對比度閾值函數(shù)修正對于NVThermIP模型的影響?

吳元慶 王洋 張延濤 張宇峰 劉春梅

1)(渤海大學(xué)新能源學(xué)院,錦州 131012)2)(西北機電工程技術(shù)研究所,咸陽 712099)(2018年3月20日收到;2018年8月2日收到修改稿)

NVThermIP模型作為經(jīng)典的性能模型,在指導(dǎo)紅外系統(tǒng)參數(shù)的設(shè)計優(yōu)化方面略有不足,因此需要構(gòu)建更科學(xué)合理的綜合評估模型.在經(jīng)典模型基礎(chǔ)上,結(jié)合人眼噪聲的理論和實驗研究,利用噪聲等效溫差修正了系統(tǒng)的對比度閾值函數(shù).并利用現(xiàn)有的紅外系統(tǒng)實驗數(shù)據(jù),對修正后的模型進行圖像模糊和不同距離下辨識兩方面驗證,結(jié)果證明該模型具有很高的預(yù)測精確度,可為新型系統(tǒng)設(shè)計分析提供可靠的依據(jù)和理論指導(dǎo).

1 引 言

紅外成像技術(shù)的發(fā)展日趨成熟,在軍品、民品中的應(yīng)用也越來越普遍.但是新技術(shù)的出現(xiàn)、工作環(huán)境的改變都對紅外成像系統(tǒng)提出了嚴格的要求,而且軍用領(lǐng)域的敵方干擾破壞、民品中的環(huán)境刺激,都對紅外探測系統(tǒng)的探測能力和生存環(huán)境等提出了更高的要求[1].因此,迫切需要一個準確的評估系統(tǒng),既可以做出性能預(yù)測,又可以根據(jù)模型情況進行優(yōu)化調(diào)整.性能模型法是評估系統(tǒng)中應(yīng)用最廣泛的方法,使用該方法既可以降低軍用武器系統(tǒng)的損耗,又能精確、高效地完成評估任務(wù),成為人們研究的熱點[2,3].

NVThermIP模型是目前美國軍方認可的性能模型,并作為行業(yè)標準而受到廣泛關(guān)注[4],無論軍用還是民用領(lǐng)域,其應(yīng)用效果都非常顯著.但是在指導(dǎo)系統(tǒng)設(shè)計方面,NVThermIP模型還稍顯不足,無法提供對于系統(tǒng)參數(shù)的優(yōu)化指導(dǎo),一系列重要的性能參數(shù)也無法準確給出,因此需要對其進行改進和修正[5,6].

對紅外系統(tǒng)而言,最大的干擾一般來自于噪聲,噪聲越小,系統(tǒng)探測的靈敏度和準確度就會越高[7].噪聲等效溫差(noise equivalent temperature difference,NETD)是衡量紅外探測器性能的主要指標之一,曾有人提出將其引入到經(jīng)典NVTherm-IP模型[8]中,用于指導(dǎo)系統(tǒng)設(shè)計.然而該方法僅是用NETD參數(shù)替換了模型中的其他參數(shù),并引入修正系數(shù)加以調(diào)整,缺乏理論上的依據(jù),說服力不足.

人眼視覺作為一個特殊的系統(tǒng),其運行機制已經(jīng)被證明無法用NVThermIP模型完全解釋,大量實驗數(shù)據(jù)也證明該模型存在一系列的缺陷[9].NVThermIP模型中關(guān)于人眼的噪聲機制多采用經(jīng)驗值和估計值進行量化處理,在對比度閾值函數(shù)的建立中,采用Weber理論的經(jīng)驗常數(shù)α和顯示器亮度水平進行描述,僅適用于顯示器亮度不高的情況,沒有完全考慮顯示器幀頻的差異對人眼系統(tǒng)的噪聲影響,使得該模型的預(yù)測結(jié)果不夠精確和可靠[10].

