“人在回路”红外成像系统目标获取性能模型

    0 引 言

    “人在回路 ” 红外成像系统目标获取性能模型在系统层次上定量描述了基于人眼视觉的红外成像系统的目标获取性能，是红外成像系统总体技术研究的一个重要组成部分。 主要包括静态模型和动态模型两部分。 当前，关于红外成像系统目标获取性能模型的研究主要集中在 4 个方面：(1) 对环境、目标、背景杂波以及视觉信息处理机制的准确描述及其对目标捕获性能的影响^[1]；(2) 在红外技术 、 图像处理技术不断发展的背景下，准确描述传感器系统的响应特性以及图像处理算法对目标获取性能的影响^[2]；(3) 对 MRT性能模型的研究及改进^[3]；(4) 开展新的性能表征模型及性能测试方法的研究^[4]。 鉴于该领域的研究内容相当广泛，通过对经典模型分析，明确了建立目标获取性能模型的基础、关键问题和限制因素，以及相关研究问题的发展过程和方向。

    1 目标获取性能模型的基础和发展

    1.1 静态模型

    在研究目标获取性能模型的初始阶段，研究者不仅对红外成像系统应用环境进行了简化，同时摒除了目标大小、类型等因素对目标获取性能的影响，重新对系统的探测、识别和辨认任务进行了定义。 这种简化， 使得影响模型预测结果的主要因素减少到两个：传感器成像特性和人眼视觉机制。 因此，建立目标获取性能模型首先要完成两方面的工作：(1) 明晰系统目标获取性能与人眼视觉质量之间的关系；(2) 对目标获取过程中的视觉质量进行量化。 以 Johnson 准则为基础的 JOHNSON 模型(NVL 模型)就是在这一研究背景下产生的。实际上，隐藏在 Johnson 准则中的两个基本假设奠定了目标获取性能理论的基础。 假设1：目标获取性能与图像质量有关系 ， 即 “ 看得好则看得远”；假设 2：视觉质量与人眼视觉的对比度阈值相关联。 第一个假设认为：人对图像中目标的识别能力取决于图像的清晰程度，图像模糊以及噪声都会对系统的目标获取性能产生影响；第二个假设认为：视觉质量可以通过图像中大于人眼视觉阈值的信号总量来衡量， 然而受当时对人眼视觉机制研究的限制，同时由于试验中采用具有明显目 标/背景对比度的场景，研究者简单地认为：通过增大系统的分辨率就可以提高系统的图像质量。 因此，Johnson 准则只使用图像的分辨率来衡量系统中传感器对目标获取性能的影响，并没有考虑图像模糊、噪声、显示器亮度对人眼对比度的影响。

    JOHNSON 模型通过添加眼睛匹配滤波因子来描述图像噪声对系统性能的影响，但是也忽略了眼睛对比度阈值的限制。 因此，在低对比度以及图像模糊条件下，该模型的 MRT 计算结果是不准确的。该模型仅适用于显示器辉度经过优化、系统输出图像质量受分辨率限制的场合。 作为经典目标获取模型的 NVESD目标获取模型集， 是在 NVL 模型的基础上逐步发展起来的。 纵观 NVESD 目标获取模型集的发展过程，MRT 模型是该模型集的核心 。 MRT 表示系统的性能由在给定的目标/背景对比度下， 系统传递的能被人眼视觉系统所接收的最高空间频率唯一决定。