红外探测器成像真实感建模方法研究∗
2018-05-29冉运超明德烈
冉运超 呼 吁 周 斌 明德烈
(1.华中科技大学自动化学院/多谱信息处理技术国家级重点实验室 武汉 430074)
(2.北京航天自动控制研究所 北京 100854)
1 引言
高真实感的红外仿真图像对于武器系统的研发和测试具有重要的意义[1]。红外图像的特征,如信噪比、目标结构和纹理特征对于算法性能有着重要的影响[2]。有大量的研究从各个方面致力于提升红外仿真的真实度,如大气效应[3]、探测器成像效应[4]、阴影效果[5]以及利用真实图像与仿真相结合的方法[6]。
目前,红外仿真模型已经趋于成熟,但建模粗糙,图像细节不够丰富的问题依然存在。图1中的图像从左到右依次来自于王霞[7]、王章野[8]和任亮[9],这些仿真图像都存在大片过于“干净”的区域,材质区块内部过于一致,细节信息缺乏,与真实图像有一定差距。由于红外技术在军事上的敏感性,国外优秀红外仿真平台中合成纹理的技术细节不对外公开。本文从仿真模型及建模精细度等方面提出几种提升仿真图像真实度的方法,加强红外仿真图像的细节信息,在实际工程中可以有效地提升仿真图像的质量。
图1 来自部分国内外红外仿真平台的仿真图像
2 仿真成像真实感建模方法
2.1 增益控制电路建模
红外仿真中图像量化一般采用均匀量化方法,即统计图像内的最大最小能量阈值,然后量化到256个灰度等级。如果场景中能量分布比较离散,出现能量特别高或特别低的物体,如火焰,均匀量化所采用的直接统计最大最小能量阈值的方法则不可取,这种离散的极大或极小能量会压缩其它大部分能量的量化范围。在信号领域,这种极大和极小能量为一种强干扰电信号,如果不做处理,会干扰弱信号的识别。电路中一般使用一种自动增益控制(AGC)电路,对于强信号产生弱增益(图2),弱信号产生强增益[10]。对于红外探测器,这种增益控制能够保证红外图像的细节,提高图像质量。
由于只有256个灰度等级的量化区间,因此,需要合理地调整量化区间,对图像中能量集中的区间进行强增益,对极大和极小的离散能量区间进行弱增益。可以采用一种分段线性量化的方法,如图3。量化区间分为三段,对于场景中的大部分能量,使用区间p2进行量化,对于占比例很少的一部分低能量,使用区间p1量化。同理,对于占比例很少的一部分高能量,使用区间p3量化。
图2 对强信号产生弱增益
图3 分段线性量化示意图
方法的具体实现流程如下:
1)按照一般均匀量化的方法,统计出整幅图像范围内红外辐射计算得到的最大辐射亮度Lmax和最小辐射亮度Lmin。
2)类似于灰度直方图,可以统计“能量直方图”,横轴为能量区间,按Lmax和Lmin均匀划分为256个区间范围,纵轴为能量位于该区间范围内的像素个数。
3)区间合并。将有像素分布的相邻区间进行合并,合并为多个新的大区间某个区间Lk中的像素数目表示为N(Lk)。
图4 左右图分别为未合并区间和合并区间的辐射能量直方图
4)设区间L为空,N(L)=0。按照区间中像素的数目,从多到少依次选取区间,对于每次选取的区间Lk,合并当前L和Lk,以及位于L和Lk中间的区间,更新区间L为合并后的区间。
5)当N(L)超过90%的总像素数目时,停止合并。对于剩余的区间,合并所有位于当前L左边的区间为p1,统计其像素占比,分配灰度量化范围。合并所有位于当前L右边的区间为p3,统计其像素占比,分配灰度量化范围,剩下的灰度范围分配给区间L,即为p2。
6)按p1、p2、p3区间的能量范围及量化范围量化图像。
按以上算法实现时,根据场景的特点,并不完全遵循三段区间。对于本身能量分布均匀且集中的图像,选取单个p2区间;对于具有极大离散能量的图像,选取p2和p3两个区间;对于具有极小离散能量的图像,选取p1和p2两个区间。
2.2 纹理信号调制
对于短波和中波红外图像来说,红外图像中的纹理细节与可见光图像十分类似。在利用可见光原图进行红外材质划分时,无论是自动分类还是手动勾勒,都会分割出大片的同种材质区域,如草地,马路等。这些区域经红外计算得到的温度和能量都十分接近,以至于最终量化得到的图像过于“干净”,纹理细节不够丰富。在真实场景中,即便是同一种材质区域,温度也有高低变化,量化得到的能量也不相同。
经过红外辐射能量计算之后,探测器接收到的信号为能量信号,如果有表面本身的纹理信号对该能量信号进行调制,则可使红外图像中呈似材质表面独有的纹理效果,加强仿真图像的纹理细节。为此,本文在材质建模时从可见光原图中提取出一部分纹理信号,反映各个像素点的纹理强弱变化,利用这部分纹理信号,对计算得到的辐射能量做一些调制,从而在同一材质区域内制造出纹理细节,如图5。
图5 纹理调制示意图
其实现流程如下:
1)对可见光图像进行直方图均衡化处理,加强其本身的纹理细节和对比度。
图6 材质区域示意图
3)对于第k个材质区域Sk,统计其可见光灰度均值μk,计算区域中每个像素与均值的差值绝对值,其中最大的差值为 ||dk:
其中,为像素 (xi,yi)的灰度值。定义该像素的扰动因子r为
r位于[0,1]之间。扰动因子r即为从可见光图像中提取出来的纹理信号,r的值越大,表面该像素在该区域内的纹理越强。
4)利用每个像素的扰动因子r,可以对该像素位置材质的发射率反射率进行微调:
其中,ε为发射率,w为权值系数,权值越大,对原值的影响越大。反射率可以采用相同的方法。
3 试验及分析
舰船和战斗机是典型的具有极大能量的目标,舰船的锅炉部位温度很高,而周围船体温度较低,战斗机发动机喷管部位温度高,机身部位温度较低。图7是使用增益控制量化方式前后仿真得到的舰船目标与真实的舰船目标对比。图8是使用增益控制量化方式前后仿真得到的战斗机目标与真实的战斗机目标对比。
图7 从左至右依次为未进行增益控制、进行增益控制的仿真图和真实舰船目标
图8 从左至右依次为未进行增益控制、进行增益控制的仿真图和真实战斗机目标
