速率和神经元领域均在不断较少，从而使同类神经元逐渐集中。

在TOD测试的机器视觉方向判定过程中，先进行少部分人眼视觉的方向判定，判定结果与相关参数形成数据记录矩阵(数据记录应大于等于150行×5列＝750个)，将此记录作为训练样本，建立Kohenen网络进行训练和学习，并经过多组迭代，形成稳定的聚类簇。

需要说明的是，Kohenen网络的训练过程为：

将输入向量设为E，参数计算后的权重设为μi，则有：

E＝[e₁，e₂，...，e_n]

μ_i＝[μ_i1，μ_i2，...，μ_in]

初始化权值向量u，学习率初始值α0和临近值的初始值，总学习次数为T，则可对输出层单元与输入向量的欧几里得距离进行计算，得到最接近输入向量的获胜神经元c,则c的欧几里得距离可表示为：

根据上式计算结果调整权值向量为：

Δu_ij＝α(e_j-u_ij)

当输出单元Qi和Li满足D(Qi，Li)＜Nc时，则表示输出单元Qi在输出单元Li的临近值范围。其中Nc表示临近值大小，D(Qi，Li)表示Qi和Li的切比雪夫距离：

根据上述临近值范围的判断，学习率α和符合临近值的目标个数d可更新表示为

α_t＝α₀(1-t/T)

d＝d₀(1-t/T)

α₀和d₀分别表示学习率和符合临近值的目标个数的初始值。

循环上述过程，可不断降低学习率和符合临近值的目标个数，保证在网络模型中，通过对属性信息的输入和Kohonen的竞争模式，较远神经元被抑制，得到相关聚类簇。聚类簇的产生可对应于三角形方向的映射和判断，簇的半径大小反映簇内数据的离散程度，半径越大，簇内的数据越离散。当簇内的记录较少，并且与正常数据序列的簇差距较大(一般用距离表示)，则说明此簇中可能包含了异常的数据或人眼主观因素产生了较大偏离或误判，由此保证在TOD人眼视觉判断结果作为Kohonen网络模型初始数据的基础上，TOD机器视觉的判断结果偏离与人眼视觉判断结果较小。

以向上的方向的三角形TOD测试靶标三个边的垂直平分线交点为样条中心距点，水平和垂直方向为X轴和Y轴，建立直角坐标系。则样条中心距表示为O(cx，cy)

其中x与y分别为每个像素点的横纵坐标，样机一共有n个像素点，对应的x和y的脚标分别为1,2,3…n。

取三角形特征变量分别为：

标量表达式中：xmax(xmin)是三角形图像像素点横坐标的最大(小)值，ymax(ymin)是三角形图像像素点纵坐标的最大(小)值。

对ratiox与ratioy进行分析时，需进行分类讨论来判断视频图像上的三角形方向，即当ratiox＝1时，ratioy的值与数值1的大小比较结果可判断上下方向(ratiox与ratioy无法相等且同时为1),ratioy＝1时，ratiox的值与数值1的大小比较结果可判断左右方向(ratiox与ratioy无法相等且同时为1)。如表3所示。

表3

采用与上述人眼视觉相同的测试靶标、所成图像及相关参数进行机器视觉的判定，在采用相同的对比度阈值情况下，Weibull拟合曲线示例如图7所示。

根据不同对比度阈值的多个Weibull曲线进行二项式拟合，并将所得机器视觉TOD曲线与人眼视觉TOD曲线放在同一坐标系进行比较，如图8所示。

由图8所示的人眼视觉和机器视觉的结果预测曲线可以看出，在空间频率较低的情况下，机器视觉的阈值对比度较低，在空间频率较高的情况下，机器视觉的阈值对比度较高，因此对于此次摸底测试，机器视觉和人眼视觉在某一中高空间频率的阈值对比度表现会完全重合；对于总体趋势而言，人眼视觉和机器视觉是一致的，说明使用目前机器视觉的判定方法在一定程度上遵循了人眼判定的规律。

对于本领域的技术人员来说，可以根据以上的技术方案和构思，给出各种相应的改变和变形，而所有的这些改变和变形，都应该包括在本发明权利要求的保护范围之内。

Claims (5)