本文在人眼噪聲理論的基礎(chǔ)上,利用NETD結(jié)合經(jīng)典理論模型,修正了NVThermIP模型中的系統(tǒng)對比度閾值函數(shù).通過與現(xiàn)有實驗數(shù)據(jù)的對比,證明了修正后的模型既可以準確地描述所獲得圖像的模糊效果,又可以對野外現(xiàn)場的紅外預(yù)測進行準確判斷,從而證明該模型有效.

2 NVThermIP模型中的系統(tǒng)對比度閾值函數(shù)修正

2.1 系統(tǒng)對比度閾值函數(shù)修正

作為理想的圖像傳感器,人眼系統(tǒng)辨識圖像的能力取決于成像系統(tǒng)輸出的圖像質(zhì)量,而對于紅外系統(tǒng)的設(shè)計,需要對人眼視覺建立高度精確的理論模型[11,12].NVThermIP模型綜合考慮了人眼的結(jié)構(gòu)、眼球的震顫以及人眼濾波器模型等綜合性能,對人眼視覺的描述基本清晰[13].但是經(jīng)典的NVThermIP模型是基于Johnson準則建立的,采用極限頻率作為預(yù)測紅外系統(tǒng)性能的依據(jù),沒有考慮系統(tǒng)的靈敏度和信號傳遞過程,對于紅外系統(tǒng)的噪聲影響沒有充分考慮,從而會導(dǎo)致預(yù)測錯誤[14?16].

在此基礎(chǔ)上,Vllmerhausen等[17]提出了目標任務(wù)性能(targeting task performance,TTP)準則,該準則認為人眼獲取到的視覺信息主要來源于圖像中大于人眼視覺閾值的信號.因此,模型建立過程中,可以利用系統(tǒng)對比度閾值函數(shù)(CTFsys)來取代原模型中的最小可分辨溫差函數(shù),表明人眼在一定的目標背景尤其是紅外圖像下的目標信號分辨能力,從而可用于指導(dǎo)紅外系統(tǒng)設(shè)計.

NVESD實驗室基于TTP準則建立的NVThermIP性能評估模型,通過對比度和臨界尺寸來描述目標特性,可以用于不同模糊程度圖像的預(yù)測和辨識以及不同觀測距離、不同背景下的圖像識別[18].該模型在建立過程中,充分考慮了紅外成像系統(tǒng)、光學(xué)信號傳輸以及圖像顯示過程中的模糊及模糊的傳遞,綜合考慮噪聲的影響并引入系統(tǒng)調(diào)制傳遞函數(shù)(MTFsys),得到了考慮模糊效應(yīng)和噪聲的系統(tǒng)對比度閾值函數(shù)(CTFsys),

其中,α是人眼噪聲與顯示器亮度的比值,是成像系統(tǒng)的噪聲功率[19].

一般而言,人眼對于圖像中目標信號的感知和獲取,主要來自于信號與背景的對比度,而與圖像本身的亮度關(guān)系很小,因此對比度閾值函數(shù)的建立至關(guān)重要[20].但是,該方法基于Weber定律,在對比度閾值函數(shù)的計算上認為人眼噪聲與顯示器亮度成正比,比值α一般取經(jīng)驗常數(shù)169.6.對于復(fù)雜的人眼系統(tǒng),這種簡化具有明顯的局限性,而且該模型并沒有充分考慮分辨力和靈敏度對于成像系統(tǒng)的影響.

基于上述研究,綜合考慮紅外成像分辨效果和系統(tǒng)反應(yīng)速率的現(xiàn)場性能情況,結(jié)合人眼視覺的最新理論成果[21].本文提出,利用NETD重新構(gòu)建CTFsys,進而修正和完善經(jīng)典的NVThermIP模型.

