一种红外成像传感器典型效应仿真的验证方法

摘要

本发明是一种用于红外成像传感器系统典型效应建模与仿真准确性和真实性的验证方法。本发明针对红外成像传感器系统典型效应建模与仿真的验证评价问题，提出了基于全参考图像质量评价方法的红外传感器典型效应仿真的验证方法，以黑体靶标的红外实拍图像为参考图像，针对具体红外成像系统的红外传感器效应仿真图像，采用逐像素比较和统计比较相结合的分析方法，综合考虑信息熵、偏离度、结构相似度、保真度等评价因子，形成综合评价指标，进行全面验证评价。该发明的重要意义是：基于全参考图像质量评价方法，综合了逐像素比较和统计比较两种分析方法，有效克服单一分析方法只能验证部分效应仿真结果的缺陷，评价指标全面、客观，准确性和可信性高。

说明书

技术领域

本发明属红外成像精确制导技术领域，用于红外成像制导系统性能评估仿真。

背景技术

随着红外成像制导武器的发展和应用，红外成像制导仿真技术发展的要求越来越迫切， 红外成像制导仿真对于检验红外成像制导系统的信号处理算法以及系统整体性能等方面具有 巨大的经济和军事效益。红外成像制导仿真目前主要采用景象投影法与信号注入式法两种半 实物仿真方法，在信号注入式仿真评估模式下，由于被试验装备的红外成像传感器系统不直 接参与仿真试验，考虑大气传输后的目标、背景场景生成图像并不能直接注入到红外成像制 导系统的信号处理部分，因而需要对其红外成像传感器系统典型效应进行建模与仿真。红外 成像传感器系统典型效应建模与仿真的真实性和逼真度决定着红外成像传感器系统建模与仿 真的有效性，因此红外成像传感器系统典型效应建模与仿真的真实性和逼真度的验证方法具 有十分重要的意义。

目前，对于红外成像传感器系统典型效应建模与仿真的研究很少，而建模与仿真准确性 和真实性的验证至今没有行之有效的方法和公认的评价指标。一种方法是将实际拍摄图像与 仿真结果图像逐像素进行比较，但这种方法太精确而不切合实际，并且没有合适的评价指标； 另外一种方法是整幅图像的统计比较，包括灰度一维直方图、局部能量直方图等，但只是利 用的单帧图像统计信息，容易产生误导，因为统计信息只是图像整体的统计量，两幅不同的 图像可能统计信息相同。

发明内容

为了解决红外成像传感器系统典型效应仿真的验证评价问题，本发明提供一种红外成像 传感器系统典型效应仿真准确性和真实性的验证方法，基于全参考图像质量评价方法，在红 外实拍图像与红外传感器效应仿真图像的基础上，采用逐像素比较和统计比较相结合的分析 方法，利用一维、二维直方图统计、结构相似度、保真度等综合评价指标进行全面验证评价， 有效克服单一分析方法只能验证部分效应仿真结果的缺陷。

本发明方法解决其技术问题所采用的技术方案是：首先利用红外成像系统对黑体靶标成 像，并针对不同黑体温度、温差分别输出红外实拍图像；其次，根据黑体温度、温差及靶标 类别，计算黑体靶标的辐射亮度并量化为灰度，采用计算机仿真技术生成黑体靶标的红外理 想仿真图像，并将红外理想仿真图像经过红外成像系统各模块的退化效应作用，最终得到黑 体靶标的红外传感器效应仿真图像；最后，采用逐像素比较和统计比较相结合的分析方法， 选取合适评价指标因子，形成综合评价指标，对红外传感器效应仿真图像和红外实拍图像进 行比较，并给出可信度评价。

此方法有益效果是，采用红外实拍图像与红外传感器效应仿真图像分析比较的方法，综 合了逐像素比较和统计比较两种分析方法，评价指标全面、客观，准确性和可信性高。

附图说明

图1是红外成像传感器典型效应仿真的验证方法框图。

图2是红外实拍图像。

图3是红外理想仿真图像。

图4是红外成像传感器典型效应退化作用框图。

图5是红外传感器效应仿真图像。

具体实施方式

针对黑体靶标图像具有规律性的特点，利用计算机仿真技术生成黑体靶标的红外传感器 效应仿真图像，在黑体靶标的红外实拍图像与红外传感器效应仿真图像的基础上，采用逐像 素比较和统计比较相结合的分析方法，选取保真度、信息熵、偏离度、结构相似度为验证指 标因子进行分析，并形成综合验证评价指标。具体框图见图1。

