CN117557461A - 一种红外点目标图像仿真生成方法及系统 - Google Patents
一种红外点目标图像仿真生成方法及系统 Download PDFInfo
- Publication number
- CN117557461A CN117557461A CN202311311574.6A CN202311311574A CN117557461A CN 117557461 A CN117557461 A CN 117557461A CN 202311311574 A CN202311311574 A CN 202311311574A CN 117557461 A CN117557461 A CN 117557461A
- Authority
- CN
- China
- Prior art keywords
- target
- image
- point target
- response
- gray
- 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
- 238000004088 simulation Methods 0.000 title claims abstract description 49
- 238000000034 method Methods 0.000 title claims abstract description 32
- 230000004044 response Effects 0.000 claims abstract description 69
- 238000001514 detection method Methods 0.000 claims abstract description 40
- 239000006185 dispersion Substances 0.000 claims abstract description 12
- 230000005855 radiation Effects 0.000 claims description 54
- 238000003384 imaging method Methods 0.000 claims description 28
- 238000010130 dispersion processing Methods 0.000 claims description 9
- 238000009792 diffusion process Methods 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 7
- 230000008569 process Effects 0.000 abstract description 9
- 238000004364 calculation method Methods 0.000 description 12
- 238000004422 calculation algorithm Methods 0.000 description 10
- 230000003287 optical effect Effects 0.000 description 6
- 239000013598 vector Substances 0.000 description 6
- 239000011159 matrix material Substances 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000003331 infrared imaging Methods 0.000 description 3
- 230000010354 integration Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 230000033001 locomotion Effects 0.000 description 2
- 239000000523 sample Substances 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 241001270131 Agaricus moelleri Species 0.000 description 1