利用紅外成像系統(tǒng)中的噪聲理論,將描述靈敏度的參數(shù)NETD表述為系統(tǒng)噪聲N的度量方法,進一步將紅外系統(tǒng)的噪聲部分N轉(zhuǎn)換成顯示系統(tǒng)噪聲σdisp.同時,通過最新的視覺模型得到人眼噪聲σeye,替換原始模型中由亮度和經(jīng)驗常數(shù)決定的部分,進而將NETD科學(xué)地應(yīng)用到NVThermIP模型中,使其表述更準確.修正后的系統(tǒng)對比度閾值函數(shù)表達式為

其中,ξ是一維方向空間頻率,SMAG是系統(tǒng)放大率.

2.2 人眼內(nèi)部的生理噪聲

最新人眼視覺的噪聲模型認為[22],人眼視覺的噪聲主要包括兩方面:一是由大腦決策信號產(chǎn)生的決策噪聲,二是由外部光學(xué)信號造成的光子噪聲.光子噪聲部分受亮度影響,人眼噪聲表達式為

式中,σdec為決策噪聲,其數(shù)值需要通過視覺實驗獲得;σph為光子噪聲,主要由人眼受到外界光學(xué)信號的影響而產(chǎn)生,光學(xué)信號的亮度不同時光子噪聲也不同.光子噪聲的計算公式為

其中,Apup為人眼瞳孔的面積,可通過測量瞳孔尺寸計算得到,瞳孔尺寸單位取mm;k為光子噪聲的修正系數(shù),通過實驗數(shù)據(jù)統(tǒng)計,本文取值0.02;Qeye,t為人眼時域帶寬.

人眼時域帶寬的表達式為

其中,f為時域頻率;MTFeye,t為人眼的時域傳遞函數(shù),其值與人眼接收到的光強有關(guān),光強不同,暫留時間τeye也有所變化,通常亮度為70 fL時,視覺暫留時間約為200 ms.人眼的時域傳遞函數(shù)計算表達式為

2.3 人眼感知到的成像系統(tǒng)噪聲

NETD的定義表達式[8]為

其中,F為整個光路的光圈系數(shù);τoptics為光路中光的透過率;p為探測器像元中心距;FF為探測器的占空比;QE為探測器量子效率;Tint為幀周期;ηi為電荷轉(zhuǎn)移效率;參數(shù)C的表達式為

其中,M(λ,TB)為普朗克公式,TB是背景溫度.

將NETD應(yīng)用到NVThermIP模型中,需要結(jié)合光譜輻射對其進行轉(zhuǎn)換,轉(zhuǎn)換成紅外成像系統(tǒng)的圖像噪聲,即N模型,具體的計算方法為

其中,L(λ,T)為黑體的光譜輻射亮度;C1和C2分別為第一和第二輻射常數(shù),值分別為C1=3.741844×108W·μm4/m2,C2=1.438769×104μm·K;V為人眼視覺效能,本文在建模中取最佳值683 lm/W;R為轉(zhuǎn)換常數(shù),其值由光亮度單位之間的轉(zhuǎn)換關(guān)系決定,本文在建模中取值為0.2919 L/Nit.

人眼最終感知到的成像系統(tǒng)噪聲為

其中,Qeye,s是人眼空間域帶寬,Qdisp+eye,t是成像系統(tǒng)和人眼的時域帶寬.

3 實驗結(jié)果與數(shù)據(jù)分析

基于上述的修正模型,使用MATLAB對該模型進行建模、仿真和有效性驗證.主要從如下兩方面展開研究:1)實驗一,借助權(quán)威機構(gòu)的圖像模糊實驗數(shù)據(jù),對該修正模型的分辨能力進行驗證;2)實驗二,借助實驗數(shù)據(jù),驗證修正模型的目標獲取性能.

1)實驗一

實驗數(shù)據(jù)來自于2004年美國雷達電子技術(shù)研究所進行的目標辨認實驗,該實驗的主要目的是對不同車輛和人物的辨認情況進行分析.本文使用的實驗數(shù)據(jù)主要是關(guān)于車輛辨識[13]的部分,辨識的目的在于觀察者能夠分辨出目標車輛的類別,數(shù)據(jù)包含12種不同類型的車輛,又分別從前后左右等12個不同的角度對每輛車加以辨識,所以共有144幅圖像,如圖1所示.

