强光辐射源干扰红外成像特征量化模型与分析

郭冰涛,王晓蕊,荆卫国,王小兵,黄晓敏

(1.西安电子科技大学物理与光电工程学院,陕西西安 710071; 2.中国人民解放军63870部队,陕西华阴 714200)

假设

,强光干扰源干扰后的系统增益调整为

强光辐射源干扰红外成像特征量化模型与分析

郭冰涛1,王晓蕊1,荆卫国2,王小兵2,黄晓敏1

(1.西安电子科技大学物理与光电工程学院,陕西西安 710071; 2.中国人民解放军63870部队,陕西华阴 714200)

针对干扰战场红外成像质量的强光辐射源(战场火光),笔者基于红外成像信号转换机理,充分考虑信号响应特性、动态范围、自动增益和灰度量化,建立了强光辐射源作用的红外成像系统响应特性定量化模型.并以该模型为基础,结合实验室开发的红外场景仿真平台,模拟了典型强光光源干扰下的红外系统输出图像,定量分析强光光源亮度变化与红外图像对比度及侦察性能的关系.该研究结果将为战场环境中红外成像系统抗干扰能力防护提供理论依据和支持.

自动增益;系统响应特性;成像对比度;信号响应特性;动态范围

目前,军用红外成像系统为提高对军事目标的侦察和感知,通常对目标与背景差异电压信号进行灰度量化显示,采用自动增益改变系统动态范围[1]能够显示目标背景微小差异,增强显示图像对比度,但这也将导致成像系统对强光干扰源的适应性变差.为实现复杂战场环境中红外成像系统抗强光干扰能力防护,开展强光辐射源干扰红外成像特征量化模型与性能分析将具有重要的理论意义和应用价值.

从国内外公开的文献来看,目前对强光辐射源干扰特性的研究,主要是从强光辐射源自身的辐射特性出发,一方面,通过分析强光辐射源对场景中多个辐射源能量质心的影响研究强光辐射源对目标跟踪等方面的干扰特性[2-3];另一方面,通过对比强光辐射源与目标辐射光谱特性的一致性研究强光辐射源对目标检测识别等方面的干扰特性[4-6].在这些文献中,都没有从成像转换机理角度定量分析强光辐射源对红外系统成像的干扰作用.

针对以上问题,笔者首先从红外成像信号转换机理出发,充分考虑信号响应特性、动态范围、自动增益和灰度量化,建立了强光辐射源作用的红外成像系统响应特性定量化模型;然后在上述模型基础上,结合实验室开发的红外场景仿真平台,模拟了典型强光光源干扰下的红外系统输出图像;最后,利用输出图像定量分析强光光源对红外图像对比度及侦察性能的影响.

1 强光辐射源干扰红外系统成像机理

1.1 红外成像系统信号响应度函数

为研究强光辐射源干扰红外系统成像机理,从光电信号转换角度出发分析系统的成像原理,其中光电信号转换原理可以利用信号响应度函数描述.信号响应度函数表示的是在目标尺寸固定、强度可变的情况下输入(目标辐射能量)与输出(图像灰度)的变换关系,它充分考虑了系统的信号响应特性、动态范围、自动增益和灰度量化.

依据光电信号转换关系,温度为T的目标在探测器焦平面阵列上产生的响应信号经过系统增益放大后可表示为

其中,Gs表示探测元响应信号的系统增益;R(λ)表示探测元的响应度;λ1和λ2表示探测元响应光谱范围; A表示探测元的几何光敏面积;E(λ,T)表示成像系统接收到目标的辐射照度,其表达式[7]为

其中,L(λ,T)表示目标在波长λ处的光谱辐亮度;τo(λ)表示光学系统的光谱透过率;τa(λ)表示目标与成像系统之间大气的光谱透过率;F表示光学系统的f数.

