基于圖像差值調(diào)制模型的紅外紋理生成方法

楊壹斌，李 敏，楊 敏，王亞楠

?

基于圖像差值調(diào)制模型的紅外紋理生成方法

楊壹斌，李 敏，楊 敏，王亞楠

（火箭軍工程大學(xué)908室，陜西 西安 710025）

針對(duì)紅外場(chǎng)景仿真中紋理映射真實(shí)感欠缺，實(shí)用性和靈活性較弱的問(wèn)題，考慮到實(shí)拍圖像在多方面的局限性，提出了基于紅外圖像灰度差值調(diào)制模型的紋理生成方法。該方法以實(shí)測(cè)某時(shí)刻紅外圖像為基礎(chǔ)，實(shí)施材質(zhì)分類后將材質(zhì)灰度與其灰度均值進(jìn)行逐像素差值運(yùn)算，得到主要景物材質(zhì)的灰度差值分布，利用傳熱學(xué)理論求出景物在一天內(nèi)其它時(shí)刻的均值溫度，再模擬紅外成像系統(tǒng)工作過(guò)程將其量化為對(duì)應(yīng)灰度均值，并與灰度差值分布進(jìn)行調(diào)制，生成仿真時(shí)刻的紅外圖像。實(shí)驗(yàn)結(jié)果表明，利用該方法生成的紅外紋理圖像兼具較高的真實(shí)性和可靠性，能夠滿足仿真應(yīng)用要求。

紋理生成；灰度差值；成像鏈路；調(diào)制模型

0 引言

紅外仿真技術(shù)在武器裝備研發(fā)、紅外基準(zhǔn)圖制備、打擊效能評(píng)估等多個(gè)領(lǐng)域具有廣泛的應(yīng)用價(jià)值，作為拓展紅外數(shù)據(jù)源、構(gòu)建紅外仿真場(chǎng)景的有效手段，紅外圖像仿真的作用愈發(fā)重要。傳統(tǒng)獲取紅外圖像的方法主要有兩種，外場(chǎng)實(shí)測(cè)圖像[1]和計(jì)算機(jī)仿真[2-3]。實(shí)測(cè)圖像的突出優(yōu)勢(shì)是可靠性高，但在采集圖像時(shí)受到時(shí)間、場(chǎng)地、設(shè)備、波段等多方面條件的制約；計(jì)算機(jī)仿真方法可以根據(jù)實(shí)際要求靈活生成紅外圖像，但在真實(shí)感和可信度上有所欠缺，為了提高仿真精度，一些基于熱傳學(xué)原理的精細(xì)物理模型被提出來(lái)，較好地提升了仿真真實(shí)性，但帶來(lái)的問(wèn)題是巨大的運(yùn)算量，仿真效率受到一定影響。如何有效提高紅外圖像仿真精度和紋理逼真度，完善紅外場(chǎng)景數(shù)據(jù)庫(kù)一直是國(guó)內(nèi)外學(xué)者的研究重點(diǎn)，Coiro利用Monte Carlo全局光照模型得到了目標(biāo)飛行器的紅外輻射分布特性[4]，王彥等人通過(guò)OSG（Open Scene Graph）對(duì)海天背景下的艦船目標(biāo)進(jìn)行了仿真，并生成了實(shí)時(shí)的紅外圖像[5]，武國(guó)軍等人在實(shí)拍可見(jiàn)光圖像的基礎(chǔ)上，反演出不同環(huán)境條件下的紅外圖像[6]，陳聰蔥基于“FPGA＋DSP”架構(gòu)對(duì)雙波段紅外圖像場(chǎng)景生成進(jìn)行了研究實(shí)現(xiàn)[7]，黃曦等人通過(guò)測(cè)量目標(biāo)表面輻射能量分布，反演生成目標(biāo)紅外紋理，該方法具有較高的靈活性[8]。