圖1 辨認實驗的目標圖像 (a)不同的目標車輛;(b)同一車輛12個角度圖Fig.1.Target image of the experiment:(a)Different target;(b)different perspectives of the same vehicle.

將144幅圖像分成6組,每組都包含12種不同車輛的兩個不同角度的辨識圖像,采用高斯模糊對這6組圖像進行不同的模糊處理,模糊程度如表1所列.由于圖像的模糊程度決定了圖像的清晰度,因此可以認為圖像的辨認程度隨著模糊程度的提高而逐漸降低,不同模糊效果的圖像如圖2所示.將最終的模糊效果交由觀察者進行辨識,對不同模糊程度的圖像分辨率進行統(tǒng)計和比較分析.高斯模糊函數(shù)的空間域表達式為

其中,b是模糊尺寸,其值越大代表圖像模糊程度越嚴重;x是圖像的一維空間坐標;s是歸一化因子.

表1 6組圖像對應(yīng)的模糊尺寸Table 1.Fuzzy size corresponding to 6 groups.

模型的建立過程中,將模糊函數(shù)通過傅里葉變換,轉(zhuǎn)變成頻域表達式,并應(yīng)用到紅外系統(tǒng)中,作為系統(tǒng)的調(diào)制傳遞函數(shù),進一步將其用于NVTherm-IP模型中,結(jié)合紅外成像系統(tǒng)的設(shè)備參數(shù)和目標特性參數(shù),建立修正后的NVThermIP模型.將該模型應(yīng)用于現(xiàn)場性能預(yù)測,得到獲取目標圖像分辨率不同時的辨認概率PID,并通過目標辨認實驗的現(xiàn)場數(shù)據(jù)對模型進行驗證和比較分析.實驗所采用的目標特征參數(shù)如表2所列.

采用修正后的NVThermIP評估模型預(yù)測的結(jié)果如表3所列,可以看出,隨著圖像模糊程度的加深,目標的辨認概率逐漸下降,符合實際經(jīng)驗,現(xiàn)場測試的結(jié)果也證明了該趨勢的正確性.從辨認結(jié)果上看,在模糊程度相對較低的A,B,C組中,實驗結(jié)果和模型預(yù)測結(jié)果趨勢一致,誤差相對較小.對于模糊程度較高的E組和F組,實驗結(jié)果和預(yù)測結(jié)果差別明顯,實驗結(jié)果中模糊程度更高的F組獲得的辨認概率為0.2041,竟然超過了模糊程度較低的E組(辨認概率0.1735).出現(xiàn)這種辨認結(jié)果與模糊程度相悖的情況,可能是由于測試觀察者的主觀原因,即對于不能分辨的圖像存在心理暗示和隨機記憶等,產(chǎn)生隨機判斷,使得辨認結(jié)果數(shù)據(jù)偏離預(yù)測分析.對于實驗中出現(xiàn)的E組和F組這種辨認概率和模糊程序相悖的情況,可以通過增多觀測人數(shù)、擴大模糊尺寸差距等方法加以改進和修正.該模型的總體誤差很小,約為0.0838,低于0.1,屬于可接受的正常誤差范圍.

表2 目標特性參數(shù)Table 2.Target parameters.

表3 模型預(yù)測的辨認概率與實驗數(shù)據(jù)對比Table 3.Comparison of model prediction with experimental data.

