短波红外相机的最小可分辨对比度测试

王 棪，金 宁，刘国平，史 昇，杨光旭

短波红外相机的最小可分辨对比度测试

王 棪，金 宁，刘国平，史 昇，杨光旭

（昆明物理研究所，云南 昆明 650223）

评估短波红外相机的综合性能对相机迭代和实际使用效果极为关键，本文提出了一种基于最小可分辨对比度（minimum resolvable contrast，MRC）测试的短波性能评估方法，由积分球辐射多个固定对比度的靶标，并对辐射源强度、目标混叠、观察模式等进行合理控制从而将噪声、目标背景对比度、观察者易变性等影响因子涵盖在评估模型中，综合评估短波相机性能。采用本方法对某型号短波相机进行了MRC测试和外场测试，取得了较为相符的测试结果，其测试不确定度仅为2.11%，可很好地对短波相机进行性能评估和预估。

短波红外；MRC；对比度测试；靶标

0 引言

短波红外相机作为多波段集成光电观瞄装备的子系统，近年来逐渐成为国际研究的热点领域。短波红外波段（0.76～3mm）作为“大气透过窗口”之一，利用目标反射环境中的短波红外辐射来实现探测，在军事应用中，可以提供可见光、近红外、中波红外和长波红外所不能提供的信息。与中、长波红外热成像相比，短波红外图像显示的目标细节更为丰富，更易于识别辨认；与可见光成像相比，短波红外成像透射距离远，具有良好的透烟、雾、霾的能力，可用于夜晚及恶劣天气环境下的侦察和监控[1-3]。此外，不同材料在短波红外波段具有不同的吸收和反射特性，因此短波红外成像可以用于伪装识别；能够响应激光引导和激光隐蔽照明。因此，短波红外相机在机载平台上已经得到广泛运用，逐渐成为机载光电吊舱主要光电传感系统之一。

可见，短波红外相机的整机成像性能是影响光电系统昼夜探测识别能力的关键指标，如何对其进行性能评价成为了一个重要课题，针对短波相机，常见的评估手段有光学系统MTF（modulation transfer function）测试、整机分辨率测试等。对短波光学系统进行MTF测试，模型中不包含电路、探测器等其他组件的MTF，同时，MTF测试中缺乏对噪声的考虑，不是一种理想的评估短波相机综合性能的手段[4]。而分辨力测试通常采用对比度大于1的靶标进行观察，缺乏对比度的变化，实际相机在观察目标时，目标所处的背景变化、大气透过率在不同天候下的变化等因素均会使观测场景的对比度千差万别，另外，相机作为在复杂场景中的重要观瞄工具，当使用者通过眼睛进行直接判断时，观察者的观察阈值、经验、智商、能力、疲劳程度等因素皆会对观测结果造成影响，只有综合考虑以上因素并建模才能够更全面地评估短波相机性能[5-6]。

短波辐射来源于电磁波照射目标物并反射所产生的辐射，在机理上同可见光相机接近，同时，考虑黑体辐射无法有效覆盖3mm以下谱段，因此中波长波红外相机常用的MRTD（minimum resolvable temperature difference）测试并不适用于短波相机。本文提出采用最小可分辨对比度（MRC）测试对短波相机的综合性能进行评估。MRC测试近年来在可见光波段得到了越来越多的应用，通过MRC测试能够有效评估可见光相机的性能[2-3]。但针对短波的MRC测试研究较少，本文从MRC数学模型入手，设计了一套完整的基于MRC测试的性能评估方法，基于对各变量的合理控制，由观察者对短波相机图像中所能分辨的最小目标进行判读，从而评估相机的最优性能，进一步地，对短波相机进行中低对比度外景目标探测和识别，证明采用该技术能够较为有效地对短波相机的外场预期性能进行评估和预测。