- 230000005457 Black-body radiation Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 210000001747 pupil Anatomy 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 125000006850 spacer group Chemical group 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000017105 transposition Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
-
- 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
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Radiation Pyrometers (AREA)
Abstract
一种红外点目标图像仿真生成方法及系统,包括:确定点目标的灰度响应G;根据点目标的灰度响应G和弥散灰度分布值,进行目标衍射弥散处理,获得目标图像P;将目标图像P、背景图像和背景噪声进行图像叠加,获得探测图像,完成图像仿真生成方法。本发明基于物理过程实现仿真,用于生成大量点目标红外仿真图像和视频,提升仿真精度。
Description
技术领域
本发明涉及一种红外点目标图像仿真生成方法及系统,属于光电探测领域。
背景技术
空中目标的红外成像仿真技术在军事和民用领域都有着非常广泛的应用,相较于真实的飞行试验获取的拍摄数据,红外成像仿真具有成本低、获取数据量大、探测波段广以及隐私性强等特点。鉴于国家安全防御对目标探测和跟踪的需求日益增长,红外成像仿真计算获得的数据可应用于图像目标检测识别算法的测试,为算法精度的提升提供训练样本。
光电探测器接收的是目标和环境像探测器视场辐射的能量,其中辐射主要包目标本身的热辐射、目标表面对各种外界辐射的反射以及环境辐射。目前,随着各国对环境和材料的辐射特性研究,已经形成了多种成熟的商业仿真软件。
辐射能量进入到探测器后,经过光学系统的传输、探测器的光电转换等处理,最终形成探测图像。受到目前制作工艺的限制,探测器像平面像素与像素间存在间隔,一般用填充因子指标表征。由于目标辐射到焦平面位置的不同,间隔区域丢失的能量不断变化,导致像素灰度总和会伴随目标位置不断更改。除此之外,探测器自身的固有噪声(时域噪声、响应非均匀性)也会对灰度总和有影响。现有仿真算法未考虑探测器的填充因子,成像效果无法完全反应真实情况。
发明内容
本发明的技术解决问题是:克服现有仿真问题,针对目前红外点目标仿真过程未考虑探测器填充因子的问题,提出一种点目标图像仿真方法及系统,基于物理过程实现仿真,生成大量点目标红外仿真图像和视频,提升仿真精度,应用于目标检测算法测试及性能验证。
本发明的技术解决方案是:
第一方面,
一种红外点目标图像仿真生成方法,包括步骤如下:
1)确定点目标的灰度响应G;
2)根据点目标的灰度响应G和弥散灰度分布值,进行目标衍射弥散处理,获得目标图像P;
3)将目标图像P、背景图像和背景噪声进行图像叠加,获得探测图像,完成图像仿真生成方法。
优选地,步骤1)确定点目标的灰度响应G的方法,具体为:
11)确定成像距离R;
12)确定点目标的辐射强度I;
13)根据成像距离R和点目标的辐射强度I,确定点目标的灰度响应G。
优选地,步骤12)确定点目标的辐射强度I的方法,具体为:
其中,T为点目标的绝对温度,ε为发射率,λ1和λ2分别为探测器的起始波长和截止波长,c为光速,h为普朗克常数,KB为玻尔兹曼常数,λ为波长。
优选地,所述点目标的灰度响应G,具体为:
其中,NEFD为噪声等效辐照度,σ表示噪声标准差。
第二方面,
一种红外点目标图像仿真生成系统,包括:目标响应确定模块、弥散处理模块和探测图像生成模块;
目标响应确定模块:确定点目标的灰度响应G并输出给弥散处理模块;
弥散处理模块:接收目标响应确定模块输出的点目标的灰度响应G,进行目标衍射弥散处理,获得目标图像P并输出给探测图像生成模块;
探测图像生成模块:接收弥散处理模块输出的目标图像P,将目标图像P、背景图像和背景噪声进行图像叠加,获得探测图像。
优选地,目标响应确定模块包括:成像距离确定模块、辐射强度确定模块和灰度响应确定模块;
成像距离确定模块:确定成像距离R并输出给灰度响应确定模块;
辐射强度确定模块:确定点目标的辐射强度I并输出给灰度响应确定模块;
灰度响应确定模块:接收成像距离确定模块输出的成像距离R,接收辐射强度确定模块输出的点目标的辐射强度I,根据成像距离R和点目标的辐射强度I,确定点目标的灰度响应G并输出给弥散处理模块。
优选地,辐射强度确定模块确定的点目标的辐射强度I,具体为:
其中,T为点目标的绝对温度,ε为发射率,λ1和λ2分别为探测器的起始波长和截止波长,c为光速,h为普朗克常数,KB为玻尔兹曼常数,λ为波长。