為了進一步驗證該修正模型的正確性,對該模型進行調(diào)整,假設(shè)目標車輛的特征尺寸和對比度均為表2中數(shù)據(jù)的平均值,此時圖像辨認概率僅與圖像的模糊程度相關(guān),建立仿真模型,進而得到在不同的模糊情況下,目標圖像被正確辨認出來的概率曲線,如圖3所示(表3中的模型預(yù)測值也來源于此).從圖3可以看出,該修正模型能夠很好地預(yù)測模糊圖像的分辨能力,隨著圖像的模糊程度從5,10 pixels,逐漸過渡到25,30 pixels,模型預(yù)測圖像的辨認概率直線下降,實驗數(shù)據(jù)也證實了這種情況,從趨勢上證明模型的正確性.同時,從預(yù)測數(shù)據(jù)結(jié)果上看,圖3中仿真實驗的預(yù)測結(jié)果與實際測試數(shù)據(jù)差距不大,除了前文所述的個別受主觀影響的數(shù)據(jù)以外,預(yù)測數(shù)據(jù)基本上都分布在實驗數(shù)據(jù)左右,說明該模型的預(yù)測結(jié)果大體能反映實驗數(shù)據(jù)的真實情況.

圖3 不同模糊程度下的目標辨認概率Fig.3.Target recognition probability under different degree of blurring.

為了更直觀地描述該模型預(yù)測結(jié)果的準確程度,本文以修正后模型的模糊辨認預(yù)測概率為橫軸,以辨認實驗的測試概率作為縱軸,構(gòu)建坐標系,得到如圖4所示的離散數(shù)據(jù)分布圖.整個坐標系的對角線位置為預(yù)測數(shù)據(jù)和實驗數(shù)據(jù)相等的點,因此數(shù)據(jù)點越接近對角線,說明預(yù)測結(jié)果與實驗數(shù)據(jù)越相符.可以看出,本次仿真實驗得到的6個數(shù)據(jù)點均緊密附著在對角線兩側(cè)且差距較小,從另一個側(cè)面說明修正后的NVThermIP模型預(yù)測數(shù)據(jù)的準確性,證明該模型的預(yù)測效果可以用于指導(dǎo)實驗.

圖4 模型預(yù)測結(jié)果和實驗數(shù)據(jù)的關(guān)系圖Fig.4.Relationship between model prediction results and experimental data.

2)實驗二

借用美國夜視實驗室的實驗數(shù)據(jù)對修正后的NVThermIP模型進行可靠性驗證,該實驗是關(guān)于軍事設(shè)備的夜視圖像處理,主要是坦克戰(zhàn)車的不同角度、不同距離的紅外圖像,目標圖像如圖5所示,圖中共有11種不同類型的戰(zhàn)車.實驗共有20個觀測者,在5個不同的觀測距離對坦克的夜視圖像進行型號辨認,并通過圖像辨認效果最終確定紅外成像系統(tǒng)的工作效果.本文利用該實驗數(shù)據(jù)對修正后的模型進行驗證,通過與真實實驗數(shù)據(jù)的比較分析,來確定該模型在夜視現(xiàn)場中的性能是否可靠.

圖5 11個同類目標Fig.5.Illustration of the eleven targets.

紅外系統(tǒng)的設(shè)備參數(shù)如表4所列,所有目標參數(shù)取相同數(shù)值,特征尺寸(Ltgt)取值3.1 m,平均對比度(Ctgt)取值0.35,無外部噪聲.

表4 紅外系統(tǒng)參數(shù)Table 4.Parameters of infrared system.

將上述紅外系統(tǒng)的性能參數(shù)、觀測目標的特征參數(shù)以及觀測距離等實驗參數(shù)輸入到修正后的NVThermIP模型,并利用該模型進行性能仿真,得到觀測者在不同觀測距離下用紅外設(shè)備正確辨認出目標型號的概率,與實際實驗數(shù)據(jù)進行對比,結(jié)果如圖6所示.

