李 冰，蘇 娟，郝媛媛

?

基于SE-Workbench-IR的紅外圖像仿真

李 冰1，蘇 娟1，郝媛媛2

（1.火箭軍工程大學，陜西 西安 710025；2. 96625 部隊，河北 宣化 075100）

可見光圖像仿真生成紅外基準圖，對提高紅外成像制導武器命中精度具有重要意義。針對實地獲取紅外基準圖成本高、難度大的問題，借助SE-Workbench-IR平臺，實現(xiàn)了由可見光圖像到紅外基準圖的仿真。首先通過Photoshop軟件對圖像進行分層，并在SE-CLASSIFICATION模塊對各圖層的地物分別賦予對應的材質，實現(xiàn)紋理分類；之后，在紅外可視化面板設定生成紅外圖像的環(huán)境參數(shù)，運行軟件獲得紅外仿真圖像。仿真之后，用紅外仿真基準圖進行模板匹配，并通過匹配誤差、均方根誤差和交叉熵來評價仿真效果。實驗結果證明：指定背景環(huán)境下的紅外成像仿真的效果很好。

紅外成像仿真；SE-Workbench-IR；模板匹配；均方根誤差

0 引言

紅外成像制導具有靈敏度高、隱蔽性好、抗干擾能力強等優(yōu)良特性，因此采用紅外成像制導可以提高武器的生存能力和精確打擊能力。但是受當前國情和保障能力的限制，紅外成像制導中基準圖多為可見光圖像，實時圖為紅外圖像。由于紅外與可見光圖像成像機理不同，兩者存在較大的特征差異，進而加大了圖像匹配難度。如果改用紅外基準圖進行匹配，則在降低匹配難度的同時還能提高匹配準確度和精度。但僅依靠場外實地獲取紅外基準圖，不僅耗費大量的人力物力財力，還很難獲得復雜環(huán)境、惡劣氣候下目標的紅外圖像。因此，通過紅外成像仿真技術來獲得紅外基準圖具有重要意義。

當前，部分學者、機構在目標與場景的紅外特性建模與仿真方面已取得優(yōu)異成果：基于場景幾何和紅外紋理圖像混合的紅外動態(tài)場景的實時繪制、基于各種新方法的紅外輻射大氣傳輸模型、大規(guī)模紅外場景紋理的生成方法、典型地物不同時段和不同季節(jié)的紅外特性仿真等[1-5]。提前建立大氣、物理模型以及材料數(shù)據(jù)庫等紅外仿真圖像生成所需的條件，可以縮短紅外仿真圖像生成的時間、擴大紅外仿真圖像生成范圍。紅外仿真軟件將這些提前建立的仿真生成條件聚集到一個仿真平臺，使得紅外仿真工作變得簡單、易于操作，且可視性更強。國外近年來開發(fā)了多種目標與場景的紅外輻射特性仿真軟件，其中SE-Workbench-IR軟件已經在英、法、德等歐洲國家以及部分亞洲國家的軍事科研領域得到廣泛應用[6]。

本文對SE-Workbench-IR軟件進行了簡要介紹；同時為了驗證SE-Workbench-IR軟件的紅外仿真效果，先利用Photoshop軟件對可見光圖像進行分層生成.psd文件，并用SE-Workbench-IR平臺中的SE-CLASSIFICATION模塊實現(xiàn)圖像中地物的紋理分類與紅外圖像仿真；之后采用模板匹配算法對紅外仿真基準圖與紅外實時圖進行匹配，并通過計算匹配誤差、均方根誤差以及交叉熵對紅外仿真效果進行評價。

1 基于SE-Workbench-IR平臺的紅外仿真應用

1.1 SE-Workbench-IR軟件簡介

SE-Workbench-IR是OKTAL-SE公司開發(fā)的SE-Workbench軟件中用于紅外場景數(shù)據(jù)生成、分析和仿真的工具包。它主要包括SE-AGETIM（三維地形建模模塊）、SE-PHYSICAL-MODELER（物理模型建模模塊）、SE-ATMOSPHERE（大氣模型建模模塊）、SE-THERMAL（熱量模型建模模塊）、SE-SCENARIO（圖形用戶界面配置工具模塊）、SE-TOOLKIT（應用設計、集成的庫和應用程序接口模塊）、SE-FAST-IR（紅外快速圖像生成模塊）、SE-RAY-IR（紅外射線追蹤模塊）、SE-CLASSIFICATION（材質的紋理分類模塊）、和SE-IR-SENSOR（紅外傳感器模塊）等[7-10]。