1.一种基于TOD的红外成像系统性能评价设备，其特征在于，包括平行光管(1)、靶标转轮(2)、TOD测试靶标(3)、黑体辐射源(4)、控制器(5)和SAT模块(6)；所述SAT模块(6)与所述控制器(5)通讯连接，所述控制器(5)分别与所述黑体辐射源(4)和靶标转轮(2)通讯连接；所述平行光管(1)用于产生平行光束；TOD测试靶标(3)安装于靶标转轮(2)上，靶标转轮(2)位于黑体辐射源(4)和平行光管(1)的入射口之间；所述SAT模块(6)还通讯连接被测红外成像系统(7)。

2.根据权利要求1所述的基于TOD的红外成像系统性能评价设备，其特征在于，所述SAT模块用于读取用户的输入、被测红外成像系统的图像显示以及通过控制器对黑体辐射源和靶标转轮进行控制。

3.根据权利要求1所述的基于TOD的红外成像系统性能评价设备，其特征在于，控制器用于控制靶标转轮转动至不同的方位以及控制黑体辐射源的辐射光源强度。

4.一种利用权利要求1-3任一所述设备的方法，其特征在于，具体过程为：

S1、选择所需尺寸的TOD测试靶标，将TOD测试靶标安装在靶标转轮上；调节黑体辐射源的辐射光源强度即差分温度至设定值，黑体辐射源提供的辐射光通过TOD测试靶标后，进入平行光管入射口，再经过主抛物面产生平行光图案，由被测红外成像系统进行采集，并在SAT模块上进行显示；

S2、人眼视觉判断：测试者观察SAT模块上显示的被测红外成像系统的成像画面并判断方向；判断完成后，对SAT模块进行输入，SAT模块根据测试者的输入，通过控制器对靶标转轮进行控制，通过靶标转轮的转动，切换TOD测试靶标的方向，测试者继续完成多次方向判断，并统计判断结果并得出正确判断概率；

S3、在保证TOD测试靶标尺寸不变的情况下，按照预设补偿调整差分温度，重复步骤S2的过程，得到多种不同差分温度下测试人员正确判断的概率，并将测试结果通过Weibull函数进行拟合，得到拟合曲线；

S4、通过步骤S3得到的拟合曲线可得到设定尺寸的TOD测试靶标在75％的测试人员正确判断概率下所对应的差分温度值；此时改变TOD测试靶标的尺寸，步骤S2-S3的过程，并进行二项式拟合和曲线拟合，可得到在75％的测试人员正确判断概率下，目标单位对比度与尺寸的拟合关系曲线，即为TOD曲线。

5.根据权利要求4所述的方法，其特征在于，还包括有步骤S5：

S5、机器视觉与自动化判断：先利用步骤S2-S4进行设定次数的人眼视觉的方向判定，将判定结果与对应的参数形成数据记录矩阵，将该数据记录矩阵作为训练样本，建立Kohenen网络进行训练和学习，并经过多组迭代，形成稳定的聚类簇；

以向上的方向的三角形TOD测试靶标三个边的垂直平分线交点为样条中心距点，水平和垂直方向为X轴和Y轴，建立直角坐标系；则样条中心距表示为O(cx，cy)：

其中x与y分别为每个像素点的横纵坐标，一共有n个像素点，对应的x和y的脚标分别为1,2,3…n；

取三角形特征变量分别为：

标量表达式中：xmax、xmin分别是三角形图像像素点横坐标的最大值和最小值，ymax、ymin分别是三角形图像像素点纵坐标的最大值和最小值；

对ratiox与ratioy进行分析时，需进行分类讨论来判断视频图像上的三角形方向：当ratiox＝1时，如ratio_y＜1,则三角形方向向下，如ratio_y＞1，则三角形方向向上；当ratioy＝1时，如ratio_x＜1，则三角形方向向左，ratio_x＞1，则三角形方向向右；

按照上述判定过程，获得相同对比度阈值下的Weibull拟合曲线，以及根据不同对比度阈值的多个Weibull曲线进行二项式拟合。

Images