戢博文　李向春　明德烈

(1.華中科技大學(xué)自動(dòng)化學(xué)院　武漢　430074)(2.火箭軍裝備研究院　北京　100085)

JI Bowen1　LI Xiangchun2　MING Delie1

(1.School of Automation, Huazhong University of Science and Technology, Wuhan　430074) (2.Equipment Academy of the Rocket Force, Beijing　100085)

?

紅外目標(biāo)可探測(cè)性研究*

戢博文1李向春2明德烈1

(1.華中科技大學(xué)自動(dòng)化學(xué)院武漢430074)(2.火箭軍裝備研究院北京100085)

基于紅外成像系統(tǒng)性能分析的需要，將傳感器目標(biāo)獲取性能特性簡化為概率探測(cè)模型，對(duì)目標(biāo)的獲取能力進(jìn)行預(yù)測(cè)和分析。論文采用建立的紅外成像系統(tǒng)MRTD模型，針對(duì)典型的紅外成像系統(tǒng)參數(shù)，基于二維約翰遜準(zhǔn)則方法和目標(biāo)傳遞概率函數(shù)，對(duì)不同的復(fù)雜野外環(huán)境下的現(xiàn)場(chǎng)性能進(jìn)行仿真分析。對(duì)于指定的傳感器基本參數(shù)、目標(biāo)背景特性、大氣環(huán)境，得到在不同的作用距離下對(duì)應(yīng)的探測(cè)概率。最后通過對(duì)不同距離處識(shí)別概率點(diǎn)進(jìn)行擬合，得到紅外成像系統(tǒng)識(shí)別目標(biāo)的概率曲線。

MRTD模型; 約翰遜準(zhǔn)則; 目標(biāo)傳遞概率函數(shù); 可探測(cè)概率

JI Bowen1LI Xiangchun2MING Delie1

(1.School of Automation, Huazhong University of Science and Technology, Wuhan430074) (2.Equipment Academy of the Rocket Force, Beijing100085)

Class NumberTN215

1　引言

紅外傳感器利用紅外成像技術(shù)來檢測(cè)目標(biāo)。紅外成像系統(tǒng)的性能理論模型，通過分析系統(tǒng)各組成部分的物理特性，建立對(duì)應(yīng)的物理數(shù)學(xué)模型，依靠計(jì)算機(jī)仿真技術(shù)，再現(xiàn)成像過程。紅外目標(biāo)可探測(cè)性分析是紅外成像系統(tǒng)性能評(píng)估中的重要課題。通過對(duì)紅外成像系統(tǒng)各組成模塊進(jìn)行建模仿真，建立成像系統(tǒng)的性能模型，根據(jù)不同的場(chǎng)景特性和大氣環(huán)境，分析在不同距離時(shí)目標(biāo)的可探測(cè)性，并計(jì)算目標(biāo)的獲取概率。此方法可以避免瑣碎的野外試驗(yàn)，節(jié)約科研成本，同時(shí)可以為系統(tǒng)的優(yōu)化和分析提供參考。方案通過將傳感器特性簡化成一個(gè)概率探測(cè)統(tǒng)計(jì)模型，來對(duì)傳感器的目標(biāo)獲取性能進(jìn)行建模。

2　紅外目標(biāo)可探測(cè)模型

對(duì)于地面目標(biāo)的探測(cè)，紅外傳感器使用ACQUIRE模型來決定探測(cè)概率。ACQUIRE模型由NVESD(夜視和電傳感器管理局)開發(fā)。該模型計(jì)算可見光、近紅外、紅外波段的成像系統(tǒng)中目標(biāo)的獲得概率和平均探測(cè)時(shí)間。ACQUIRE模型的目標(biāo)識(shí)別計(jì)算基于二維約翰遜準(zhǔn)則[1]方法，并要求建立表征傳感器性能的最小可分辨對(duì)比度(MRC)或者最小可分辨溫差(MRTD)模型[2]。該模型可以計(jì)算在四種不同級(jí)別下的識(shí)別概率。目標(biāo)獲取支持四種目標(biāo)獲取級(jí)別：探測(cè)、分類、識(shí)別、鑒定。探測(cè)是指將軍事目標(biāo)從視場(chǎng)中辨別的能力。分類是指將識(shí)別出的目標(biāo)歸類，例如輪式或履帶式。識(shí)別指判斷目標(biāo)的具體類別，如坦克、挖掘機(jī)或者個(gè)人汽車等。鑒別是指分辨出目標(biāo)所屬類別的具體型號(hào)。ACQUIRE按照如下流程執(zhí)行識(shí)別性能評(píng)估：首先計(jì)算到達(dá)傳感器的表觀信號(hào)，在系統(tǒng)的MRTD性能模型曲線基礎(chǔ)上，通過插值尋找空間頻率，計(jì)算目標(biāo)可分解周期N。N50表示50% 探測(cè)概率下，目標(biāo)可分解周期數(shù)。N和N50的比率提供了計(jì)算每種獲取級(jí)別所需的信息。

