红外热像仪最小可辨温差客观评测技术

　　0 引言

　　最小可辨温差(MRTD)是评价红外热成像系统的主要参数，它是一种与人的主观因素相关的机器性能参数，与多个因素相关，如系统识别能力、成像质量、图像输出系统、人的视觉系统等。

　　传统的MRTD 主观评测方法受人的主观因素影响很大，其测量结果有时存在高达50%的误差。如果多名专业人员在良好的精神状态下进行多次测量，则人工成本过大。特别是对于需要大批量检验的厂家，主观测量的局限性更大。所以，排除主观影响因素，红外热成像系统MRTD 的客观评测问题研究具有重要的理论意义和实用价值。

　　对于MRTD 客观评测， 已经提出了FLIR92 [1]、NV Therm[2]等模型，且通过不断修正，测量结果已越来越准确。但上述方法都是结合红外热成像系统MRTD 理论和人眼模型提出的，与MRTD 参数的定义有一定出入，需要一两个主观测量量进行修正，所以，此模型本身存在局限性。Braddick R C[3]、Harold Orlando[4]等人提出了基于人工神经网络技术的MRTD 客观评测方法。

　　1 原理模型及方法

　　人工神经网络客观评测MRTD，采用人工神经网络方法，利用CCD 数字图像采集系统采集视频图像，对红外热成像系统输出的不同空间频率、不同温差的4 杆靶图像进行分析，提取特征向量， 输入人工神经网络进行训练学习，训练好的神经网络可以代替人的视觉系统，对未知图像进行客观判读。人工神经网络模型具有多个神经元，对人脑进行模拟，从而解决图像某一空间频率下最小温差的4 杆靶图像判别问题。前期训练时，输入的特征向量是通过测试人员的主观判读提取的，所以，具有类似人视觉系统的判读能力。人工神经网络模型对4 杆靶的识别与人的视觉系统对4 杆靶的分辨类似，都需要建立在一类或几类特征的基础上，所以，特征向量的选取至关重要。韩彦中、孙军月等人[5~7]曾提出均值对比度、极值对比度、灰度差等七个特征量。这些特征量能够在一定程度上反映图像的特征，但部分特征量并不是十分合理，它们之间也存在着一定的相关性。例如，灰度差与监视器对比度的调节、CCD 分辨率等存在关联，测量环境的一致性不容易保证。在保留均值对比度的基础上，提出了两种新的特征量。

　　1.1 杆均值与背景极值对比度

　　式中：Lbk-ext为采集的4 杆靶图像中4 杆间3 个背景区的灰度极值的均值;Lbar为4 杆的平均灰度值。通过对大量图像数据的分析发现： 某些视觉可分辨的图像仅仅是背景的极值比较大，相对4 杆靶图像比较明显，从而易于分辨，所以，将杆均值与背景极值对比度作为一个特征量。例如，图1 为弥散严重的4 杆靶图像，将灰度按行累加处理后，发现4 杆间背景区域很小，但极值明显，对于具有类似特征的图像，杆均值与背景极值对比度这两个特征量能更好地反映图像特征。