1 测试原理

MRC的测试模型如图1所示，目标模拟器输出不同对比度、不同空间频率的目标，短波相机对其成像并输出至图像监视器，观察者采用裸眼对其进行观察，确定各个对比度下能够分辨的最高空间频率目标，根据结果绘制曲线即为MRC测试结果。

图1 MRC测试模型

MRC理论模型由式(1)表示：

式中：CTFEYE为人眼对比度传递函数；MTFSYS为被测系统调制传递函数；为常数，值为169.6Hz1/2；p为被测系统噪声均方根；AVE为图像监视器的平均亮度。

根据式(1)所描述的静态理论模型，对短波相机测试的对比度控制、目标频率混叠影响的控制、辐射源的选择和亮度控制等因素进行分析、确定。观察者和监视器共同决定人眼对比度传递函数。短波相机自身性质决定其调制传递函数和噪声均方根；目标模拟器为测试提供目标源，同时直接影响目标亮度。

人眼对比度传递函数模型由式(2)表示：

式中：E为目标空间频率，不同空间频率与对比度值一一对应；、、分别由式(3)、(4)、(5)表示；为人眼对监视器有效观察区域的张角；为监视器的亮度；EYE为观察者参与观察眼球数量，为1或2。可知，人眼的对比度传递函数与观察的张角、亮度、人眼数量相关，张角大小取决于观察者距离显示器的观测距离和相对位置，亮度控制由辐射源和相机共同决定，不同的参数下测试MRC，可取得不同的结果。

测试中，观测距离变量是否固定，取决于实际使用中观察者与监视器的相对位置是否固定，由于实际使用中采用高分辨率监视器进行图像监控，故不对观测距离进行限定，即观察者可通过距离相对位置的调整达到观测最佳效果。亮度是否可变取决于实际使用亮度是否可控，通常不对亮度进行限定，观察者可根据实际调节辐射源和相机使得亮度最有利于目标观察，即可通过调整观测距离、观测角度、监视器亮度等因素最大化式(1)中描述的MRC的测试结果。

被测系统的MTF和噪声均方根受系统性能限制，其数值高低对目标显示的影响可在监视器图像观察中得到直观体现，MTF值的大小与被测相机SNR相关，可通过将被测相机在动态范围的SNR最大化提高系统MTF，一方面，通过控制被测相机的增益，降低相机的噪声均方根；另一方面，提高辐射源的强度以加强信噪比，避免辐射源强度过高使图像过饱和，但需避免图像二值化，即靶标与背景的对比度过于悬殊，此种场景与实际使用不符。另外，MTF的自变量为不同空间频率的目标，需考虑面阵CCD相机系统存在的频率混叠，由于周期性靶标与探测器像元间的异相位，如图2所示，导致当周期目标沿线列运动时，目标靶的强度和宽度周期性变化，当为同相位时，目标如图2(a)所示，当为异相位时，图像如图2(b)所示，混叠导致目标中不同杆间产生粘连。实际观察的目标多为非周期性目标，因此频率混叠对实际景物观察影响较实验室内的周期性靶标观察更小。因此在测试执行中，应当允许目标沿阵列运动，从而确保取得最佳观测数据。

图2 异相位对目标形态影响

最后，考虑辐射源，MRC测试的目标模拟器通常由辐射源、靶标和准直仪组成，当短波相机用于军事车辆等目标观察时，目标温差通常与环境背景温差不大，此时，根据维恩位移定律，在短波波段黑体辐射率极低，采用可见光光源作为辐射源对靶标进行照射，同时，考虑到观察者需要移动以变换视角观察目标，应确保在移动过程中输出至人眼的亮度的一致性，避免不同角度观察能量不一致，故应采用朗伯源对目标进行均匀照射。

综合上述分析，短波相机测试的各个参数控制可采用下述方案：

搭建测试系统，积分球、靶标、准直仪组成目标模拟器，输出不同对比度不同空间频率的目标，短波相机对其成像，观察者裸眼进行观察，同时，需通过技术手段对测试过程的各个因素进行如下控制：