2.1表觀信號(hào)

對(duì)于MRC和MRTD傳感器，表觀信號(hào)由表觀對(duì)比度定義。它表示經(jīng)過衰減并到達(dá)傳感器的本征信號(hào)。

C(R)=C(0)·Tc(R)

(1)

其中C(R)表示表觀對(duì)比度(溫差)，C(0)表示本征對(duì)比度(溫差)，Tc(R)表示從目標(biāo)到傳感器的目標(biāo)對(duì)比度透過率。

2.1.1本征信號(hào)

目標(biāo)的本征信號(hào)定義為在傳感器波段上累積的未經(jīng)大氣傳輸?shù)募t外信號(hào)。本征信號(hào)分為兩類，MRC和MRTD。對(duì)于可見光和近紅外波段(MRC)，信號(hào)通過目標(biāo)和背景對(duì)比度測(cè)量。對(duì)于熱成像系統(tǒng)(MRTD)，對(duì)比度差由目標(biāo)和背景溫度差表示。溫差可以使用目標(biāo)特征模型—統(tǒng)計(jì)溫差[3]計(jì)算。

2.1.2目標(biāo)對(duì)比度透過率

MRC傳感器透過率需要考慮地空比(SGR)來計(jì)算對(duì)比度透過率。對(duì)于可見光和近紅外成像系統(tǒng)，路徑和背景輻射降低了目標(biāo)的對(duì)比度。地空比是一個(gè)近似的方法，用于表示進(jìn)入傳感器的散射輻射量。地空比由以下公式估算：

其中V表示氣象學(xué)可視距離。在氣象學(xué)中，能見度表征物體或者光線能被清楚辨別的距離。氣象學(xué)能見度描述了空氣的透明度。

一旦SGR計(jì)算出來，對(duì)比度透過率使用以下方程計(jì)算：

其中Tatm表示大氣透過率。對(duì)于MRTD傳感器，對(duì)比度透過率不考慮地空比，與Tatm相等，為方便計(jì)算，可以采用Bear定律[4]近似描述大氣消光作用。

2.2空間頻率

在計(jì)算出表觀對(duì)比度/溫差后，參考MRC/ MRTD的性能曲線來查詢對(duì)應(yīng)的空間頻率。當(dāng)表觀對(duì)比度/溫差無法對(duì)應(yīng)到輸入MRC/MRTD數(shù)據(jù)時(shí)，通過線性插值來決定對(duì)應(yīng)的空間頻率。傳感器性能曲線通過實(shí)驗(yàn)測(cè)量或者理論推導(dǎo)的NVTherm模型[5～6]來產(chǎn)生。這些曲線用于描述傳感器的屬性。原理圖[7]如圖1。

圖1　空間頻率計(jì)算示例圖

對(duì)于通用的二代紅外成像系統(tǒng)MRTD理論模型，水平、垂直方向上的MRTD理論計(jì)算通用公式[8]分別為

其中Ehh(f)、Evh(f)分別為水平測(cè)量MRTD時(shí)，眼腦系統(tǒng)在水平、垂直空間的積分函數(shù)。Ehv(f)、Evv(f)分別為垂直測(cè)量MRTD時(shí)，眼腦系統(tǒng)在水平、垂直空間的積分函數(shù)。σtvh[ 9 ]為成像系統(tǒng)三維噪聲。SNRTH為閾值信噪比，Kh(f)、Kv(f)為水平、垂直噪聲。MTFDh、MTFDv分別為水平、垂直方向上的系統(tǒng)調(diào)制傳遞函數(shù)。MTFL為靶長方向的傅里葉譜。

