[发明专利]一种热像仪的最小可分辨温差客观测试方法

说明书

技术领域

本发明属于图像处理和自适应神经模糊推理技术领域，尤其涉及一种热像仪的最小可分辨温差客观测试方法。

背景技术

随着各种新型的红外成像系统在军事和民用领域获得广泛应用，对红外成像系统的性能评价显得越来越重要。最小可分辨温差(MRTD)是热像仪的一个重要性能参数,它反映了红外热像仪的空间分辨率和热灵敏度，融合了系统的成像质量等因素，能够较全面反映系统的探测能力，可以作为评价红外热像仪的综合指标，。以往对红外成像系统MRTD的传统测试方法通常采用的是人眼主观判读方法，观察者(一般为接受过训练的专业人员)直接观察被测系统的靶标像，在确定的空间频率下，刚好能分辨出4杆靶图案(高宽比7:1)时，目标与背景之间的温差为该空间频率的MRTD。这种MRTD测试方法与测试者密切相关，但由于受人眼主观因素的影响，测试结果随测试者的训练水平、心理素质、视觉能力和环境的变化而变化，测量结果不稳定、测试周期长，同时也容易引起争议。因此客观的对热像仪MRTD测试成为红外成像系统的必然要求。

发明内容

为达到上述目的，本发明提供一种热像仪的最小可分辨温差MRTD测试方法，该方法将图像处理与自适应神经-模糊推理系统技术结合起来，能够实现MRTD参数的客观测试，不仅提高了测试速度，同时避免了传统测试方法中人工的重复性工作及主观因素干扰。

本发明的热像仪的最小可分辨温差客观测试方法，其包括以下步骤：

步骤1，构建用于测试的自适应神经-模糊推理系统ANFIS，该ANFIS具有三个输入节点和一个输出节点，三个输入节点的输入值分别为热像仪采集图像的均值对比度f₁、对比度f₂、温差类别f₃这三个特征，输出节点输出值为分类结果，包括1、0、-1三类，其中，1表示清晰、0表示清晰与模糊之间、-1表示模糊；

其中，针对每帧热像仪采集图像获得三个特征参数的方式为：

步骤11，对获取的多帧热像仪采集视频进行预处理，获得感兴趣处理图像ROI以及该ROI区域中四个靶杆的轮廓和位置；

步骤12，均值对比度f1的计算方法为：计算四个靶杆上像素点的灰度均值A1，以及灰度化图像的ROI区域中除四个靶杆外的区域即背景上像素点的灰度均值A2；计算A1和A2的平均值A3；均值对比度f1为四个靶杆上各像素点的灰度值大于A3的像素数N₁与四个靶杆所占总像素数N的比例；

对比度f2的计算方法为：计算四个靶杆之间的三个间隔区域的灰度均值A4；对比度f2为(A1-A4)/(A1+A4)；

温差类别f3的计算方法为：若A1大于A2，则f3为1，代表靶杆的灰度均值大于背景的灰度均值，此时为正温差；若A1小于A2，则f3为-1，代表靶杆的灰度均值小于背景的灰度均值，此时为负温差；

步骤2，采用一种类型X的热像仪采集视频，在采集的过程中调整热像仪的温差，使得温差遍历整个温差范围，从视频中截取多帧图像，针对每帧图像计算均值对比度f₁、对比度f₂、温差类别f₃这三个特征，并通过观察每帧图像的清晰、模糊程度给出每幅图像的期望输出，期望输出值包括1、0和-1，同一帧图像的均值对比度f₁、对比度f₂、温差类别f₃和期望输出值形成一个训练样本；利用训练样本对步骤一构建的自适应神经-模糊推理系统ANFIS进行训练，获得该类型X热像仪的MRTD分类模型；

步骤3，针对类型X的热像仪进行MRTD测试时，在某种温差下采集被测热像仪的图像，提取均值对比度f₁、对比度f₂、温差类别f₃这三个特征输入MRTD分类模型，获得分类结果；根据一段视频中各测试图像帧的分类结果调整被测热像仪的温差，重复本步骤3，直到获得测试结果；

根据分类结果的调整方式为：

若该段视频的分类结果中，1类的个数占测试帧数的比例大于给定的精度阈值，则进一步判断：若此时温差类别f₃为1，则降低被测热像仪的温差；若此时温差类别f₃为-1，则升高被测热像仪的温差；