為改善紅外圖像仿真中存在的不足，著眼提升紅外紋理的逼真度，本文將實(shí)測(cè)數(shù)據(jù)與計(jì)算機(jī)仿真有效結(jié)合，提出了在灰度差值預(yù)測(cè)的基礎(chǔ)上，生成一天內(nèi)不同時(shí)刻紅外紋理圖像的方法。首先對(duì)實(shí)測(cè)紅外圖像分類，并將分類后景物各像素點(diǎn)灰度與其灰度均值作差值運(yùn)算，得到景物灰度差值分布狀況，再利用熱傳學(xué)理論求得仿真時(shí)刻相關(guān)景物材質(zhì)的均值溫度，最后通過(guò)模擬紅外成像系統(tǒng)工作流程的成像鏈路模型，將均值溫度的映射灰度級(jí)與灰度差值分布進(jìn)行調(diào)制，生成仿真時(shí)刻紅外圖像。

1 紋理生成原理

實(shí)測(cè)紅外圖像不但包含有各像素點(diǎn)對(duì)應(yīng)溫度信息和輻射特性，同時(shí)體現(xiàn)了量化后的灰度細(xì)節(jié)，在實(shí)測(cè)數(shù)據(jù)基礎(chǔ)上生成不同時(shí)刻紅外仿真圖像，也涵蓋了原始測(cè)量圖像的細(xì)節(jié)特征，具有一定真實(shí)性和可靠性。利用灰度差值調(diào)制模型生成紅外紋理時(shí)，首先采用K-means算法對(duì)預(yù)處理后的實(shí)拍紅外圖像進(jìn)行材質(zhì)劃分，通過(guò)各景物灰度與其灰度均值的逐像素差值計(jì)算求得該景物灰度差擾動(dòng)情況，再利用熱平衡方程和導(dǎo)熱方程等傳熱學(xué)原理，求得仿真時(shí)刻各景物材質(zhì)表面的均值溫度，并通過(guò)構(gòu)建的成像仿真鏈路量化輸出為對(duì)應(yīng)灰度級(jí)，最后對(duì)量化灰度與灰度差值分布實(shí)施調(diào)制，生成仿真時(shí)刻紅外圖像，具體過(guò)程如圖1所示。

2 紅外成像鏈路建模

紅外成像鏈路是指地物發(fā)射的輻射能量和對(duì)環(huán)境輻射反射的輻射能量經(jīng)介質(zhì)傳輸?shù)竭_(dá)紅外成像系統(tǒng)并輸出為相應(yīng)紅外圖像的傳輸過(guò)程[9]，建立的成像鏈路模型一般由三部分構(gòu)成：地物輻射、大氣路徑傳輸和系統(tǒng)成像效應(yīng)，在此基礎(chǔ)上保留了整個(gè)成像過(guò)程的關(guān)鍵步驟，又省去一些不必要的細(xì)節(jié)，簡(jiǎn)化了仿真過(guò)程，其示意圖如圖2所示。

2.1 地物輻亮度計(jì)算

地物輻射包含其發(fā)射輻射和表面反射周圍環(huán)境輻射兩部分，一般來(lái)講，常溫物體的本征紅外輻射集中在長(zhǎng)波波段，受太陽(yáng)輻射影響較小。本文實(shí)測(cè)波段為8～12mm長(zhǎng)波波段，以輻亮度作為計(jì)算模型輻射量的標(biāo)準(zhǔn)，本征輻亮度obj通過(guò)普朗克定律求得：

式中：為絕對(duì)溫度；()為物體表面材質(zhì)的發(fā)射率；1和2為第一、第二輻射常數(shù)；為輻射空間立體角，在球坐標(biāo)系中積分可得到其值為π。由于利用式(1)直接計(jì)算本征輻亮度涉及運(yùn)算量較大，實(shí)際求解中可以利用查表法或多項(xiàng)式擬合來(lái)代替。斯蒂芬-玻爾茲曼定律指出，黑體輻亮度與溫度的四次方成比例關(guān)系[10]，因此本文在利用多項(xiàng)式擬合時(shí)以4次冪作為擬合方程的最高次冪，計(jì)算公式如下：

obj＝4＋3＋2＋＋(2)

