張小威，李 凡，郭 葉，楊 揚，張 勵

(上海機電工程研究所，上海 201109)

0 引 言

紅外成像制導技術的發(fā)展對半實物仿真過程中場景模擬的逼真度與復雜度提出了更高的要求。實際工程中往往通過外場實測數(shù)據(jù)結合內(nèi)場仿真試驗標定與校準，實現(xiàn)模擬場景與外場靶試場景紅外輻射特征的統(tǒng)一。

紅外場景仿真過程中，場景建模軟件生成數(shù)字場景圖像，驅動紅外場景模擬器(后文簡稱模擬器)生成物理場景，生成的物理場景與真實場景的紅外輻射特性的相似性程度是衡量仿真系統(tǒng)可信度的關鍵指標。為了獲得更加逼真的仿真效果，現(xiàn)階段大部分研究機構都是從更加精細化的場景模型、更加精準的模擬器、更加規(guī)范的標定與校準這三個方面來提升仿真置信度。為了在簡化場景建模過程同時又能生成逼真度高的紅外物理場景，本文提出一種利用實測數(shù)據(jù)對紅外場景快速精確建模的方法，通過外場實測數(shù)據(jù)獲得模擬器的驅動數(shù)據(jù)，生成與外場靶試輻射特性一致的紅外場景。

李奇提出的紅外背景圖像數(shù)據(jù)的處理和轉換方法[1]主要通過用標準黑體對熱像儀標定的方式將背景圖像數(shù)據(jù)轉換為紅外場景仿真中所需要的輻射亮度數(shù)據(jù)。張健等提出的基于實測數(shù)據(jù)的反演方法[2]主要通過數(shù)據(jù)映射的方式利用測量圖像生成紅外圖像。宋福印等提出了一種基于實測數(shù)據(jù)參數(shù)擬合求解大氣透射率的方法[3]。李敏等提出了一種基于溫差擾動的紅外場景生成方法[4]，將圖像平均灰度與環(huán)境溫度關聯(lián)，生成不同時段的紅外場景。目前，主流的基于實測數(shù)據(jù)的場景反演方法是通過數(shù)據(jù)標定、去除大氣效應、去除成像效應、去除反射效應等步驟反演計算出場景的本征輻射強度數(shù)據(jù)[5-6]。但是，在仿真過程中并不能直接將本征輻射強度數(shù)據(jù)作為模擬器的驅動量，需經(jīng)過大氣渲染、模擬器溫度標定、灰度量化等步驟才能生成模擬器對應的驅動圖像數(shù)據(jù)。為了簡化計算流程，本文提出將實測數(shù)據(jù)直接轉換為模擬器的驅動圖像數(shù)據(jù)的紅外場景修正方法，建立“實測數(shù)據(jù)-驅動數(shù)據(jù)”的轉換模型與修正模型，仿真生成與外場靶試輻射特性一致的紅外場景。

1 修正方法原理

基于實測數(shù)據(jù)轉換的紅外場景修正方法包含數(shù)據(jù)轉換、迭代修正及相似性評估3個部分，其原理如圖1所示。實測數(shù)據(jù)由外場靶試遙測獲得，成像導引頭在跟蹤目標狀態(tài)下將復雜場景的紅外輻射信息轉化為電平信號，再經(jīng)過灰度量化獲得實測圖像。驅動圖像是模擬器的灰度輸入圖像，其對應像元的灰度量作為驅動模擬器中對應像元的控制量。轉換模型將導引頭外場跟飛試驗采集的實測圖像序列(由多幀實測圖像組成)轉化為模擬器的驅動圖像序列(由多幀驅動圖像組成)，生成紅外物理場景。修正模型以模擬器和探測器觀測獲得的仿真圖像與實測圖像的誤差作為輸入，生成修正量作為驅動圖像的補償量，通過反復迭代，仿真圖像與實測圖像的誤差趨近于零。相似性度量模型對仿真圖像與實測圖像的相似性作定量分析。

實測圖像序列由分辨率、視場大小、成像距離、相對視線角等相關參數(shù)來描述。實測圖像示例如圖2所示，該圖像存在一定的成像噪聲以及邊角效應。

2 轉換模型

紅外成像仿真過程中，目標輻射強度、尺寸、形狀以及目標與背景的對比度等物理信息的準確模擬至關重要。導引頭實測圖像對應的視場大小與模擬器驅動圖像對應的視場大小存在差異，并且實測圖像的灰度量與真實場景輻射強度之間的關系是非線性的，驅動模擬器的灰度控制量與其輸出的物理場景輻射強度之間的關系也是非線性的。若采用非線性擬合方式來消除這些非線性特征難免會造成誤差，理論上消除誤差最好的方法是“一一映射”。