利用SE-Workbench-IR平臺建立一個物理材料/紋理分類需要兩個過程：第一，物質鑒定，即通過現(xiàn)有軟件（如：Photoshop、OpenGL等）將原始圖像中的物質分到不同的圖層，生成.psd文件；第二，紋理分類，即通過SE-CLASSIFICATION模塊對.psd文件中各圖層的物質分別賦予對應的物理材質，實現(xiàn)紋理分類?；玖鞒倘鐖D1[10]所示。

圖1 物理材料/紋理分類的建立流程

1.2 基于Photoshop軟件的圖像分層

本文利用Photoshop軟件將可見光圖像中的不同地物分到不同的圖層，最后生成.psd格式的圖層文件。具體操作步驟如下：運行Photoshop軟件，選用選區(qū)工具選取可見光圖像中分布面積最大的材質，將選區(qū)保存至新建的圖層并為圖層命名類型名；然后依次選取圖像中剩余材質，保存至新建的圖層并命名，直到將圖像全部分割或達到需要的分割精度。需要注意的是：圖層間無重疊區(qū)域且所有圖層的疊加剛好構成原來的可見光圖像；并且，圖層要以英文形式命名。

因為SE-CLASSIFICATION模塊對可見光圖像進行紋理分類時，每個圖層最多能分出4類紋理，并且同一圖層中若存在不同材質具有相近顏色時，系統(tǒng)會自動將這些不同地物劃分到同一紋理下，進而影響紅外仿真結果。因此，在使用Photoshop軟件對可見光圖像進行分層時，要將不同材質相近顏色的地物分到不同的圖層，并且每個圖層中包含的材質的數(shù)量和顏色的數(shù)量均不能超過4種。

圖像的分層實例如圖2所示。圖中的可見光圖像中主要包括：屋頂、墻壁和植被。雖然部分屋頂和墻壁的實際材質相同，但因為兩者的輻射特性不同，所以在材料數(shù)據(jù)庫中對應的材質不同；又因為部分屋頂和墻壁在可見光圖像中的顏色相近，故將屋頂和墻壁分到不同的圖層。

圖2 圖像的分層效果

1.3 基于SE-CLASSIFICATION的紋理分類及紅外仿真

啟動SE-CLASSIFICATION模塊，導入材料數(shù)據(jù)庫、三維物理模型文件和圖層文件。對各圖層中的每類地物賦予相應的材質（如混凝土、瀝青、植被等），并在顏色選擇區(qū)選擇圖層中地物所對應的顏色，即可完成紋理分類工作。具體操作步驟如下：

①啟動SE-CLASSIFICATION模塊，導入材料數(shù)據(jù)庫；

②打開MPC generation對話框，導入三維物理模型文件和圖層文件；

③進入Classification對話框，在“Layers”選區(qū)選擇一個圖層，之后在“Material”功能區(qū)依次賦予圖層中各地物所對應的物理材質，并在“Colour”功能區(qū)選擇地物在圖層中顯示的顏色（任一種地物的顏色選區(qū)與其材質選區(qū)處于同一行）；

④重復步驟③，直至所有圖層中的地物都被賦予材質和對應顏色。

圖3中(a)、(b)、(c)分別表示“roof”圖層、“background”圖層和“vegetation”圖層中各地物的材質和顏色的賦予情況。

完成地物的紋理分類后，在IR visualization（即紅外可視化面板）對話框下選擇期待的紅外仿真圖生成的背景環(huán)境參數(shù)，如大氣窗口、溫度、太陽高度角等。之后點擊“Preview”按鈕，即可生成紅外仿真圖，如圖4所示。

2 紅外仿真結果驗證及評價

按照上文所述的方法，依次對可見光圖像進行分層和紋理分類，最后設定環(huán)境參數(shù)，生成紅外仿真圖像。同時，用紅外成像儀獲取同一場景的紅外實時圖，用于對紅外仿真效果進行比較和評價。限于篇幅，本文只給出了兩組紅外仿真實驗的結果，如表1所示。通過目視觀察和主觀感覺可知：紅外仿真圖像與紅外實時圖的相似性較高，紅外仿真效果較好。