式中：、、、、為多項(xiàng)式擬合系數(shù)，利用紅外成像系統(tǒng)采集一系列不同溫度黑體的輻亮度數(shù)據(jù)，并代入式(2)擬合求得多項(xiàng)式的各個(gè)系數(shù)。

圖1 紅外圖像生成原理示意圖

圖2 紅外成像鏈路示意圖

Fig.2 Schematic of infrared imaging link

物體對(duì)周圍環(huán)境輻射的反射與環(huán)境輻亮度和自身反射能力密切相關(guān)，輻射反射部分可分為對(duì)太陽(yáng)輻射的反射和對(duì)天空背景輻射的反射。假設(shè)場(chǎng)景中無(wú)內(nèi)熱源，則計(jì)算反射輻亮度ref的數(shù)學(xué)公式為：

式中：()為物體表面反射率，對(duì)非透明物體，反射率可按()＝1－()計(jì)算；sky()和sun()分別為天空背景和太陽(yáng)的輻照度，計(jì)算中可以用相應(yīng)波段的輻射總和來(lái)代替，并將平均發(fā)射率￠作為地物表面發(fā)射率，以降低仿真運(yùn)算量。

2.2 大氣路徑傳輸建模

紅外成像系統(tǒng)工作時(shí)所處的環(huán)境介質(zhì)主要是大氣，傳輸過(guò)程既受到大氣顆粒的阻隔而產(chǎn)生消光衰減效應(yīng)，同時(shí)吸收和反射了部分太陽(yáng)輻射能量，對(duì)地物目標(biāo)有輻射增強(qiáng)的影響，成像模型中大氣傳輸過(guò)程通過(guò)如下公式表示：

式中：為入瞳輻亮度，即地物輻射到達(dá)紅外成像系統(tǒng)入口處的輻亮度；()為大氣透過(guò)率；path()為大氣路徑輻射，兩者均可通過(guò)MODTRAN軟件計(jì)算求得。

2.3 信號(hào)傳遞特性添加

紅外成像系統(tǒng)的主要任務(wù)是收集外界輻射并轉(zhuǎn)換為紅外圖像灰度值輸出，通常由光學(xué)系統(tǒng)、探測(cè)器系統(tǒng)和信號(hào)處理系統(tǒng)3部分組成[11]，本文在建立成像鏈路模型時(shí)主要考慮系統(tǒng)的信號(hào)傳遞轉(zhuǎn)換特性，在保證基本輸出結(jié)果的同時(shí)，有效減輕了系統(tǒng)運(yùn)算壓力，得到的輸出紅外圖像灰度值(,)與入瞳輻亮度的映射關(guān)系如下：

式中：op是紅外成像系統(tǒng)綜合各效應(yīng)的影響因子，與所使用成像系統(tǒng)內(nèi)部結(jié)構(gòu)有關(guān)，具體數(shù)值通過(guò)輻射定標(biāo)實(shí)驗(yàn)確定或利用經(jīng)驗(yàn)值替代；max,min分別為系統(tǒng)最大、最小電平值；為圖像灰度級(jí)數(shù)。為進(jìn)一步提升信號(hào)處理與轉(zhuǎn)換速率，將綜合影響因子等參數(shù)作定值處理，得到簡(jiǎn)化后系統(tǒng)輸出灰度與入瞳輻亮度的線性模型如下所示：

(,)＝×()＋(6)

式中：、分別為成像系統(tǒng)的信號(hào)轉(zhuǎn)換系數(shù)和固定噪聲，由其內(nèi)部組成確定，實(shí)驗(yàn)中同樣通過(guò)對(duì)紅外成像系統(tǒng)進(jìn)行輻射參數(shù)定標(biāo)而獲取。