由經(jīng)驗可知,隨著觀測距離的增大,目標圖像的辨認概率會逐漸下降,仿真和測試結(jié)果均證明了這一點.由圖6可知,隨著觀測距離的變化,仿真和測試實驗結(jié)果的變化趨勢相同,可見修正模型的預(yù)測結(jié)果與實際測試結(jié)果符合得很好,兩者的數(shù)據(jù)相差較小.為了進一步分析該模型的有效性,在不同距離的測試數(shù)據(jù)點標注0.05誤差棒用于確定仿真實驗與測試實驗的誤差.可以看出,修正模型的預(yù)測結(jié)果基本上都在測試實驗數(shù)據(jù)附近,仿真實驗的誤差均遠小于0.05.同時,在特定觀測距離,約為1.5 km時,仿真實驗的辨認結(jié)果和測試結(jié)果基本相等,誤差很小,從而進一步證明該修正模型的精確性.對仿真數(shù)據(jù)進一步分析處理得到該修正模型與實驗結(jié)果之間的均方根誤差,僅為0.03,從而可以證明該模型對于圖像辨識能力的預(yù)測非常準確,可以用于不同距離下紅外系統(tǒng)辨識度的精確預(yù)測.

同樣,為了更直觀地描述該模型對不同距離下預(yù)測結(jié)果的準確程度,以修正模型的模糊辨認預(yù)測概率為橫軸,以辨認實驗的測試概率為縱軸,構(gòu)建坐標系,得到如圖7所示的離散數(shù)據(jù)分布圖,位于對角線上的點是最接近真實數(shù)據(jù)的點.圖中接近坐標原點的兩個數(shù)據(jù)點基本處于對角線上,其他距離稍遠的3個點也與對角線相差不遠,更直觀地證明了該模型預(yù)測的辨認概率與實際測試結(jié)果非常接近,證明該模型可以對紅外系統(tǒng)進行有效的評估,并用于指導(dǎo)設(shè)計.

圖6 辨認概率與距離的關(guān)系Fig.6.Relationship between probability and distance.

圖7 預(yù)測數(shù)據(jù)與實驗結(jié)果的關(guān)系Fig.7.Relationship between prediction data and experimental results.

上述兩個實驗分別從圖形模糊程度和觀測距離兩方面對修正后的NVThermIP模型進行了性能驗證,通過與真實實驗結(jié)果對比,證明該模型在用于紅外系統(tǒng)的性能預(yù)測方面和野外實戰(zhàn)方面都是有效的,仿真結(jié)果與實驗數(shù)據(jù)契合度高、一致性強.同時綜合考慮了紅外系統(tǒng)和實際生產(chǎn)中的一系列性能參數(shù),該模型完美地融入了人眼視覺機制,將NETD這一衡量靈敏度的參數(shù)引入到經(jīng)典NVThermIP模型中,用于指導(dǎo)系統(tǒng)設(shè)計,從而為紅外系統(tǒng)的性能優(yōu)化提供可靠的理論指導(dǎo).

4 結(jié) 論

一個性能可靠的評估模型可以有效指導(dǎo)紅外成像系統(tǒng)的設(shè)計,是其性能優(yōu)化的前提.紅外系統(tǒng)的設(shè)計需要綜合考慮其分辨力和靈敏度對系統(tǒng)的影響,因此需要將靈敏度度量參數(shù)NETD應(yīng)用到性能評估模型中.在經(jīng)典NVThermIP模型的基礎(chǔ)上,本文以指導(dǎo)系統(tǒng)設(shè)計作為研究切入點,分析建模過程中存在的不足,結(jié)合現(xiàn)有的人眼噪聲理論研究和實驗數(shù)據(jù),利用NETD對NVThermIP模型的對比度閾值函數(shù)計算方法進行了修正與完善,將NETD轉(zhuǎn)化為成像系統(tǒng)噪聲,再轉(zhuǎn)化為人眼的感知噪聲,從而將NETD應(yīng)用到NVThermIP模型中.并從圖像模糊程度和不同觀測距離下的紅外辨識兩方面對修正模型進行驗證,證明其具有高的準確率,可用于系統(tǒng)設(shè)計.修正后的NVThermIP模型對紅外成像系統(tǒng)的評估預(yù)測更為準確,可以有效避免實物實驗長周期、高消耗的缺點,對于系統(tǒng)的優(yōu)化設(shè)計效率更高,具有重要的軍事和經(jīng)濟意義.