圖3 圖層中各地物的材質和顏色賦予情況

圖4 紅外仿真結果

表1 紅外仿真結果

通常情況下，紅外仿真圖像與紅外實時圖之間灰度特性的相似性越大，則說明紅外仿真效果越好。為了客觀地評價仿真效果，本文在進行紅外仿真之后，用模板匹配算法對紅外仿真基準圖（紅外仿真基準圖是從紅外仿真結果圖中通過人機交互分割出來的）和紅外實時圖進行匹配，并通過計算匹配誤差來評價仿真效果。同時，用均方根誤差（RMSE）和交叉熵來評價仿真效果。

2.1 匹配誤差

相關系數(shù)能夠反映兩幅圖像的相關程度，所以通過計算紅外仿真圖像與紅外實時圖的相關系數(shù)，可以得出兩者的灰度相似性程度。相關系數(shù)的值越大說明兩者越相似，即紅外仿真效果越好。利用基于相關系數(shù)的模板匹配算法對紅外基準圖與紅外實時圖進行匹配，則可以通過計算匹配誤差來反映灰度相似性，進而反映紅外仿真效果。匹配誤差越小，說明紅外仿真基準圖與目標的紅外實時圖之間的灰度相似性越好，即紅外仿真效果越好。

將人工標注的理想匹配位置作為Ground truth、匹配所得的位置作為實際匹配位置，令計算所得的實際匹配位置與理想匹配位置之間的歐氏距離作為匹配誤差。兩組實驗的匹配結果及匹配誤差如表2所示，可以看出，匹配誤差均小于2個像素值，說明紅外仿真基準圖與紅外實時圖具有較大的灰度相似性，即說明紅外仿真效果比較好。

2.2 均方根誤差和交叉熵

均方根誤差適用于對兩幅圖像信息變化程度的測量，該值能反映兩幅圖之間的灰度值差異。通常，均方根誤差值越大，表示兩者灰度差異越大，即仿真效果越差；反之，仿真效果越好。交叉熵可以用來測量兩個概率分布的信息差異，因此它直接反映了兩幅圖像的差異，通常交叉熵越小，表示圖像間的信息差異越小，即紅外仿真效果越好。因為文中最關注的是目標的紅外仿真效果，因此只計算目標的紅外仿真圖與紅外實時圖之間的均方根誤差和交叉熵。均方根誤差和交叉熵分別按照公式(1)、公式(2)計算：

式中：和分別表示目標的紅外實時圖和紅外仿真圖；P()和P()分別表示和在像元亮度值為時的概率。

實驗計算結果如表3所示。

均方根誤差需要考慮兩幅圖像對應點的灰度值，又由于可見光圖像和紅外實時圖成像的方位角、尺度等差異，導致目標的紅外仿真基準圖與紅外實時圖中相同坐標處所對應的點不能完全配對，影響了均方根誤差的計算。交叉熵考慮的是兩張圖像全局的信息分布情況，表3中的計算結果能較好地說明兩幅圖整體之間比較接近，即紅外仿真效果比較好。因此總體分析可知：目標的紅外仿真圖與紅外實時圖之間相似性較好，紅外仿真效果較好。

3 結束語

由于紅外基準圖的實地獲取成本很高，而且很難根據(jù)實際要求獲取實時圖成像背景環(huán)境下的紅外基準圖。為了降低紅外基準圖的獲取成本，降低紅外成像制導中圖像匹配難度、提高匹配準確度，本文利用Photoshop軟件和SE-Workbench-IR軟件中的SE-CLASSIFICATION模塊，實現(xiàn)了紅外基準圖的仿真；并通過計算匹配誤差、均方根誤差、交叉熵來評價仿真效果。實驗結果證明，利用Photoshop軟件和SE-CLASSIFICATION模塊實現(xiàn)的紅外場景仿真效果較好，并且能夠從中截取出紅外基準圖實現(xiàn)低匹配誤差、高準確度的紅外匹配。本文方法也可以實現(xiàn)空中目標動態(tài)圖像的仿真，對其進行紅外仿真的原理與對地面圖像進行紅外仿真的原理相同，且需要注意的事項相同。

