红外偏振成像系统性能评估模型

摘要

红外偏振成像系统快速发展且应用广泛,但评估其性能的成像系统性能模型发展不足。迫切需要能够与先进的偏振成像系统相匹配的性能模型。利用深度学习网络的训练过程与人脑提取认知信息过程的相似性,本文首次将深度学习方法引入系统性能模型领域,提出了一种基于二维图像的可自动评估系统性能的红外偏振成像系统性能模型。该模型主要包含两个主要模块:退化模块、性能感知模块。在评估一个新的系统时,需要输入高质量的原始图像,并根据系统的硬件参数量身定制成像系统退化模块,退化完成后输入性能感知模块,从而得到最终的目标获取性能。为验证模型有效性,本文基于红外辐射理论自建了面向海面场景的红外偏振数据集,训练网络并进行测试。应用该模型对红外偏振成像系统的性能进行评估,评估结果与主观感知具有较好的一致性。