依据红外成像系统的A/D转换器位数进行灰度量化.假设A/D转换器为8位,变换的电压信号范围为Vm～VM,则目标成像灰度级可表示为

图1 典型的信号响应度函数曲线

考虑噪声和饱和度对系统成像的影响,典型的信号响应度函数曲线呈“S”形,如图1所示.其中Em和EM分别表示探测元刚好饱和和信噪比为1时探测器光敏元接收的辐照度(下文中简称为最高辐照度和最低辐照度),分别对应系统灰度量化最大值GrM和最小值Grm.

1.2 强光辐射源作用红外系统成像机理分析

结合信号响应度函数进一步分析强光辐射源作用红外系统成像机理.假设系统接收的最高辐照度和最低辐照度分别为EM和Em,分别对应系统灰度量化最大值GrM和最小值Grm.此时,系统信号响应度函数动态范围的斜率可表示为

假设系统接收到目标的辐照度为Et,则目标产生的灰度可表示为

强光辐射源的存在增加了红外系统的动态范围,导致系统的自动增益发生变化,系统接收的最高辐照度E′M增大(E′M＞EM).此时,系统接收的最低辐照度和灰度量化范围分别与系统的基底噪声和A/D转换器位数有关且都保持不变,系统动态范围的斜率k′可表示为

由E′M＞EM可知,Δk=k′-k＜0,即强光辐射源作用导致系统动态范围的斜率减小.

强光辐射源作用红外系统时,系统接收目标的辐照度不变,目标成像灰度G′rt可表示为

结合式(5)和式(7)可知,强光辐射源作用红外系统引起的目标成像灰度变化为

由上述定量分析过程可知,当成像系统受到强光辐射源作用时,系统的动态范围变宽,自动增益降低,信号响应度函数动态范围斜率减小(如图2所示),使原场景辐射转换的电压信号被较少灰度级层次量化,原图像变暗.图2中El表示系统接收到强光辐射源的辐照度,实曲线表示强光辐射源作用前系统的信号响应度函数曲线,虚曲线表示强光辐射源作用时系统的信号响应度函数曲线.

图2 强光辐射源辐照时系统信号响应度函数曲线

2 强光辐射源作用红外系统成像响应特性量化表征

由强光辐射源作用红外成像机理可知,强光辐射源干扰红外成像特征的变化不仅取决于探测像元的信号响应特性,还与红外成像动态范围和自动增益模式密切相关.为实现干扰后红外图像特征的定量化描述,有必要综合考虑上述因素确立强光辐射源亮度与图像灰度的量化关系模型.

为实现该模型构建,首先假设某典型场景的最大辐射亮度为LM,最小辐射亮度为Lm,某场景局部区域为L,强光辐射源亮度为Lin,最大灰度量化电压为VM,最小灰度量化电压为Vm,系统存在9个挡位自动增益(G1,G2,G3,G4,G5,G6,G7,G8,G9).依据系统信号响应传递函数可知,无强光干扰时红外成像转换电压灰度值可表示为

当强光辐射源出现在视场内时,整个视场内观测场景辐射的电压转换增益发生变化,以满足对场景高动态范围显示.然而,考虑到A/D灰度量化电压为恒定值,这时增益挡位自动进行调整.其调整的幅度与强光辐射源对红外像面贡献的照度值密切相关,可表示为或者根据m确定增益所在的挡位区间,那么,此时场景不同像素转换的图像电压变为

假设

,强光干扰源干扰后的系统增益调整为

以上述理论为基础,在实验室开发的红外仿真平台上实现了强光辐射源对系统成像对比度影响的计算和仿真,具体仿真过程可分为以下3个过程:

(1)计算强光辐射源产生的电压信号.由上述理论分析可知,强光辐射源产生的电压信号直接影响成像系统的自动增益倍数,因此,在仿真过程中首先需要计算强光辐射源产生的电压信号.在图像渲染的每一帧,依据普朗克公式及式(10)计算出强光辐射源产生的电压信号Vl.