①观察者采用双眼进行观察并可调整观察距离及角度；

②观察者可调整辐射源强度以取得最佳效果；

③观察者可沿水平和垂直方向移动目标靶在图像中的位置，最大限度减小异相位的影响；

④观察者可调节监视器亮度、相机对比度亮度以取得最佳观测效果，但应避免图像二值化，可通过目视观察MRC靶标背景区域和靶标外区域的灰度等级进行判断。

2 测试系统及测试流程的构建

基于第一章的分析，搭建了如图3所示的测试系统。采用单积分球作为辐射源，均匀照射MRC测试靶标，靶标如图4所示，靶标图像经平面反射镜、离轴抛物镜输出至短波相机，采用图像监视器对其进行观察。

MRC测试靶标的选用，一般有固定对比度和可变对比度两种方式，考虑测试效率，本文采用固定对比度的方法，选用了5种不同对比度的靶标作为目标，如图4所示，不同靶标空间排列相同，三杆与背景对比度不同，测试中，逐一使用不同对比度靶标读取该条件下可分辨的最小靶标。

利用搭建的测试系统，对相机和测试系统的光轴进行校准，10%相机调焦至能够清晰观察靶标；图像正常显示后，调节相机的对比度、积分时间、以及积分球的亮度等参数，使得图像显示效果最佳；用相机依次观察10%、30%、50%、75%、90%对比度靶标，读取各个对比度下可分辨的最小目标的空间频率，即可获得相机最终的MRC测试结果。测试流程如图5所示。

图3 MRC测试系统

3 测试实例及结果分析

采用上述构建的测试系统和测试流程，对如图6所示的某型号短波红外相机进行了MRC测试，短波红外相机的系统参数见表1。积分球辐射谱段可完整覆盖短波相机波段，准直仪焦距远大于被测相机焦距，满足测试所需客观条件。

3.1 室内MRC测量

MRC测试结果见表2，对比度10%时，可分辨的最大空间频率为3.5cy/mrad，当对比度超过30%后，可分辨的最大空间频率保持4.9896cy/mrad。该短波红外相机的特征频率为4.5 cy/mrad，说明实测的MRC性能与设计指标较为符合。

图5 短波红外相机MRC测试流程图

图6 某型号短波红外相机

表1 短波红外相机参数

表2 MRC测试结果

3.2 室外目标测试试验

为验证测试结果的合理性，设计了室外目标探测识别试验，对100m外目标进行观察，根据约翰逊准则，当达到识别的标准时，目标最小维度为4周，则需要识别的目标尺寸由式(6)计算：

x＝×/(6)

式中：为目标最小维度；为目标距离；为目标最小维度宽度；x为目标空间频率。

观察不同对比度目标，对比度计算采用式(7)进行。计算所需的数据是目标和背景的亮度，通过采集目标图像，对目标区域和邻域背景的灰度平均值进行计算并带入式(7)可得。对于线性系统，物方对比度可以由像方对比度表征，因此，从相机图像中读取目标、背景对应区域灰度值进行目标背景对比度计算：

邻域的定义，参照中波长波的目标背景对比度温度计算模型[5]，以目标最小维度的2倍作为邻接区域单元格边长，如图7所示，对目标邻域的8个单元格求灰度值平均值作为Lbackground。

在不同照度下对不同目标车辆的车标、门把手进行观察并记录结果，观察效果如图8所示，对比度为15%时，车辆标志内部的方格区域可分辨，对比度为30%时，车辆门把手可分辨。

