[发明专利]一种热像仪的最小可分辨温差客观测试方法

摘要

本发明提供一种热像仪的最小可分辨温差MRTD测试方法，其是一种基于图像处理、自适应神经‑模糊推理系统技术的热像仪MRTD客观测试方法，不但提高了测试速度，同时减少了热像仪MRTD参数传统测试的主观因素干扰。本发明对热像仪MRTD参数进行实时客观测试的方法是自适应神经‑模糊推理系统根据学习样本训练产生相应的分类器模型，再由分类器模型对热像仪MRTD参数进行预测；相比传统的方法，本文提出的方法能快速、有效地测试红外热像仪的MRTD参数，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，从而快速、有效地测试红外热像仪的MRTD参数，减小测试结果的易变性。

主权项

一种热像仪的最小可分辨温差客观测试方法，其特征在于，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；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，则升高被测热像仪的温差；若此时温差类别f3为‑1，则降低被测热像仪的温差；若该段视频的分类结果中，0类的个数占测试帧数的比例大于给定的精度阈值，则此时被测热像仪的当前温差即为测试结果；若此时温差类别f3为1，则测试结果为正MRTD值；若此时温差类别f3为‑1，则测试结果为负MRTD值。