优选地,灰度响应确定模块确定的点目标的灰度响应G,具体为:
其中,NEFD为噪声等效辐照度,σ表示噪声标准差。
本发明与现有技术相比的有益效果是:
1)本发明为解决探测场景及谱段的多光谱传感器实测图像数据不充足的问题,设计了一种红外点目标图像仿真生成方法,利用该技术对探测图像进行仿真,可生成大量波段可自选的红外图像,解决目标检测算法测试及性能验证需要大量支撑数据的重要需求。
2)现有仿真算法未考虑探测器的填充因子。像素灰度总和受到填充因子的影响,成像效果无法完全反应真实情况。本仿真算法在灰度积分过程中排除了填充因子接收的辐射,并利用误差函数对积分过程进行简化,增大了图像的逼真度。
3)本仿真方法的输出图像采用叠加的方式,图像中的目标、背景和噪声均单独进行计算,参数的输入可根据探测需求进行更改,以适应绝大部分空中场景的探测图像仿真情况。
附图说明
图1为本仿真算法的总体思路框图;
图2为目标空间位置与像点坐标的几何关系图;
图3为地心坐标系与载体坐标系转换关系示意图;
图4衍射光斑与有限像元位置关系示意图;
图5(a)为本发明仿真生成的噪声图像;
图5(b)为本发明仿真生成的探测图像。
具体实施方式
以下结合附图和具体实施例对本发明进行详细说明:
仿真的总体思想
如图1所示,本发明点目标的仿真计算主要包括如下几个步骤:
1)参数输入,包括目标与探测系统的位置和探测器参数,用于计算成像距离R;
2)根据温度、辐射系数、探测器波段范围计算目标的辐射强度I;
3)根据探测器、目标的几何关系,计算目标到探测系统入瞳面处的辐照度I/R2,同时得到目标中心在探测器的坐标值(un,vn);根据辐照度I/R2以及探测器的响应特性计算点目标的灰度响应G;
4)根据目标在探测器上的坐标值(un,vn),考虑探测器的填充率,进行目标衍射弥散,得到每个像素点的弥散灰度分布值。将目标的灰度响应G和弥散灰度分布值相乘得到每个像素对应的灰度值,从而获得目标图像P;
5)根据探测波段计算背景噪声,将读取的背景图像、以及步骤4)获得的目标图像P进行叠加,完成探测图像生成;探测图像如图5(b)所示。
6)数据显示与保存。
7)重复上述步骤,即可完成图像序列的仿真。
本发明一种红外点目标图像仿真生成系统,包括:目标响应确定模块、弥散处理模块和探测图像生成模块;
目标响应确定模块:确定点目标的灰度响应G并输出给弥散处理模块;
弥散处理模块:接收目标响应确定模块输出的点目标的灰度响应G,进行目标衍射弥散处理,获得目标图像P并输出给探测图像生成模块;
探测图像生成模块:接收弥散处理模块输出的目标图像P,将目标图像P、背景图像和背景噪声进行图像叠加,获得探测图像。
优选地,目标响应确定模块包括:成像距离确定模块、辐射强度确定模块和灰度响应确定模块;
成像距离确定模块:确定成像距离R并输出给灰度响应确定模块;
辐射强度确定模块:确定点目标的辐射强度I并输出给灰度响应确定模块;
灰度响应确定模块:接收成像距离确定模块输出的成像距离R,接收辐射强度确定模块输出的点目标的辐射强度I,根据成像距离R和点目标的辐射强度I,确定点目标的灰度响应G并输出给弥散处理模块。
辐射强度确定模块确定的点目标的辐射强度I,具体为:
其中,T为点目标的绝对温度,ε为发射率,λ1和λ2分别为探测器的起始波长和截止波长,c为光速,h为普朗克常数,KB为玻尔兹曼常数,λ为波长。
灰度响应确定模块确定的点目标的灰度响应G,具体为:
其中,NEFD为噪声等效辐照度,σ表示噪声标准差。
下面根据上述步骤,对每个步骤的具体仿真模型进行分析。
参数输入
参数输入包含目标位置、发射率ε和温度T以及探测器的位置、焦距f、像元大小d、噪声等效辐照度(NEFD)、起始波长和截止波长。其中,目标和探测器位置数据的生成需要制导控制专业支撑,本项目直接利用仿真好的结果,为典型的由远及近交会数据。噪声等效辐照度表征辐射照度与灰度的转换关系,是衡量探测器灵敏度的重要参数。
数据的参考坐标系无影响,目标和探测器的相对关系决定仿真结果。目前只有目标与探测系统位置随时间变化的数据,姿态数据需要自己假定目标的运动状态生成。
为简化程序设计,降低程序运行时间。算法假设目标为轴对称体,比如锥体,轴线方向与运动方向平行,也就是轨迹的切线方向,这样可以由轨迹数据得到姿态数据,物体的章动和进动可以在这个基础上增加扰动仿真得到。同时假定探测系统光轴方向与目标-平台视线角方向平行,对于捷联系统,则探测系统的姿态可以由目标-平台视线角方向得到,探测系统的姿态晃动可以通过增加扰动量仿真得到。
目标辐射强度计算
目标辐射强度I可根据黑体辐射模型得到。假设目标表面温度均匀,则目标的辐射强度I公式为:
其中,T为目标绝对温度,ε为发射率,λ1和λ2分别为探测器的起始波长和截止波长,c为光速,h为普朗克常数,KB为玻尔兹曼常数。根据公式可以看出,目标的辐射强度I与温度、表面发射率、探测波段范围相关。
温度随时间的变化仿真计算涉及热学专业知识,而且与目标的具体参数密切相关。本模型可以直接利用温度计算结果数据进行仿真,也可以利用简单函数进行模拟。
目标位置计算
本部分内容根据参数输入(目标与探测器的空间位置),计算点目标在探测器面的坐标,用于后续探测图像输出,如图2所示。
a目标像点坐标计算
探测系统的平台载体坐标系为(Xs,Ys,Zs),探测器的Xs方向为光轴方向,指向目标,可以根据目标与探测器的位置坐标求得。探测系统平台与地心的连线与Xs轴做叉乘确定Zs轴(当地的水平线方向);利用右手定则确定Ys轴,也就是利用Zs轴和Xs轴叉乘得到Ys轴,数学表达式为:
Ys=Xs×Zs
式中×表示叉乘。目标经过光学系统在探测器面上形成弥散斑,目标相对于探测系统载体坐标系的位置(xt,yt,zt),目标中心坐标为
式中f为焦距,d为探测器像元尺寸。
b坐标旋转
目标相对于探测系统载体坐标系的坐标(xt,yt,zt)需要通过坐标转化得到,计算方法如下。XsYsZs轴方向矢量(假设用列向量表示)可通过地心坐标系表示,即:
[i',j',k']=[i,j,k]×M
式中i’、j’、k’为探测器坐标系XsYsZs轴的单位方向矢量,如图3所示,i、j、k为地心坐标系的单位方向矢量,M为变换矩阵。已知i,j,k组成单位矩阵,则M为i’、j’、k’三个矢量组成的矩阵,因此求得新坐标系三个轴的单位矢量后,就直接得到了转移矩阵。
需要指出的是,上述的转移矩阵定义不同,计算过程中的公式形式不同(需要转置或者取逆,两者等价),需要前后定义一致,否则可能出现错误。
目标辐射灰度响应
本部分内容根据目标与探测器的空间位置以及探测器的参数输入,计算目标辐射灰度响应,用于后续目标图像生成计算。
假设目标表面为朗伯体,根据辐射传递公式可知探测器接收到的辐射照度与传播距离呈平方反比关系。而对于线性工作区的探测系统,入射的辐照度与点目标的图像灰度响应有线性关系,因此可得到探测器像素灰度响应值的计算公式。
式中G为像素灰度响应值,系数a和b可以通过面源黑体标定获取,I为计算得到的目标辐射强度,R为目标与探测器的距离,其他参数已知。由于仿真过程中假设的场景理想,像素灰度计算公式可由下式计算得到。
式中,NEFD为噪声等效辐照度,σ表示噪声标准差,NEFD和σ两参数均由输入获得。程序根据上式对目标像素灰度进行计算,后续根据点目标弥散模型完成对目标的图像仿真。
像元填充与弥散模型
本部分内容在得到像点在像平面的坐标后,以该位置为中心,仿真点目标图像。
点目标的图像与光学系统点扩散函数(PSF)、点目标中心位置、像元填充率等因素相关。由于衍射效应以及像差,点目标发出的无穷远平行光经过光学系统后会弥散为一个斑,如图4所示,该光斑的能量会覆盖多个像素。由于探测器像素间存在间隔,目标真实信号的能量会丢失一部分,丢失的大小与光斑能量分布及光斑与像素的相对位置关系有关。
点目标T具有像素灰度响应值G,(un,vn)为其在焦平面坐标系下的坐标值(不一定是整数),PSF函数由下式给出:
式中:(u,v)为焦平面坐标系下的坐标;σblur描述光斑能量扩散的范围大小。对上式进行全积分,得到像平面(un,vn)处的灰度响应值P(un,vn)。当目标点落于某个探测元附近时,该探测像元所接收的目标能量P为:
式中erf是误差函数,定义为
u1和u2为像素的起止坐标。因此,已知目标在探测器的坐标值标(un,vn),像素的起止坐标u1和u2,总辐射能量P,弥散半径,可以得到每个像素的能量分布情况,再配合光电转换关系,可以得到像平面各个像素的灰度响应情况。
对图4中第5个像素,计算公式如下:
伴随像元位置距离点目标中心的增大,点目标弥散光斑的能量衰减很快。
背景和噪声模型
本部分内容主要对探测图像中的背景和噪声进行生成。
1.1噪声图像
空间环境背景噪声以高斯噪声为主,因此噪声图像生成的核心是确定噪声的标准差σgauss(单位是灰度),该数据可根据相机实测结果确定。仿真过程总采用高斯函数对图像噪声进行仿真,仿真输入为噪声标准差。
1.2背景输入
探测器的背景选用真实场景下拍摄的地球背景,为模拟背景变化,仿真过程中对每一帧图像单独插入唯一对应的背景图像。
噪声和背景图像完成生成后,程序最终通过叠加的形式将目标、背景以及噪声作为图像输出。图5(a)(b)为本发明算法仿真生成的噪声图像以及探测图像。