2.3目標(biāo)可分解周期N

目標(biāo)可分解周期數(shù)N表示目標(biāo)清晰程度。N值越高，獲取概率越高。它由以下公式計(jì)算。

其中N表示目標(biāo)的可分解周期數(shù)(cycles/mrad)，Sf表示空間頻率(cycles/mrad)，Mag表示放大倍率，Cd表示目標(biāo)的特征尺度，R表示目標(biāo)距離。

N50是在探測(cè)概率為50%時(shí)的可分解周期數(shù)。由于不同的獲取級(jí)別需要更多的目標(biāo)細(xì)節(jié)，隨著獲取級(jí)別提升，N50也在增大。對(duì)于一個(gè)給定的情景，可以通過查表的方法決定合適的N50值[ 10 ]。表中N50的值通過對(duì)很多場(chǎng)景的測(cè)試而得到，不同的條件、傳感器、戰(zhàn)況等。該值一般作為實(shí)驗(yàn)所得的附加數(shù)據(jù)提供，可以進(jìn)一步求精。一個(gè)合適的N50值基于傳感器的種類、目標(biāo)動(dòng)態(tài)特性、背景雜亂水平、獲取級(jí)別。較新的方法使用方程執(zhí)行MRTD傳感器的目標(biāo)探測(cè)。這些計(jì)算N50的方法基于目標(biāo)背景復(fù)雜度和目標(biāo)動(dòng)態(tài)性，方程如下：

其中ΔTRss表示目標(biāo)背景溫差，C表示背景復(fù)雜度。

雜亂水平定義了混雜地形區(qū)域的復(fù)雜程度?？梢酝ㄟ^地形雜亂水平(TCL)類型的定義為給定興趣區(qū)域指定雜亂水平。每一種地形都有一個(gè)相應(yīng)的雜亂復(fù)雜度。

2.4獲取概率

目標(biāo)的可分解周期和N50的比率如下：

Pinf表示給定時(shí)間內(nèi)的獲取概率，使用經(jīng)驗(yàn)?zāi)繕?biāo)傳遞概率函數(shù)[ 11 ]計(jì)算，如下：

其中E=2.7+0.7*Ratio。

3　仿真與分析

采用紅外成像系統(tǒng)MRTD理論模型，針對(duì)典型成像系統(tǒng)參數(shù)，采用約翰遜準(zhǔn)則和前文中表述的概率探測(cè)模型，對(duì)特定野外環(huán)境下的現(xiàn)場(chǎng)性能預(yù)測(cè)，可以得到不同距離處的識(shí)別概率。紅外成像系統(tǒng)現(xiàn)場(chǎng)性能預(yù)測(cè)的實(shí)現(xiàn)步驟如下：

1)根據(jù)測(cè)量的目標(biāo)和背景輻射溫差，使用統(tǒng)計(jì)溫差法確定目標(biāo)的固有溫差C(0)，根據(jù)大氣消光系數(shù)計(jì)算大氣透過率Tc(R)，得到目標(biāo)在R距離處的表觀溫差C(R)。

2)根據(jù)紅外成像系統(tǒng)各種參數(shù)，建立系統(tǒng)水平和垂直方向的MRTD理論模型。

3)獲取系統(tǒng)MRTD曲線后，在對(duì)應(yīng)曲線上找到對(duì)應(yīng)的空間頻率。該頻率Sf使得

C(R)=MRTD(Sf)

4)根據(jù)目標(biāo)面積、距離和空間頻率計(jì)算目標(biāo)可分解周期N，N50。

5)根據(jù)目標(biāo)傳遞概率函數(shù)，求取目標(biāo)的探測(cè)概率。

仿真分析的參數(shù)如下：

目標(biāo)與背景參數(shù)：目標(biāo)長寬高6.0m×2.7m×2.3m，目標(biāo)溫度291K，背景溫度285K，目標(biāo)背景輻照比均為1.0。大氣消光系數(shù)0.1788。方向角為45°，俯仰角為60°。背景復(fù)雜度為2.0。

光學(xué)系統(tǒng)和探測(cè)器參數(shù)：焦距275μm，視場(chǎng)大小0.1126rad×0.0751rad，探測(cè)器長寬50μm×62.5μm。