因為該軟件自帶的材料數(shù)據(jù)庫中材質類別有限，而且部分材質并未細分，導致分類過程中某些物質不能被賦予更精確的材質，進而影響了仿真效果；再者，紅外仿真生成界面中需要設定的參數(shù)要少于現(xiàn)實環(huán)境中影響紅外成像的實際因素數(shù)，參數(shù)的數(shù)量及其設定詳細與否也影響著仿真效果。因此，為了提高紅外場景的仿真效果，紅外仿真軟件需要在擴大材料數(shù)據(jù)庫以及增加紅外仿真所需設定的參數(shù)兩個方面加以改進。

表2 匹配結果及匹配誤差

表3 目標的紅外仿真圖與紅外實時圖之間的均方根誤差及交叉熵

[1] 王章野. 地面目標的紅外仿真及多光譜成像真實感融合研究[D]. 杭州: 浙江大學, 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.

[2] 江照意. 典型目標場景的紅外成像仿真研究[D]. 杭州: 浙江大學, 2007.

JIANG Zhaoyi. Study on infrared image synthesis for typical target scenes[D]. Hangzhou: Zhejiang University, 2007.

[3] 王玥, 盧秋實, 葉青青. 地面背景的紅外特性模型[J]. 紅外與激光工程, 2010, 39(6): 989-992.

WANG Yue, LU Qiushi, YE Qingqing. Infrared characteristic model of ground background[J]., 2010, 39(6): 989-992.

[4] 孫丹丹. 基于遙感影像的紅外紋理生成及仿真應用研究[D]. 西安: 西安電子科技大學, 2011.

SUN Dandan. Research on the generation and simulation application of infrared texture based on remote sensing image[D]. Xi￠an: XIDIAN University, 2011.

[5] 季圓圓. 典型地物紅外特性仿真關鍵技術研究[D]. 大連: 大連海事大學, 2014.

JI Yuanyuan. Study on key techniques of simulation for infrared characteristics of typical ground objects[D]. Dalian: Dalian Maritime University, 2014.

[6] 范晉祥, 岳艷軍. 目標與場景的紅外特性建模與仿真軟件的發(fā)展[J]. 紅外與激光工程, 2008, 37(增刊): 389-396.

FAN Jinxiang, YUE Yanjun. Development of software for modeling and simulation of target and scene's infrared signature[J]., 2008, 37(Supplement): 389-396.

[7] JEAN L, THIERRY C, NICOLAS D, et a1. Simulation of active and passive infrared images using the SE-WORKBENCH[C]//:,,,XVIII, 2007, 6543: 6543-1-6543-15.

[8] 張云, 馬崇宵, 薛艷茹, 等. 基于SE-Workbench-IR的紅外視景仿真研究[J]. 彈箭與制導學報, 2010, 30(4): 211-213.

ZHANG Yun, MA Chongxiao, XUE Yanru, et al. Research of scene simulation based on SE-Workbench-IR[J].,,, 2010, 30(4): 211-213.

[9] OKTAL-SE. Methodological guide[Z]. 2011.

[10] OKTAL-SE. SE-CLASSIFICATION[Z]. 2011.

Infrared Image Simulation Based on SE-Workbench-IR

LI Bing1，SU Juan1，HAO Yuanyuan2

(1.,￠710025,;2. 96625,,, 075100,)

Simulating infrared template from visible image is significant to improve the accuracy of infrared imaging guidance. SE-Workbench-IR is utilized to simulate infrared template due to the high cost and difficulty for acquiring infrared template in the field. Firstly, the image layers are made using Photoshop, the materials selection is done using SE-CLASSIFICATION and textures are classified. Secondly, environmental parameters needed by the infrared simulated image are initialized using IR visualization panel, and the simulation infrared images are got by running the software. After that, template matching is applied which is based on the infrared template, and matching error, RMSE and cross-entropy are used to evaluate the simulation effects. Experimental results show that the effect of the infrared images simulation in the assignedenvironment is good.

infrared imaging simulation，SE-Workbench-IR，template matching，RMSE

TP391.9

A

1001-8891(2016)08-0683-05

2015-12-19；

2016-02-28.

李冰（1993-），女（漢族），河北滄州人，碩士研究生，主要研究方向為遙感圖像處理。E-mail：libingbenyi@163.com。

國家自然科學基金（61302195）。