本发明虽然已以较佳实施例公开如上,但其并不是用来限定本发明,任何本领域技术人员在不脱离本发明的精神和范围内,都可以利用上述揭示的方法和技术内容对本发明技术方案做出可能的变动和修改,因此,凡是未脱离本发明技术方案的内容,依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化及修饰,均属于本发明技术方案的保护范围。在不冲突的情况下,本申请实施例以及实施例中的技术特征可以相互组合。
本发明说明书中未作详细描述的内容属本领域技术人员的公知技术。
Claims (8)
1.一种红外点目标图像仿真生成方法,其特征在于,包括:
确定点目标的灰度响应G;
根据点目标的灰度响应G和弥散灰度分布值,进行目标衍射弥散处理,获得目标图像P;
将目标图像P、背景图像和背景噪声进行图像叠加,获得探测图像,完成图像仿真生成方法。
2.根据权利要求1所述的一种红外点目标图像仿真生成方法,其特征在于,确定点目标的灰度响应G的方法,具体为:
确定成像距离R;
确定点目标的辐射强度I;
根据成像距离R和点目标的辐射强度I,确定点目标的灰度响应G。
3.根据权利要求2所述的一种红外点目标图像仿真生成方法,其特征在于,确定点目标的辐射强度I的方法,具体为:
其中,T为点目标的绝对温度,ε为发射率,λ1和λ2分别为探测器的起始波长和截止波长,c为光速,h为普朗克常数,KB为玻尔兹曼常数,λ为波长。
4.根据权利要求2或3任意之一所述的一种红外点目标图像仿真生成方法,其特征在于,所述点目标的灰度响应G,具体为:
其中,NEFD为噪声等效辐照度,σ表示噪声标准差。
5.一种红外点目标图像仿真生成系统,其特征在于,包括:目标响应确定模块、弥散处理模块和探测图像生成模块;
目标响应确定模块:确定点目标的灰度响应G并输出给弥散处理模块;
弥散处理模块:接收目标响应确定模块输出的点目标的灰度响应G,进行目标衍射弥散处理,获得目标图像P并输出给探测图像生成模块;
探测图像生成模块:接收弥散处理模块输出的目标图像P,将目标图像P、背景图像和背景噪声进行图像叠加,获得探测图像。
6.根据权利要求5所述的一种红外点目标图像仿真生成系统,其特征在于,目标响应确定模块包括:成像距离确定模块、辐射强度确定模块和灰度响应确定模块;
成像距离确定模块:确定成像距离R并输出给灰度响应确定模块;
辐射强度确定模块:确定点目标的辐射强度I并输出给灰度响应确定模块;
灰度响应确定模块:接收成像距离确定模块输出的成像距离R,接收辐射强度确定模块输出的点目标的辐射强度I,根据成像距离R和点目标的辐射强度I,确定点目标的灰度响应G并输出给弥散处理模块。
7.根据权利要求6所述的一种红外点目标图像仿真生成系统,其特征在于,辐射强度确定模块确定的点目标的辐射强度I,具体为:
其中,T为点目标的绝对温度,ε为发射率,λ1和λ2分别为探测器的起始波长和截止波长,c为光速,h为普朗克常数,KB为玻尔兹曼常数,λ为波长。
8.根据权利要求6所述的一种红外点目标图像仿真生成系统,其特征在于,灰度响应确定模块确定的点目标的灰度响应G,具体为:
其中,NEFD为噪声等效辐照度,σ表示噪声标准差。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311311574.6A CN117557461A (zh) | 2023-10-11 | 2023-10-11 | 一种红外点目标图像仿真生成方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311311574.6A CN117557461A (zh) | 2023-10-11 | 2023-10-11 | 一种红外点目标图像仿真生成方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117557461A true CN117557461A (zh) | 2024-02-13 |
Family
ID=89811774
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311311574.6A Pending CN117557461A (zh) | 2023-10-11 | 2023-10-11 | 一种红外点目标图像仿真生成方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117557461A (zh) |
-
2023
- 2023-10-11 CN CN202311311574.6A patent/CN117557461A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111563962B (zh) | 一种基于几何辐射一体化采样的遥感图像仿真方法 | |
