红外目标可探测性研究*

戢博文　李向春　明德烈

(1.华中科技大学自动化学院　武汉　430074)(2.火箭军装备研究院　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)



红外目标可探测性研究*

戢博文1李向春2明德烈1

(1.华中科技大学自动化学院武汉430074)(2.火箭军装备研究院北京100085)

基于红外成像系统性能分析的需要，将传感器目标获取性能特性简化为概率探测模型，对目标的获取能力进行预测和分析。论文采用建立的红外成像系统MRTD模型，针对典型的红外成像系统参数，基于二维约翰逊准则方法和目标传递概率函数，对不同的复杂野外环境下的现场性能进行仿真分析。对于指定的传感器基本参数、目标背景特性、大气环境，得到在不同的作用距离下对应的探测概率。最后通过对不同距离处识别概率点进行拟合，得到红外成像系统识别目标的概率曲线。

MRTD模型; 约翰逊准则; 目标传递概率函数; 可探测概率

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

红外传感器利用红外成像技术来检测目标。红外成像系统的性能理论模型，通过分析系统各组成部分的物理特性，建立对应的物理数学模型，依靠计算机仿真技术，再现成像过程。红外目标可探测性分析是红外成像系统性能评估中的重要课题。通过对红外成像系统各组成模块进行建模仿真，建立成像系统的性能模型，根据不同的场景特性和大气环境，分析在不同距离时目标的可探测性，并计算目标的获取概率。此方法可以避免琐碎的野外试验，节约科研成本，同时可以为系统的优化和分析提供参考。方案通过将传感器特性简化成一个概率探测统计模型，来对传感器的目标获取性能进行建模。

2　红外目标可探测模型

对于地面目标的探测，红外传感器使用ACQUIRE模型来决定探测概率。ACQUIRE模型由NVESD(夜视和电传感器管理局)开发。该模型计算可见光、近红外、红外波段的成像系统中目标的获得概率和平均探测时间。ACQUIRE模型的目标识别计算基于二维约翰逊准则[1]方法，并要求建立表征传感器性能的最小可分辨对比度(MRC)或者最小可分辨温差(MRTD)模型[2]。该模型可以计算在四种不同级别下的识别概率。目标获取支持四种目标获取级别：探测、分类、识别、鉴定。探测是指将军事目标从视场中辨别的能力。分类是指将识别出的目标归类，例如轮式或履带式。识别指判断目标的具体类别，如坦克、挖掘机或者个人汽车等。鉴别是指分辨出目标所属类别的具体型号。ACQUIRE按照如下流程执行识别性能评估：首先计算到达传感器的表观信号，在系统的MRTD性能模型曲线基础上，通过插值寻找空间频率，计算目标可分解周期N。N50表示50% 探测概率下，目标可分解周期数。N和N50的比率提供了计算每种获取级别所需的信息。

2.1表观信号

对于MRC和MRTD传感器，表观信号由表观对比度定义。它表示经过衰减并到达传感器的本征信号。

C(R)=C(0)·Tc(R)

(1)

其中C(R)表示表观对比度(温差)，C(0)表示本征对比度(温差)，Tc(R)表示从目标到传感器的目标对比度透过率。

2.1.1本征信号

目标的本征信号定义为在传感器波段上累积的未经大气传输的红外信号。本征信号分为两类，MRC和MRTD。对于可见光和近红外波段(MRC)，信号通过目标和背景对比度测量。对于热成像系统(MRTD)，对比度差由目标和背景温度差表示。温差可以使用目标特征模型—统计温差[3]计算。

2.1.2目标对比度透过率

MRC传感器透过率需要考虑地空比(SGR)来计算对比度透过率。对于可见光和近红外成像系统，路径和背景辐射降低了目标的对比度。地空比是一个近似的方法，用于表示进入传感器的散射辐射量。地空比由以下公式估算：

其中V表示气象学可视距离。在气象学中，能见度表征物体或者光线能被清楚辨别的距离。气象学能见度描述了空气的透明度。

一旦SGR计算出来，对比度透过率使用以下方程计算：

其中Tatm表示大气透过率。对于MRTD传感器，对比度透过率不考虑地空比，与Tatm相等，为方便计算，可以采用Bear定律[4]近似描述大气消光作用。

2.2空间频率

在计算出表观对比度/温差后，参考MRC/ MRTD的性能曲线来查询对应的空间频率。当表观对比度/温差无法对应到输入MRC/MRTD数据时，通过线性插值来决定对应的空间频率。传感器性能曲线通过实验测量或者理论推导的NVTherm模型[5～6]来产生。这些曲线用于描述传感器的属性。原理图[7]如图1。