根據(jù)熱成像系統(tǒng)基本參量和MRTD模型可得，到MRTD曲線如圖2、圖3。

圖2　MRTD曲線

圖3　探測(cè)概率曲線

4　結(jié)語

本文對(duì)紅外成像系統(tǒng)的目標(biāo)獲取性能模型進(jìn)行了研究。通過將紅外成像系統(tǒng)的目標(biāo)獲取性能簡化成概率探測(cè)模型，對(duì)特定的系統(tǒng)參數(shù)、大氣環(huán)境、目標(biāo)和背景特性，進(jìn)行不同場(chǎng)景下的現(xiàn)場(chǎng)性能預(yù)測(cè)，得到在不同的作用距離下目標(biāo)的獲取概率。為紅外系統(tǒng)的設(shè)計(jì)和目標(biāo)的獲取可能性作預(yù)測(cè)，能優(yōu)化系統(tǒng)設(shè)計(jì)并對(duì)目標(biāo)實(shí)地探測(cè)的必要性作判斷，節(jié)約紅外成像系統(tǒng)的制作和野外試驗(yàn)的成本。

[1] Scott L B, D’Agostino J A. NVEOD FLIR92 thermal imaging systems performance model[C]//Aerospace Sensing. International Society for Optics and Photonics,1992:194-203.

[2] Rosell F A. VIDEO, DISPLAY, AND PERCEIVED-IMAGE SIGNAL-TO-NOISE RATIOS[J]. The Fundamentals of, Theirmal’Iaghin Sytem,1979:49.

[3] 王憶鋒,馮熾燾.關(guān)于目標(biāo)熱對(duì)比度(ΔT)概念的研究[J].紅外技術(shù),1999,21(2):7-10.

[4] Fried D L. Optical resolution through a randomly inhomogeneous medium for very long and very short exposures[J]. JOSA,1966,56(10):1372-1379.

[5] Maurer T, Driggers R G, Vollmerhausen R H, et al. 2002 NVTherm improvements[C]//AeroSense 2002. International Society for Optics and Photonics,2002:15-23.

[6] Webb C M, Halford C E. Dynamic minimum resolvable temperature testing for staring array imagers[J]. Optical Engineering,1999,38(5):845-851.

[7] Ratches J A. Night vision modeling: historical perspective[C]. AeroSense’99. International Society for Optics and Photonics,1999:2-12.

[8] 張建奇,王曉蕊.光電成像系統(tǒng)建模及性能評(píng)估理論[M].西安：西安電子科技大學(xué)出版社,2010.

[9] Wittenstein W. Performance prediction and experimental assessment of advanced thermal imagers[C]//SPIE’s 1994 International Symposium on Optics, Imaging, and Instrumentation. International Society for Optics and Photonics,1994:563-574.

[10] Dudzik M C. Electro-optical systems design, analysis, and testing[J]. Electro Optical Systems Design,1993(1).

[11] Holst G C. Applying the log-normal distribution to target detection[C]//Aerospace Sensing. International Society for Optics and Photonics,1992:213-216.

Detectability of Infrared Target*

To meet the needs of performance analysis of infrared imaging system, the characteristic of target acquisition performance of the sensor is simplified as a probability model of acquisition to analyze and predict the ability of target acquisition. This paper utilizes the MRTD model of infrared imaging system and bases on two-dimensional Johnson cycle criteria methodology and target transform probability function to simulate the field performance for a set of typical system parameter and different complex environment. For specified system parameter, target-background feature and atmospheric environment, the acquisition probability under different operating distance is obtained. Finally the probability points of different range are fitted to get the target acquisition performance curve of infrared imaging system.

MRTD, Johnson cycle criteria, target transform probability function, detectability probability

2016年2月4日,

2016年3月10日

國家自然科學(xué)基金項(xiàng)目(編號(hào)：61273241)資助。

戢博文，男，碩士研究生，研究方向：目標(biāo)檢測(cè)。李向春，男，碩士，助理研究員，研究方向：精確制導(dǎo)、虛擬仿真等。明德烈，男，副教授，研究方向：人工智能控制、圖像處理和模式識(shí)別等。

TN215

10.3969/j.issn.1672-9730.2016.08.044