CN109655161B (zh) | 基于红外热像仪的目标红外积分辐射强度测试方法及设备 | |
Willers et al. | Signature modelling and radiometric rendering equations in infrared scene simulation systems | |
CN113902663A (zh) | 一种自动适应天气的空中小目标动态红外仿真方法及装置 | |
CN105023281B (zh) | 基于点扩散函数波前修正的星点像质心计算方法 | |
CN115828616A (zh) | 一种深空红外微动目标模型构建方法及成像仿真系统 | |
Sanders et al. | Utilization of DIRSIG in support of real-time infrared scene generation | |
Li et al. | A real-time aircraft infrared imaging simulation platform | |
Han et al. | Modeling the space-based optical imaging of complex space target based on the pixel method | |
CN117557461A (zh) | 一种红外点目标图像仿真生成方法及系统 | |
Wang et al. | Near-earth space star map simulation method of short-wave infrared star sensor | |
Wang et al. | A new high-precision star map simulation model and experimental verification | |
Willers et al. | Optronics sensor development using an imaging simulation system | |
Alvarez-Ríos et al. | Optical modeling and simulation of subpixel target infrared detection | |
CN105784626B (zh) | 一种基于红外光谱成像技术的大气污染物自适应识别方法及系统 | |
US20130002881A1 (en) | Synthetic infrared image injection apparatus | |
Garnier et al. | General framework for infrared sensor modeling | |
Thomassen et al. | Sensitivity of input parameters to modelling of atmospheric transmission of long-wave infrared radiation at sea under warm and humid conditions | |
Savage et al. | Irma 5.2 multi-sensor signature prediction model | |
CN110298082A (zh) | 一种通过成像法获取涂层双向反射分布函数仿真参数的方法 | |
Li et al. | Imaging Chain Modelling and a Scaling Experiment for Optical Remote Sensing of Lunar Surface | |
Kubik et al. | Amethist: A method for equalization thanks to histograms | |
Schott et al. | Incorporation of a time-dependent thermodynamic model and a radiation propagation model into IR 3D synthetic image generation | |
Cox | Integration of Event-Based Sensing with Traditional Imaging Approaches | |
Yu et al. | Real-time simulation of airborne FLIR sensor |
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 |