图8 不同对比度目标图像

绘制曲线，分析室外观察结果的其变化趋势、并与室内MRC结果对比，如图9，测试结果、变化趋势较为相符。

图9 MRC测试结果对比

4 误差分析

MRC测试的不确定性因素包含靶标对比度不确定性、靶标尺寸不确定性、人员观察易变性，其中人员观察易变性为主要不确定因素。基于合并标准偏差法设计试验对易变性进行分析，由计算机按照美军标的目标尺寸规定生成目标并叠加白噪声，相邻目标间靶标尺寸1.125倍递减[5]，对比度分别为10%、30%、50%、75%、90%进行观察，选择实验室测试经验较为丰富的5名测试人员，每人重复6次测试，测试结果分布见图10，可知相同对比度，不同观察人员重复观察存在差异和重叠，观察者易变性较为明显。

图10 不同对比度下多人重复测试数据分布

根据观察数据分析计算MRC扩展不确定度[7]，值取2，得到不同对比度下测试的相对扩展不确定度见表3。不同对比度下测试不确定度略有差异，10%对比度下测试不确定度最大，为2.11%，小于3%，满足测试要求[3]。

表3 测试不确定度

5 结论

本文由MRC理论模型入手，设计了基于多个变量控制的短波MRC测试方法，根据该方法搭建了测试系统并对某型号短波相机进行了测试，同时，对该型短波相机进行了外场实验，将室内、室外实验数据分析比对，进一步对MRC测试不确定度进行了分析，证明了采用本方法能够对短波相机的性能进行准确评价，从而有效地预测短波相机性能。

[1] 王伟. 多波段短波红外相机光学系统设计与成像质量评估[D]. 长春: 长春光学精密机械与物理研究所, 2020.

WANG Wei. Optical system design and imaging quality evaluation of multi-band short-wave infrared camera[D]. Changchun: Changchun Institute of Optics, Fine Mechanics and Physics, 2020.

[2] 卜纪伟, 王建霞. 最小可分辨对比度在机载电视系统中的应用研究[J]. 电光与控制, 2011, 18(10): 64-68.

BU Jiwei, WANG Jianxia. Application of the minimum recognizable contrast in airborne CCD television system[J]., 2011, 18(10): 64-68.

[3] 李文娟, 张元, 戴景民, 等. 可见光成像系统MRC测试技术的研究[J]. 计量学报, 2006, 27(1): 32-35.

LI Wenjuan, ZHANG Yuan, DAI Jingmin, et al. Study on the measurement techniques of MRC in visible imaging system[J]., 2006, 27(1): 32-35.

[4] Gerald C Holst.[M]. Washington: SPIE Press, 2008.

[5] Gerald C Holst.[M]. Washington: SPIE Press, 2008.

[6] Michael Farmer W.II[M]. Washington: JCD Publishing, 2001.

[7] 李宗扬. 计量技术基础[M]. 北京: 原子能出版社, 2002.

LI Zongyang[M]. Beijing: Atomic Energy Press.

Minimum Resolvable Contrast Testing of Short-wave IR Camera

WANG Yan，JIN Ning，LIU Guoping，SHI Sheng，YANG Guangxu

(Kunming Institute of Physics, Kunming 650223, China)

Short-wave infrared (SWIR) cameras have several advantages over medium-wave infrared (MWIR) and long-wave infrared (LWIR) cameras. Hence, a method for evaluating their performance is crucial for the application and development of electro-optical systems. We suggest a method that can be used to evaluate the performance of an SWIR camera based on the minimum resolvable vontrast(MRC) test. An integrating sphere and five targets with different contrasts were used. The intensity of the radiation source, aliasing, and observation patterns were controlled to evaluate the SWIR camera performance. We applied this method to test the MRC of the SWIR system. Furthermore, a series of field experiments was conducted, and the results were in agreement with the MRC testing data. The uncertainty of the method reached 2.11%, which supports the conclusion that the MRC method can be applied to evaluate and predict the performance of SWIR cameras.

short-wave IR, minimum resolvable contrast, contrast testing, targets

TN219

A

1001-8891(2022)08-0846-07

2022-05-25；

2022-06-23.

王棪（1991-），男，工程师，现从事红外成像系统性能评估技术研究。E-mail:wywang_y@163.com。

国家重点研发计划（2017YFA0701200）。