3 灰度差值調(diào)制模型

紅外圖像的灰度變化與其對(duì)應(yīng)景物材質(zhì)的溫度分布，在一定溫度限度內(nèi)成線性關(guān)系。一天內(nèi)，同一材質(zhì)的表面溫差擾動(dòng)可近似認(rèn)為不隨時(shí)間變化[12]。景物的灰度差是指景物對(duì)應(yīng)圖像各像素點(diǎn)灰度值與整體灰度均值的差值，實(shí)測(cè)紅外圖像包含了當(dāng)前時(shí)刻景物材質(zhì)表面的溫度分布和熱輻射信息，各像素點(diǎn)灰度級(jí)與溫度值在一定條件下成對(duì)應(yīng)關(guān)系，對(duì)特定紅外成像系統(tǒng)，目標(biāo)表面溫度均值與紅外圖像的灰度均值也成相同的映射關(guān)系，因此可以認(rèn)為所得數(shù)據(jù)的灰度差值在一天內(nèi)也不隨時(shí)間變化。

3.1 材質(zhì)分類

一般來(lái)講，由于不同景物、不同材質(zhì)包含的輻射信息和物理屬性有較大的差異，上述灰度差調(diào)制方法只適用于同一材質(zhì)，對(duì)包含多材質(zhì)的紅外圖像無(wú)法直接應(yīng)用。因此在獲取灰度差值擾動(dòng)時(shí)首先要對(duì)實(shí)測(cè)數(shù)據(jù)中的有關(guān)材質(zhì)進(jìn)行分類。常用的分類方法有閾值法、OTSU算法、K均值算法（K-means）、模糊相似度法等等，本文采用改進(jìn)后的K均值算法實(shí)現(xiàn)材質(zhì)分類。該算法在樣本分類、圖像分割等領(lǐng)域有著廣泛的應(yīng)用，其核心是依據(jù)樣本相似度進(jìn)行聚類，對(duì)樣本分類后，同一類中的子集具有較高的相似性，而不同類間的相似性很小[13]。在同一場(chǎng)景中，相同材質(zhì)的紅外特性相近，對(duì)應(yīng)的圖像灰度值也很接近，而不同材質(zhì)間差距較大，通過(guò)K均值算法對(duì)實(shí)測(cè)圖像進(jìn)行像素級(jí)的處理，能夠達(dá)到材質(zhì)劃分的目的。

實(shí)測(cè)圖像反映了實(shí)際景物的輻射分布狀況，分類時(shí)或多或少受到環(huán)境陰影、雜質(zhì)組分等因素的影響，可能出現(xiàn)一些零散小區(qū)域，獨(dú)立于分類的主要景物，因此需要對(duì)劃分結(jié)果實(shí)施優(yōu)化，將這些零散區(qū)域合并或單獨(dú)列為對(duì)象。具體做法是：根據(jù)實(shí)際情況設(shè)定區(qū)域面積閾值和灰度差閾值，將包含像素?cái)?shù)小于區(qū)域面積閾值的部分定義為零散區(qū)域，并將零散區(qū)域與其鄰近的主要材質(zhì)區(qū)域進(jìn)行灰度比對(duì)，若二者灰度差值沒(méi)有超出灰度差閾值的范圍，則把該零散區(qū)域合并到相鄰景物中，否則便保留該零散區(qū)域，作獨(dú)立材質(zhì)。

3.2 灰度差值調(diào)制

灰度差值調(diào)制建立在獲得仿真時(shí)刻灰度均值的基礎(chǔ)上，而灰度均值又與表面溫度均值密切相關(guān)。仿真中利用表面熱平衡方程和導(dǎo)熱方程求解對(duì)應(yīng)條件下材質(zhì)表面均值溫度，文獻(xiàn)[14]給出了具體的計(jì)算方法。將得到的均值溫度再通過(guò)成像鏈路模型及量化定標(biāo)，轉(zhuǎn)換為該時(shí)刻對(duì)應(yīng)的灰度均值，并利用該灰度差值分布對(duì)其進(jìn)行調(diào)制，生成最終的紅外仿真圖像，具體步驟如下：