图1　空间频率计算示例图

对于通用的二代红外成像系统MRTD理论模型，水平、垂直方向上的MRTD理论计算通用公式[8]分别为

其中Ehh(f)、Evh(f)分别为水平测量MRTD时，眼脑系统在水平、垂直空间的积分函数。Ehv(f)、Evv(f)分别为垂直测量MRTD时，眼脑系统在水平、垂直空间的积分函数。σtvh[ 9 ]为成像系统三维噪声。SNRTH为阈值信噪比，Kh(f)、Kv(f)为水平、垂直噪声。MTFDh、MTFDv分别为水平、垂直方向上的系统调制传递函数。MTFL为靶长方向的傅里叶谱。

2.3目标可分解周期N

目标可分解周期数N表示目标清晰程度。N值越高，获取概率越高。它由以下公式计算。

其中N表示目标的可分解周期数(cycles/mrad)，Sf表示空间频率(cycles/mrad)，Mag表示放大倍率，Cd表示目标的特征尺度，R表示目标距离。

N50是在探测概率为50%时的可分解周期数。由于不同的获取级别需要更多的目标细节，随着获取级别提升，N50也在增大。对于一个给定的情景，可以通过查表的方法决定合适的N50值[ 10 ]。表中N50的值通过对很多场景的测试而得到，不同的条件、传感器、战况等。该值一般作为实验所得的附加数据提供，可以进一步求精。一个合适的N50值基于传感器的种类、目标动态特性、背景杂乱水平、获取级别。较新的方法使用方程执行MRTD传感器的目标探测。这些计算N50的方法基于目标背景复杂度和目标动态性，方程如下：

其中ΔTRss表示目标背景温差，C表示背景复杂度。

杂乱水平定义了混杂地形区域的复杂程度。可以通过地形杂乱水平(TCL)类型的定义为给定兴趣区域指定杂乱水平。每一种地形都有一个相应的杂乱复杂度。

2.4获取概率

目标的可分解周期和N50的比率如下：

Pinf表示给定时间内的获取概率，使用经验目标传递概率函数[ 11 ]计算，如下：

其中E=2.7+0.7*Ratio。

3　仿真与分析

采用红外成像系统MRTD理论模型，针对典型成像系统参数，采用约翰逊准则和前文中表述的概率探测模型，对特定野外环境下的现场性能预测，可以得到不同距离处的识别概率。红外成像系统现场性能预测的实现步骤如下：

1)根据测量的目标和背景辐射温差，使用统计温差法确定目标的固有温差C(0)，根据大气消光系数计算大气透过率Tc(R)，得到目标在R距离处的表观温差C(R)。

2)根据红外成像系统各种参数，建立系统水平和垂直方向的MRTD理论模型。

3)获取系统MRTD曲线后，在对应曲线上找到对应的空间频率。该频率Sf使得

C(R)=MRTD(Sf)

4)根据目标面积、距离和空间频率计算目标可分解周期N，N50。

5)根据目标传递概率函数，求取目标的探测概率。

仿真分析的参数如下：

目标与背景参数：目标长宽高6.0m×2.7m×2.3m，目标温度291K，背景温度285K，目标背景辐照比均为1.0。大气消光系数0.1788。方向角为45°，俯仰角为60°。背景复杂度为2.0。

光学系统和探测器参数：焦距275μm，视场大小0.1126rad×0.0751rad，探测器长宽50μm×62.5μm。

根据热成像系统基本参量和MRTD模型可得，到MRTD曲线如图2、图3。

图2　MRTD曲线

图3　探测概率曲线

4　结语

本文对红外成像系统的目标获取性能模型进行了研究。通过将红外成像系统的目标获取性能简化成概率探测模型，对特定的系统参数、大气环境、目标和背景特性，进行不同场景下的现场性能预测，得到在不同的作用距离下目标的获取概率。为红外系统的设计和目标的获取可能性作预测，能优化系统设计并对目标实地探测的必要性作判断，节约红外成像系统的制作和野外试验的成本。

[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] 王忆锋,冯炽焘.关于目标热对比度(ΔT)概念的研究[J].红外技术,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] 张建奇,王晓蕊.光电成像系统建模及性能评估理论[M].西安：西安电子科技大学出版社,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

国家自然科学基金项目(编号：61273241)资助。

戢博文，男，硕士研究生，研究方向：目标检测。李向春，男，硕士，助理研究员，研究方向：精确制导、虚拟仿真等。明德烈，男，副教授，研究方向：人工智能控制、图像处理和模式识别等。

TN215

10.3969/j.issn.1672-9730.2016.08.044