(2)系统自动增益挡位.根据强光辐射源产生的电压信号及上述系统自动增益挡位调整方式,计算强光辐射源作用系统的自动增益所在挡位区间

判断Gp所在增益区间:如果Gi+1＜Gp＜Gi,此时系统自动增益处于第i+1挡位.

(3)红外输出图像.根据以上两步计算出的自动增益倍数,结合式(9)计算每个探测元成像转换电压灰度值,即红外输出图像.

3 仿真实验与结果分析

根据上述强光辐射源亮度与图像灰度的量化关系模型,笔者模拟了强光辐射源干扰下某型号红外成像系统的输出图像.系统参数如下:响应波段范围3～5μm,探测元响应度R为4×106V/W,探测元几何光敏面积A为25μm×25μm,光学系统的f数F为3,光学系统的光谱透过率τo为0.9,系统自动增益挡位对应增益系数如表1所示.

表1 红外成像系统自动增益挡位对应的自动增益系数值

3.1 仿真实验

仿真实验建立在实验室开发的红外仿真平台之上,设置目标位置(0,0,0),红外系统位置(50,17,10),输出图像如图3(a)所示.设置强光辐射源(黑体)位置(0,0,30),实验过程中强光辐射源、目标及红外系统位置不变,逐渐升高强光辐射源温度(初始温度60℃,最高温度160℃),每隔10℃进行一次图像采集,结果如图3(b)～(l)所示.

图3 不同强光辐射源干扰下系统成像结果

从图像输出结果可以看出,随着强光辐射源温度升高(即能量增大),系统自动增益挡位逐渐降低,输出图像中目标及其背景的亮度和对比度下降,而且强光辐射源能量越大,亮度和对比度降低越明显.由此可以合理推断,在战场环境中,红外成像系统受到强光辐射源(如战场火光)作用会导致系统无法对目标进行正常成像.

3.2 侦察性能分析

为了进一步研究强光辐射源对系统侦察性能的影响,笔者利用上述模拟结果分析了不同温度强光辐射源干扰成像系统的最大探测距离.实验结果证明,当相邻两块区域灰度相差8时,人眼难以区分甚至无法区别[7],因此,文中假设目标与其背景平均成像灰度差小于8时,目标与成像系统之间的距离(强光辐射源与系统间距离不变)为系统的最大探测距离.结果如图4所示.

从实验结果可以看出,随着强光辐射源能量增大,系统的最大探测距离减小.当强光辐射源达到140℃时,系统的最大探测距离已经远小于强光辐射源作用前系统的最大探测距离.实验结果表明,采用自动增益显示目标背景微观差异,将导致系统无法适应大动态范围的复杂环境,成像系统对强光干扰源的适应性变差;在战场环境中,红外成像系统受到强光辐射源作用会导致系统的探测侦察能力下降.

图4 不同强光辐射源干扰成像系统的探测距离

4 结束语

笔者首先根据红外成像系统的图像生成原理,利用系统的信号响应度函数分析了强光辐射源辐照时系统的响应特性、动态范围、自动增益和灰度量化的变化规律;然后综合考虑上述因素建立了强光辐射源亮度与图像灰度的量化关系模型;最后基于实验室开发的红外仿真平台模拟了强光辐射源干扰下某型号红外成像系统的输出图像,并利用输出结果定量分析了强光辐射源对系统侦察性能的影响.模拟结果显示了在不同能量强光辐射源作用成像系统时,系统成像亮度和对比度的变化规律.侦察性能分析结果表明,随着强光辐射源能量增大,系统的最大探测距离减小.因此,在实际战场环境中,利用带有自动增益控制的红外成像系统做侦察或跟踪工作时,应尽量避免强光辐射源对系统的直接辐照,以免强光辐射源辐照引起的成像质量和系统探测侦察能力的下降.同时,笔者的工作为接下来“如何提高战场环境中红外成像系统抗干扰能力防护”的研究提供实验平台和理论依据.