第四步得到的灰度數(shù)據(jù)f,)即是一天內(nèi)仿真時(shí)刻的紅外生成圖像，式中為灰度差調(diào)節(jié)因子，其值一般在0～1之間，由紅外仿真中對(duì)紋理細(xì)節(jié)的要求而定。引入灰度差調(diào)節(jié)因子是為了根據(jù)實(shí)際情況增加或降低不同景物材質(zhì)間及不同像素點(diǎn)間的對(duì)比度，的增減反映了每個(gè)灰度級(jí)所表示輻射能量的起伏，也就是表示相同的能量所需灰度級(jí)的多少，通過(guò)調(diào)節(jié)值便能夠較好地解決不同地物輻射對(duì)比度偏低或偏高的問(wèn)題。

在量化為灰度圖像時(shí)，以一天的輻亮度變化作為灰度映射的上下限，即最大、最小輻亮度分別對(duì)應(yīng)最大灰度級(jí)與最小灰度級(jí)。為了避免生成的圖像因差值擾動(dòng)調(diào)制造成灰度溢出的問(wèn)題，還需要對(duì)灰度范圍進(jìn)行優(yōu)化，本文對(duì)量化的灰度區(qū)間作如下規(guī)定：

式中：[G1,G2]分別指編號(hào)為的材質(zhì)對(duì)應(yīng)量化灰度范圍；Δgmax, Δgmin分別為灰度差值擾動(dòng)模型中的最大和最小差值。取所有材質(zhì)中最大灰度上限作為仿真圖像的量化上限，最小灰度下限作為圖像的量化下限1＝max{G1},2=max{G2}，則[1,2]即為圖像的量化灰度區(qū)間。

4 實(shí)驗(yàn)結(jié)果及分析

基于上述由灰度差值擾動(dòng)生成紅外紋理圖像的方法，本文選取日常簡(jiǎn)單場(chǎng)景，通過(guò)實(shí)測(cè)某天上午9時(shí)紅外圖像數(shù)據(jù)，仿真生成當(dāng)天11:00、13:00和21:003個(gè)仿真時(shí)刻的紅外圖像，并與利用單一均值溫度作為灰度映射結(jié)果的仿真圖像進(jìn)行了比對(duì)。實(shí)測(cè)數(shù)據(jù)在西安某地，東經(jīng)109°18'，北緯34°55'，實(shí)測(cè)波段：8～12mm，實(shí)測(cè)時(shí)刻氣溫為14.2℃，相對(duì)濕度為52%，氣壓962.7hPa，風(fēng)向?yàn)闁|北風(fēng)，風(fēng)速3.7m/s，獲得的各場(chǎng)景紅外圖像如圖3所示。

圖3(a)～(d)四個(gè)場(chǎng)景分別表示由灰磚拼接的人行道、瀝青與水泥結(jié)合部、塑膠跑道與過(guò)道的交匯和塑膠跑道與草坪的交匯。當(dāng)天實(shí)測(cè)氣溫浮動(dòng)曲線如圖4所示，最高氣溫為28.6℃，最低氣溫為8.7℃。

圖3 四個(gè)場(chǎng)景實(shí)測(cè)紅外圖像

圖4 一天溫度變化波動(dòng)

實(shí)測(cè)圖像各景物涉及的材質(zhì)主要有灰磚、水泥、瀝青、青磚、塑膠、草地等，劃分材質(zhì)后利用灰度差值調(diào)制模型得到對(duì)應(yīng)主要材質(zhì)的灰度差分布。為方便闡釋說(shuō)明，截取上述材質(zhì)的部分紋理信息進(jìn)行差值表示，如圖5所示。