采用一般量化方式,锅炉和发动机喷管部位明显,但周围船体及机身过暗,几乎丢失了细节,加入了增益控制之后,保留了低温部位的细节。
纹理信号调制对于草坪、植被、沙漠等具有复杂且不规则纹理的区域具有明显的效果。图9是使用纹理调制前后的草坪和跑道与真实图像的对比。未使用纹理信号调制的图像中虽然材质的亮度与真实情况一致,但图像包含的纹理细节太少,仿真质量并不好,相比之下,加入纹理信号调制的图像质量明显更好。
图9 从左至右依次为未使用纹理调制、使用纹理调制的仿真图和真实图像
4 结语
在保证红外仿真模型正确性的前提下,还需要进一步提高仿真图像的真实度。本文通过实际工程应用总结的几种方法,对真实情况进行模拟,在实际应用中可以明显地提升红外仿真图像的质量,更贴近真实情况,有利于提高红外仿真图像用于系统研发和评估的价值。
[1]丁全心,刘华.红外成像系统仿真、测试与评价的发展与思考[J].红外与激光工程,2009,38(5):753-758.DING Quanxin,LIU Hua.Current development and thought on simulation,test and evaluation of the Infrared Imaging System[J].Infrared and Laser Engineering,2009,38(5):753-758.
[2]温佩芝,史泽林,于海斌.复杂海面背景红外小目标自动检测方法[J].红外与激光工程,2003,32(6):590-593.WEN Peizhi,SHI Zelin,YU Haibin.Automatic detection method of IR small target in complex sea background[J].Infrared and Laser Engineering,2003,32(6):590-593.
[3]高春雷,易维宁,崔文煜,等.不同大气条件下红外成像效果模拟[J].红外与激光工程,2012,41(3):586-591.GAO Chunlei,YI Weining,CUI Wenyu,et al.Simulation of infrared imaging in different atmospheric conditions.Infrared and Laser Engineering,2012,41(3):586-591.
[4]李桦,汤心溢,施家明.红外动态景像仿真中探测器效应的研究[J].量子电子学报,2001,18(S1):20-26.LI Hua,TANG Xinyi,SHI Jiaming.The Study on the Sensor's Effect in the Simulation for Dynamic IR Scenes[J].Chinese Journal of Quantum Electronics,2001,18(S1):20-26.
[5]张璞.典型场景红外阴影仿真的模型设计与软件实现[D].大连:大连海事大学,2014.ZHANG Pu.The Model Design and Software Implementation of Typical Scene Infrared Shadow's Simulation.Dalian:Dalian Maritime University,2014.
[6]黄曦,张建奇,张绍泽,等.目标高真实感红外图像生成方法[J].红外与激光工程,2013,42(4):1084-1088.HUANG Xi,ZHANG Jianqi,ZHANG Shaoze,et al.Realistic infrared image generation method of target[J].Infrared and Laser Engineering,2013,42(4):1084-1088.
[7]王霞,汪昊,徐超,等.红外场景仿真技术发展综述[J].红外技术,2015,37(7):537-543.WANG Xia,WANG Hao,XU Chao,et al.Overview on Development of Infrared Scene Simulation[J].Infrared Technology,2015,37(7):537-543.
[8]王章野.地面目标的红外成像仿真及多光谱成像真实感融合研究[D].杭州:浙江大学,2002.WANG Zhangye.Study of the Realistic Infrared Image Synthesis for Ground Objects and the Realistic Fusion of Multi-spectral Images[D].Hangzhou:Zhejiang University,2002.
[9]任亮.基于Vega的实时红外视景生成技术研究[D].南京:南京理工大学,2009.REN Liang.Research on real time infrared scene generation technology based on Vega[D].Nanjing:Nanjing University of Science and Technology,2009.
[10]张大纬,李江勇.用于红外成像系统的自动增益控制方法研究[J].激光与红外,2009,39(10):1119-1122.ZHANG Dawei,LI Jiangyong.Research of the automatic-ga in control method for infrared imaging system[J].Infrared and LaserEngineering,2009,39(10) :1119-1122.