[1]Zhu Feihu,Gong Ke,Huo Yujing.A Wide Dynamic Range Laser Rangefinder with cm-level Resolution Based on AGC Amplifier Structure[J].Infrared Physics&Technology,2012,55(23):210-215.

[2]洪鸣,刘上乾,王大鹏,等.强光弹对抗红外成像制导导弹的干扰机理[J].西安电子科技大学学报,2007,34(6):986-988. Hong Ming,Liu Shangqian,Wang Dapeng,et al.The Jamming Mechanism for Intense Light Bomb Antagonizing Infrared Imaging Guided-missiles[J].Journal of Xidian University,2007,34(6):986-988.

[3]Hu Yifan,Song Bifeng.Evaluation the Effectiveness of the Infrared Flare with a Tactic of Dispensing in Burst[C]//3rd International Symposium on Systems and Control in Aeronautics and Astronautics.Piscataway:IEEE,2010:131-136.

[4]Farley V,Chamberland M,Lagueux P,et al.Study of Hyperspectral Characteristics of Different Types of Flares and Smoke Candles[C]//Proceedings of SPIE.Bellingham:SPIE,2012:83820J.

[5]Turbide S,Smithson T,St-Germain D,et al.Algorithms for the Categorization and Identification of IR Military Signatures[C]//Proceedings of SPIE.Bellingham:SPIE,2009:74570R.

[6]陈小天,沈振康.长波红外成像导引头诱饵弹识别研究[J].红外与激光工程,2007,36(5):622-625. Chen Xiaotian,Shen Zhenkang.Flare Recognition for Long Wave Infrared Imaging Seeker[J].Infrared and Laser Engineering,2007,36(5):622-625.

[7]张敬贤,李玉丹,金伟其.微光与红外成像技术[M].北京:北京理工大学出版社,1995.

[8]刘恒殊,黄廉卿.基于人眼视觉特性的医学图像处理方法[J].光电工程,2001,28(4):38-41. Liu Hengshu,Huang Lianqing.A Medical Image Processing Method Based on Human Eye Visual Property[J].Opto-Electronic Engineering,2001,28(4):38-41.

(编辑:李恩科)

Feature quantitative model and performance analysis of infrared imaging under strong radiation source disturbance

GUO Bingtao1,WANG Xiaorui1,JIN Weiguo2,WANG Xiaobing2,HUANG Xiaomin1
(1.School of Physics and Optoelectronic Engineering,Xidian Univ.,Xi’an 710071,China; 2.No.63870 Unit of PLA,Huayin 714200,China)

The strong radiation source(such as battlefield fire)has become an important factor affecting the infrared imaging quality.First,a feature quantitative model of infrared imaging under strong radiation source disturbance is built based on the imaging signal conversion mechanism and by simultaneously considering the signal response characteristic,dynamic range,automatic gain characteristic(AGC)and gray level quantization and display.Then,a simulation of the output image of the infrared imaging system is performed on the basis of the model mentioned above and the simulation platform developed in our laboratory.Finally,a quantitative analysis of the relationship between the energy of the strong radiation source and the brightness(contrast)of the system’s output image is made.The results will be used for providing a theoretical basis and technical support for the research on the infrared imaging system antiinterference ability protection in the battled environment.

automatic gain characteristic;signal response characteristic;imaging contrast;signal response characteristic;dynamic range

TN972

A

1001-2400(2014)01-0064-05

10.3969/j.issn.1001-2400.2014.01.012

2012-09-24 < class="emphasis_bold">网络出版时间:

时间:2013-09-16

国家自然科学基金资助项目(61007014);航空科学基金资助项目(2010181004)

郭冰涛(1988-),男,西安电子科技大学博士研究生,E-mail:gbtedu@sina.com.

http://www.cnki.net/kcms/detail/61.1076.TN.20130916.0926.201401.81_008.html