實測圖像轉換為模擬器驅動圖像的流程如圖3所示，首先消除實測圖像Im的邊緣效應，再經(jīng)過縮放處理，映射為驅動圖像Id中h行l(wèi)列的部分區(qū)域，驅動圖像Id中未被填充的邊緣區(qū)域可采用背景均值填充。歸一化的驅動圖像疊加目標輻射強度對應的灰度值，即可獲得表征場景輻射強度信息的驅動圖像。

圖3 實測圖像轉換為模擬器驅動圖像的流程Fig.3 The process of transforming measured images into simulator driving images

1) 邊角效應去除

導引頭光學系統(tǒng)的圓形入瞳孔徑是導致邊角效應的直接原因，設導引頭成像分辨率為M×N，第k幀實測圖像邊角坐標位置(i,j)的像元灰度值為g(i,j)，定義該點到視場中心的距離為r(i,j)，則有

(1)

2) 場景填充

填充到模擬器驅動圖像中所占的行列數(shù)h、l分別為

(2)

(3)

采用雙線性內(nèi)插法將大小為M×N的實測圖像縮放為大小為h×l的圖像，利用MATLAB工具箱可快速實現(xiàn)該過程。

3) 邊緣均衡

場景填充后，驅動圖像對應的視場大于實測圖像，其邊緣部分未被填充，邊緣均衡主要解決該問題。為避免動態(tài)仿真過程中探測器探測到的場景邊緣輻射特性出現(xiàn)突變，采用背景均值作為驅動圖像邊緣像元的填充灰度值。

4) 圖像歸一化

通過去除邊角效應、場景填充、邊緣均衡轉換獲得的驅動圖像僅體現(xiàn)目標尺寸、形狀及目標與背景的對比度信息，并不包含紅外輻射強度信息，可通過歸一化處理形成標準驅動圖像，轉換示例如圖4所示。

圖4 實測圖像轉換為驅動圖像示例Fig.4 An example of transforming a measured image into a driving image

5) 目標輻射曲線疊加

歸一化驅動圖像疊加目標輻射曲線，進而生成可驅動模擬器的驅動圖像。目標輻射曲線僅表征靶試彈道中不同彈目距離下的紅外目標輻射強度信息，是對應驅動模擬器的灰度控制量。設計逐點自動校準算法，將實測數(shù)據(jù)作為自動校準算法的輸入，自動轉化為“灰度值-彈目距離”的紅外目標輻射曲線，其校準流程如圖5所示。

圖5 紅外目標輻射特性校準流程Fig.5 The process of correcting infrared target radiation characteristics

3 修正模型

本文在首先確保輻射強度特性近似一致的原則下，以彈目距離作為匹配索引，從驅動圖像序列中選取每一幀對應的驅動圖像，這種索引方式存在一定的彈目相對視線角匹配誤差。為確保仿真場景的目標形狀、尺寸和輻射強度等物理特性與靶試場景數(shù)據(jù)盡可能一致，建立修正模型，其原理如圖6所示。

圖6 修正模型原理Fig.6 The principle diagram of the correction model

1) 目標輻射強度修正

理論上隨著彈目距離的減小，目標輻射強度逐漸增強，且與彈目距離的平方成反比。由于探測器成像系統(tǒng)效應及噪聲影響，表征目標輻射強度的實測數(shù)據(jù)呈現(xiàn)出一定的抖動特性。為保證仿真模擬精度，需對實測數(shù)據(jù)作平滑處理以消除數(shù)據(jù)抖動及突變的采樣點。建立目標輻射強度E隨彈目距離變化的映射關系為

(4)

式中：WT為零視距下目標本征輻射強度；R為彈目距離；τ(R)為與R相關的系數(shù)。采用高階擬合方法獲得實測數(shù)據(jù)的平滑曲線，如圖7所示。

圖7 實測數(shù)據(jù)平滑擬合結果Fig.7 The smooth fitting result of the measured data

將平滑后的目標灰度實測數(shù)據(jù)轉化為基于模擬器的目標輻射強度曲線，以該曲線作為基準曲線進行拉偏修正。具體實現(xiàn)方法為：將基準曲線乘以相應的增益系數(shù)k，例如k=1.5時，目標輻射強度曲線拉偏結果示例如圖8所示。