圖5(a)中灰磚灰度差值范圍是－4～8，圖5(b)中青磚灰度差值范圍是－4～3，圖5(c)中水泥灰度差值范圍是－9～8，圖5(d)中瀝青灰度差值范圍是－14～9，圖5(e)中塑膠灰度差值范圍是－7～6，圖5(f)中草地灰度差值范圍是－14～23。由此可知瀝青和草地表面灰度波動(dòng)較大，主要是由于兩種景物材質(zhì)表面分別受雜質(zhì)覆蓋和裸露土壤影響，輻射能量分布起伏較大，相比之下灰磚和青磚的波動(dòng)較小。同時(shí)利用熱傳學(xué)原理，計(jì)算出3個(gè)時(shí)刻各主要材質(zhì)的表面均值溫度如表1所示。

圖5 主要材質(zhì)灰度差值分布

表1 主要材質(zhì)表面均值溫度

得到所有材質(zhì)的均值溫度后，利用構(gòu)建的成像鏈路模型，將均值溫度映射的灰度級(jí)與灰度差值分布進(jìn)行調(diào)制，生成對(duì)應(yīng)仿真時(shí)刻紅外圖像，如圖6～圖8所示，計(jì)算中使用的紅外熱像儀定標(biāo)系數(shù)為5.2×107，為4980。

從圖6～圖8中能夠看出，13:00氣溫大幅度提升，太陽(yáng)輻射充沛，景物溫度普遍較高，圖像灰度較大，21:00的生成圖像偏暗，主要是因?yàn)榇藭r(shí)太陽(yáng)已落山，在無(wú)明顯熱源影響時(shí)，自身溫度下降迅速，本征輻射能量較低，11:00圖像量化灰度隨著溫度升高而逐步增大。

同時(shí)，生成圖像相比9:00實(shí)測(cè)結(jié)果存在一定模糊，但仍然擁有較高的層次感，圖中灰磚間隙、路肩缺口、草地起伏等場(chǎng)景實(shí)際情況清晰展現(xiàn)出來(lái)，表面紋理由于受雜質(zhì)附著、磨損等環(huán)境因素影響而造成的灰度波動(dòng)也被保留下來(lái)，體現(xiàn)出豐富的材質(zhì)細(xì)節(jié)，真實(shí)感較強(qiáng)。以場(chǎng)景1為例，3個(gè)仿真時(shí)刻實(shí)測(cè)場(chǎng)景1紅外圖像如圖9所示。

圖9中實(shí)測(cè)圖像與仿真結(jié)果灰度級(jí)接近，仿真圖像中灰磚接縫、灰磚和青磚間的銜接邊緣及景物材質(zhì)表面的灰度變化等細(xì)節(jié)信息明顯表現(xiàn)，與實(shí)測(cè)圖像基本保持一致，驗(yàn)證了仿真結(jié)果具有較高可信度。此外作為對(duì)比，直接利用景物均值溫度的量化灰度進(jìn)行映射仿真，其結(jié)果如圖10～圖12所示。