1.红外成像制导图像仿真

对于一定温度T_k的黑体目标，其某一波段内零视距离辐射亮度为：

$L=\frac{ϵ}{\pi }{\int }_{{\lambda }_1}^{{\lambda }_2}{M}_{\lambda }d\lambda$

式中ε是黑体目标的实际发射率，M_λ是绝对黑体的光谱辐射出射度，可由普朗克公式给出：

$M_{\lambda }=\frac{C_1·{\lambda }^{-5}}{\exp \left(\frac{C_2}{\lambda ·T_k}\right)-1}$

其中C₁,C₂为辐射常数，C₁＝3.74×10^-12W·cm²，C₂＝1.438cm·K，λ是波长。

由于红外仿真图像上各像素灰度值反映的是目标各部位红外辐射能量，因此需要将计算 得到的黑体靶标辐射亮度值量化为灰度等级，一般采用线性均匀量化方法，量化时需根据实 拍图像的灰度范围设置仿真图像合理的灰度范围。目标各部分辐射亮度量化为灰度等级之后， 根据黑体靶标成像几何形状及在视场所处的位置，对于图像中黑体目标区域赋予对应的灰度 级，可实现黑体靶标的红外理想仿真图像，红外实拍图像及红外理想仿真图像分别如图2、3 所示。

红外理想仿真图像是没有经过红外传感器各种退化效应作用的仿真图像，实际红外图像 形成过程中必然受到红外光学系统、探测器及信号处理电路各种退化效应的影响，包括红外 光学系统的光学能量传输衰减、渐晕、衍射、像差、畸变等，红外探测器阵列时间及空间采 样效应、非均匀性、噪声等，信号处理电路滤波、噪声等影响。针对具体红外成像系统，将 红外理想仿真图像经过一系列退化效应作用后，得到红外传感器效应仿真图像，处理框图如 图4所示，红外传感器效应仿真图像如图5所示。

2.逐像素比较和统计比较相结合的验证方法

以红外实拍图像为参考图像，将红外传感器效应仿真图像与红外实拍图像逐像素灰度值 进行比较，选取保真度作为验证评价指标因子。保真度指标因子既考虑图像灰度分布特征， 也考虑图像像素之间的几何结构特征，能全面评价影响光电系统成像质量的绝大多数因素， 如分辨率、能量衰减以及信号处理对图像退化的影响，具有很强的客观性。

式中，是红外实拍图像中像素灰度值，f(i,j)为红外传感器效应仿真图像中像素灰度 值，MN为M×N图像的总像素数。

针对红外实拍图像和红外传感器效应仿真图像，分别统计图像的信息熵、均值、方差等 信息，以信息熵、偏离度、结构相似度为验证指标因子，比较两幅图像各指标数据的差异。

信息熵反映了图像中有意义的灰度层次的丰富程度，图像的信息熵定义为：

$H=-\underset{k=0}{\overset{L-1}{\Sigma }}P\left(s_k\right)\log \left(P\left(s_k\right)\right)$

式中s_k为图像f(x,y)的第k级灰度值，P(s_k)为概率密度函数。

偏离度的物理意义是整幅图像相邻像素灰度层次的平均差别，偏离度定义为：

$\xi =\frac{1}{(M-1)\times N}\underset{G_L=0}{\overset{L-1}{\Sigma }}\underset{G_R=0}{\overset{L-1}{\Sigma }}|G_R-G_L|P(G_L,G_R)$

G_L和G_R分别表示该图像内相邻左右像素灰度值G_L＝f(x,y)，G_R＝f(x+1,y)，P(G_L,G_R)为 图像中相邻像素灰度(G_L，G_R)同时发生的统计次数。

SSIM评价指标因子分别提取图像亮度、对比度等统计信息，然后综合比较红外实拍图 像和红外传感器效应仿真图像在这些结构信息间的差异，定义为：

式中μ和分别是红外传感器效应仿真图像和红外实拍图像的亮度均值，σ和分别是红外 传感器效应仿真图像和红外实拍图像的标准差，C₁、C₂是常量，σ_AB是两个图像信号的相关 系数，其定义为：

综合各评价指标因子，赋予各因子合适的权重系数，形成综合验证评价指标，并进行验 证评价，综合验证评价指标为：

$Q(A,B)=k_1\times (1-\frac{|H_A-H_B|}{max(H_A,H_B)})+k_2\times (1-\frac{|{\xi }_A-{\xi }_B|}{max({\xi }_A,{\xi }_B)})+k_3\times SSIM(A,B)+k_4\times F(A,B)$

式中：图像A、B为红外传感器效应仿真图像和红外实拍图像，H_A与H_B、ξ_A与ξ_B分别为图 像A、B的信息熵、偏离度，k₁、k₂、k₃、k₄是权重系数，各权重系数可采用绝对比较法、二 元比较法、模糊统计法等方法进行分配。