圖8 目標輻射強度曲線拉偏結果示例Fig.8 An example of target radiation intensity curve deviation

2) 目標尺寸修正

探測器識別的目標區(qū)域像素點的個數(shù)表征目標尺寸特征信息。在遠距離弱小目標狀態(tài)下，目標區(qū)域像素點個數(shù)一般小于20個。以電阻陣場景模擬系統(tǒng)為例，其彌散圓大小約為單個像元尺寸(65 μm)，導致所模擬的目標尺寸會有一定的誤差?；谛拚Ｐ?，對驅動圖像的目標區(qū)域進行修正，采用膨脹腐蝕算法增大或減小目標邊緣，經(jīng)過多次迭代修正，目標尺寸特征誤差趨近于0。

3) 目標與背景的對比度修正

由于探測器與模擬器輸入輸出響應具有非線性特征，生成的紅外場景圖像中目標與背景的對比度可能存在一定的失真。采用非線性拉伸算法，設計灰度變換函數(shù)，對驅動圖像中每一個像素點的灰度進行拉伸變換，減小或增大目標與背景的對比度?；叶茸儞Q函數(shù)為

ρ=cgγ

(5)

式中：g為圖像中某像元灰度值；c和γ為正系數(shù)；ρ為該像元變換后灰度值。0<γ<1時，低灰度區(qū)擴展，高灰度區(qū)壓縮；γ>1時，低灰度區(qū)壓縮，高灰度區(qū)擴展。當γ取不同值時，灰度變換函數(shù)不同灰度區(qū)域壓縮擴展對比如圖9所示。γ=0.6時驅動圖像灰度變換前后對比示例如圖10所示。

圖9 灰度變換函數(shù)不同灰度區(qū)域壓縮擴展對比Fig.9 The comparison of the compression and expansion of different gray areas in the gray transformation function

圖10 γ=0.6時驅動圖像灰度變換前后對比示例Fig.10 An example of the comparison of the driving images before and after gray transformation when γ=0.6

4 相似性度量模型

仿真過程中探測器的技術狀態(tài)與靶試試驗時探測器的技術狀態(tài)相同。結合探測器目標檢測與識別的敏感特性，對仿真圖像與實測圖像進行相似性度量，即可定量評估模擬器生成的物理場景與靶試場景的相似性。

1) 目標輻射強度相似性度量

(6)

外場實測與內(nèi)場仿真的目標輻射強度變化曲線的相似性比較如圖11所示，計算得到的相同彈目距離下目標輻射強度相似度如圖12所示。

圖11 目標輻射強度變化曲線的相似性比較Fig.11 The similarity comparison of the target radiation intensity curve

圖12 目標輻射強度相似度分布計算結果Fig.12 The result of calculating the similarity of the target radiation intensity

2) 目標尺寸特征相似性度量

對于成像體制導引頭而言，目標尺寸的度量為統(tǒng)計目標邊界內(nèi)部(包括邊界上)的像素的數(shù)目。將目標最小矩形N×M區(qū)域內(nèi)的目標與背景二值化，目標像素點為1，背景為0，則彈目距離為R時目標尺寸AR的度量為

(7)

(8)

3) 目標與背景的對比度相似性度量

圖13為目標與背景區(qū)域劃分示意圖，定義目標區(qū)域T為目標邊界內(nèi)部(包括邊界上，圖中紅色框)，背景區(qū)域B的長寬分別為包含目標最小矩形區(qū)域長寬的2倍，并除去目標區(qū)域(藍色框去除紅色框后的區(qū)域)。

圖13 目標與背景區(qū)域劃分示意圖Fig.13 The schematic diagram of dividing target and background area

(9)

式中：CR可采用均值度量Δμ、均方根度量S兩種方法計算。

當采用均值度量法[7-8]時，目標區(qū)域T和背景區(qū)域B的灰度均值的差Δμ為

Δμ=|μT-μB|

(10)

式中：μT、μB分別為目標區(qū)域T、背景區(qū)域B的灰度均值。

當采用均方根度量[7-8]時，設目標區(qū)域T的灰度標準差為σT，則均方和根度量S為

S=[(μT-μB)2+σT2]1/2

(11)

5 結束語

本文提出了一種基于實測數(shù)據(jù)轉換的紅外場景修正方法，該方法有效利用了外場實測數(shù)據(jù)，通過轉換模型能快速獲取紅外場景模擬器的驅動圖像，并通過修正模型對該驅動圖像進行迭代修正。修正后的驅動圖像作為模擬器的輸入，可生成與外場靶試輻射特性一致的紅外物理場景。通過相似性度量模型定量分析了實測結果與仿真結果之間的相似性，結果表明，該方法能較為準確地模擬目標輻射強度、尺寸形狀、目標與背景的對比度等特征。