圖6 11:00仿真結(jié)果圖像

圖7 13:00仿真結(jié)果圖像

Fig.7 The results of simulation images at 13pm

圖8 21:00仿真結(jié)果圖像

Fig.8 The results of simulation images at 21pm

圖9 三個(gè)時(shí)刻場(chǎng)景1實(shí)拍紅外圖像

Fig.9 Measured infrared images of scene 1 at three times

圖10 11:00均值溫度仿真圖像

圖11 13:00均值溫度仿真圖像

Fig.11 Mean temperature simulation images at 13pm

圖12 21:00均值溫度仿真圖像

圖10～圖12中體現(xiàn)了各場(chǎng)景的整體能量分布和景物基本輪廓，但輻射細(xì)節(jié)缺失嚴(yán)重，如場(chǎng)景1的灰磚縫隙，場(chǎng)景3中塑膠跑道的標(biāo)識(shí)漆，場(chǎng)景4中草地與跑道的交接邊緣等等，雖然計(jì)算量有所降低，但真實(shí)感大打折扣。另一方面，由于部分景物間對(duì)應(yīng)灰度值相近，材質(zhì)分類時(shí)會(huì)出現(xiàn)把其它景物錯(cuò)分到某一類景物中，如場(chǎng)景4中遠(yuǎn)處的塑膠跑道排水孔與塑膠劃為同一材質(zhì)，均值溫度直接映射的方法無(wú)法進(jìn)行修正，仿真時(shí)將錯(cuò)分情況延續(xù)，降低了生成圖像的可信度。而本文的方法則能夠在一定程度上彌補(bǔ)上述不足，因?yàn)橐惶靸?nèi)灰度差值分布與景物對(duì)應(yīng)灰度值無(wú)關(guān)，若存在不同材質(zhì)具有相近的灰度值，差值擾動(dòng)只會(huì)在有關(guān)像素點(diǎn)產(chǎn)生小范圍灰度波動(dòng)，生成圖像依然能夠保持一定灰度差異，同時(shí)仿真結(jié)果未出現(xiàn)明顯的灰度躍變，具有較高的逼真度。

5 結(jié)語(yǔ)

在實(shí)測(cè)紅外圖像和灰度差值調(diào)制的基礎(chǔ)上生成仿真紋理圖像，既最大限度保留了輻射細(xì)節(jié)信息，又具有較高的仿真效率，以實(shí)測(cè)某時(shí)刻紅外圖像為基礎(chǔ)，實(shí)施材質(zhì)劃分后建立不同景物的灰度差值調(diào)制模型，同時(shí)求得各景物材質(zhì)在一天內(nèi)其它時(shí)刻的表面均值溫度，利用成像仿真鏈路模型將其進(jìn)行灰度量化，并分別將量化后的輸出灰度與對(duì)應(yīng)灰度差值分布進(jìn)行調(diào)制，生成不同仿真時(shí)刻的紅外紋理圖像。結(jié)果表明，利用該方法所得的圖像能夠較好地保留景物輻射細(xì)節(jié)和灰度特征，，能夠?yàn)榧t外仿真場(chǎng)景提供高逼真度和可信度的紅外紋理數(shù)據(jù)，具有一定工程應(yīng)用價(jià)值。

[1] Kustas W, Anderson M. Advances in Thermal Infrared Remote Sensing for Land Surface Modeling[J]., 2009, 149(12): 2071-2081.

[2] 陸志灃, 高文, 洪澤華, 等. 高逼真度紅外復(fù)雜場(chǎng)景動(dòng)態(tài)實(shí)時(shí)生成技術(shù)研究[J]. 系統(tǒng)仿真學(xué)報(bào), 2015, 27(1): 76-81.

Lu Zhifeng, Gao Wen, Hong Zehua, et al. Research on dynamic real-time complicated scene generation technology[J]., 2015, 27(1): 76-81.

[3] 陳珊, 孫繼銀, 劉婧. 前視末制導(dǎo)地面目標(biāo)紅外場(chǎng)景生成算法研究[J].光電子·激光, 2010, 21(8): 1269-1272.

Chen Shan, Sun Ji-yin, Liu Jing. Research of algorithm for ground target IR scene generation of FLIR terminal guidance[J]., 2010, 21(8): 1269-1272.

[4] Coiro E. Global Illumination Technique for Aircraft Infrared Signature Calculations[J]., 2015, 50(1): 103-113.

[5] 武國(guó)軍, 白廷柱, 白茯?qū)? 基于可見(jiàn)光圖像的紅外圖像反演研究[J]. 紅外技術(shù), 2011, 33(10): 574-579.

Wu Guojun, Bai Tingzhu, Bai Funing. Research on infrared images simulation by inversing the scene of the visible light images[J]., 2011, 33(10): 574-579.

[6] 黃浩, 陶華敏, 陳尚鋒. 空間雙波段紅外成像仿真及目標(biāo)特性分析[J]. 紅外技術(shù), 2013, 35(8): 482-486.

Huang Hao, Tao Hua-min, Chen Shang-feng. Space dual-band infrared imaging simulation and target analysis[J]., 2013, 35(8): 482-486.

[7] 陳聰蔥. 雙波段紅外圖像場(chǎng)景模擬與實(shí)現(xiàn)[D]. 北京: 北京理工大學(xué), 2015.

Chen Cong-cong. Scene simulation and implementation of dual-band infrared image[D]. Beijing Institute of Technology, 2015.

[8] 黃曦, 張建奇, 張紹澤, 等. 目標(biāo)高真實(shí)感紅外圖像生成方法[J]. 紅外與激光工程, 2013, 42(4): 1084-1090.

Huang Xi, Zhang Jian-qi, Zhang Shao-ze, et al. Realistic infrared image generation method of target[J]., 2013, 42(4): 1084 -1090.

[9] Mahalati R N, Kahn J M. Effect of fog on free-space optical links employing imaging receivers.[J].2012, 20(2): 1649-1661.

[10] 李宏寧, 白廷柱, 曹峰梅, 等. 用于場(chǎng)景仿真的紅外成像模型及其有效性分析[J]. 紅外與毫米波學(xué)報(bào), 2010, 29(1): 57-61.

Li Hong-ning, Bai Ting-zhu, Cao Feng-mei, et al. Infrared imaging model for scene simulation and its validation[J]., 2010, 29(1): 57-61.

[11] 張建奇, 王曉蕊. 光電成像系統(tǒng)建模及性能評(píng)估理論[M]. 西安: 西安電子科技大學(xué)出版社, 2010.

Zhang Jianqi, Wang Xiaorui.[M]. Xi’an: Xidian University Press, 2010.

[12] 胡海鶴, 白廷柱, 郭長(zhǎng)庚, 等. 零視距地物長(zhǎng)波紅外特征場(chǎng)景仿真研究[J]. 光學(xué)學(xué)報(bào), 2012, 32(10): 1011002-1~1011002-9.

Hu Haihe, Bai Tingzhu, Guo Changgeng, et al. Long wave infrared scene simulation research based on zero stadia of landmark[J]., 2012, 32(10): 1011002-1-1011002-9.

[13] 馬德賓. 紅外圖像數(shù)據(jù)的自動(dòng)采集與材質(zhì)劃分[D]. 大連: 大連海事大學(xué), 2014.

Ma Debin. Automatic acquisition infrared image data and materials division[D]. Dalian: Dalian Maritime University, 2014.

[14] 陳珊, 孫繼銀. 自然地表紅外成像仿真模型[J]. 紅外技術(shù), 2008, 30(9): 537-540.

Chen Shan, Sun Ji-yin. An infrared image simulation model for ground surface[J]., 2008, 30(9): 537-540.

Method of Infrared Texture Generation Based on Images Difference Modulation Model

YANG Yibin，LI Min，XIE Hongwen，YANG Min，WANG Yanan

(908,,710025,)

Aiming at problems of texture mapping realistic deficient in infrared scene simulation and being weaker in practicability and adaptability, considering limitation of measured images in multiaspect, an infrared texture generation method is proposed based on gray level difference modulation model of infrared images. This method based on measured waveband infrared images at one point, per pixel difference operation was conducted between materials gray level and its mean gray level after classifying materials, to obtain gray level difference distribution of main scenery materials, mean temperature of photographic field in other moments a day wa received by using the theory of heat transfer theory, then corresponding gray-scale average which simulated working process of infrared imaging system was quantized, and infrared images were generated through modulating with gray level difference distribution. The experimental results indicate that infrared texture images generated by using this method possess both facticity and reliability, and can meet the requirements of simulation application.

texture generation，gray level difference，imaging link，modulation model

TP391.9

A

1001-8891(2017)03-0214-07

2016-10-28；

2017-02-18.

楊壹斌（1992-），男，山西忻州人，碩士研究生，主要研究方向：可視媒體計(jì)算和紅外視景仿真。E-mail：yxyyb4016@163.com。

國(guó)家自然科學(xué)基金項(xiàng)目（61102170）；國(guó)家社科基金項(xiàng)目（15GJ003-243）。