地面目标与背景红外特性测试现场快速评估方法

红外探测已成为高技术战场侦察和制导的重要方式之一，红外伪装隐身可以降低被探测、识别或打击的概率，提高战场生存能力。其红外伪装的本质是减少目标与其使用背景之间的温度值差异和温度分布差异，因此基于此原理设计伪装有效性的评估方法。

国内外针对地面和背景的红外特性现场测试作了大量的研究。Gorm K等[1]提出了一种基于现场的方法来评估伪装网以及移动伪装系统的温度对比度。V.Bárta等[2]提出了针对自然背景条件下目标和背景的光电特征测量和评价方法。Max Winkelmann[3]通过Baad Shaarow军事训练区的现场试验数据提出了自然背景的光谱表征。谢民勇等[4]基于目标与背景红外辐射对比度分析，提出了目标红外隐身效能评价指标体系。王友军等[5]针对热红外伪装的温差阈值影响因素多的问题，提出了利用不同背景温度起伏的统计特性计算目标和背景的红外伪装温差阈值的方法。高原等[6]从辐射温差、斑点暴露尺寸、探测概率和目标红外能见距离等方面，对红外隐身效果评估的公式进行了修正完善。赵晓枫等[7]基于单张红外图像，提出了基于综合相似性度量的评估方法。朱国强等[8]提出了基于红外图像三维曲率的一阶与二阶方向导数目标检测方法，实现了恒虚警率下的小目标检测结果。周慧根据靶场经验提出了尾焰、光团和刚体的红外图像判读方法。

为了使红外伪装检测能够在现场直观高效地评估目标的热红外伪装效果，本文基于外场试验测试系统，设计了样板和典型地物红外特性测试试验方案，选取样板、草地、树木、水泥路面、裸土具有实际应用价值的多样本试验背景区域，收集一周时长的样本数据进行计算分析，验证设计方案的可靠性和有效性。

1 红外特性数据测试

1.1 红外目标特性分析

地面目标的红外特征问题，实质上是目标和复杂地面背景的特征融合问题。现代传感器及其探测识别系统技术的发展，使得目标面临的被侦察探测环境日趋恶劣。为了使目标红外伪装隐身措施有效，通常必须满足两个条件，温度相似性和空间相似性[9]。

目标的表观温度范围应控制在所处背景的主要温度范围内，或至少接近所处背景的温度范围。根据目标的伪装等级，表观温度应控制在不同的偏差范围。通常还和目标所处的环境相关联，不同的环境温度控制的难度不一致，特别是要在全天时条件下确保目标和背景温度特性一致性。这意味着不仅需要掌握目标的全天时红外特性变化趋势，还需要掌握不同天气条件下各种背景环境的红外特征变化规律。

随着技术的发展，新型成像探测器不仅仅是对温度偏差敏感，已经具备了实时红外图像处理能力，可以从图像域及空间分布特性进行目标识别。为了防止目标被识别和确认，特征管理措施必须控制与背景的详细空间几何相似性，该空间相似性必须使得目标产生的温度分布类似于背景的温度分布。这意味着目标伪装设计时必须考虑其部署的背景区域，在设定的背景条件下创建目标的红外分布特性。这种意义上的背景设定不是局部的和目标大小相当的背景，而是目标所在视野中的更大视场，这决定了目标被探测的概率。

1.2 测试基本理论

根据斯蒂芬-玻耳兹曼定律，所有温度高于绝对零度的物体都会向外界辐射电磁波，而红外热像仪等设备，通过探测这种电磁波来侦察识别目标。红外成像系统根据目标与背景之间红外辐射能量差别，生成红外热图像。

由斯蒂芬-玻耳兹曼定律定义如下[10]：

式(1)中：E为物体红外辐射强度；δ为斯蒂芬-玻耳兹曼常数；ε为物体发射率；T为物体绝对温度。

由式(1)可知，改变物体的红外辐射强度可以达到热红外伪装的目的，通常采用降低发射率与降低温度两个方面来实现。

目标红外辐射特性采用热像仪进行采集，由热像仪的探测原理可知，在野外现场测试过程中，热像仪接收到的红外辐射能量包括3个部分：目标的辐射能量、环境反射的辐射能量和大气的沿程辐射能量。热像仪接收的辐射能量表示如下[6]

式(2)中：Wo为目标的辐射能量；ε为目标表面的红外发射率；Wu为环境反射的辐射能量；τα为大气透过率；Wα为大气沿程辐射。

目标自身辐射由普朗克公式可知，在波长λ处的辐射出射度为[11]

其中， T为目标面元温度；c1、c2分别为第一、第二辐射常数。辐射通量为

其中， λ1和λ2为给定波段范围的上下限；ε(λ,T)为被测目标在特定波段，特定温度下的发射率；c1、c2分别为第一、第二辐射常数，c1=3.741 8×10-16 (W·m2)，c2=1.438 8×10-2 (m·k)。

目标反射辐射是被测目标对投射到自身表面的环境辐射产生反射辐射，有对太阳辐射的反射辐射、对天空背景辐射的反射辐射以及对地面辐射的反射辐射。所以，目标对环境的反射辐射可以表示为

Qsun、Qair、Qground分别为反射太阳辐射、反射天空辐射和反射地面辐射。将目标的自身辐射和对背景的反射辐射叠加才能更代表目标总的辐射量。

综上所述，得到的目标总辐射通量为

实际测试过程中，这样计算目标的辐射量是很复杂的，可以根据实际情况适当简化。许多辐射中如果有一种辐射远远大于其他各种辐射，则只计算其中一种较强的辐射即可，特别是在测量仪器限定的辐射波长范围内。

1.3 测试过程

2019年5月在天津某外场测试区进行了为期1周的地面目标红外特性测试试验，搭建了由升降台、红外成像测试仪、气象环境检测仪等组成的测试系统，现场测试原理如图1所示。其中升降平台测试高度7 m，测试水平距离为30 m。红外成像测量仪测量分辨率为640×512，采用波段范围为2.0～5.5 μm的中波。测试期间的气候条件为晴朗、少云、小风的天气。

本文选取2019年5月18日9∶00的实测数据进行计算分析，如图2测试现场样板及背景的灰度图所示，选择的目标对象包括样板、草地、树木、水泥路面、裸土共5种，红外热像数据是完成修正以后的表观温度值。

2 红外特性数据分析

2.1 温度综合统计特性分析

温度综合统计方法是将目标和背景温度数据作为一个点数据，通过对目标和背景区域的选定，在各区域内抽取不同位置的温度数值，分别计算目标区域和背景区域的平均温度、温度差、方差等数据。

对于像素为m×n的红外温度图像选定区域，温度平均值计算如下：

温度差计算如下：

标准方差计算如下：

本次外场测试试验，选取150×150像素大小的区域，经计算温度统计数据如表1所示。

结果表明：样板的标准方差为0.3 ℃，有较均匀的温度分布特性；平均温度为现场所有背景中温度最高。通过对比，样板和裸土的温度差最小，相差0.12 ℃；与树木的温度相差最大，为9.4 ℃；样板虽然与裸土背景达到了较好的温度一致性，但未能实现较好的温度分割。温度综合统计是外场测试中最常用的分析方法，算法简单直接，特别适用于现场快速处理，但表征的纹理特征比较少。

2.2 线温分布特性分析

2.2.1 线温分布曲线

对红外图像向X轴和Y轴分别“投影”，获得其在某一个方向上的每个像素的平均温度，定义为线温分布曲线(边缘温度分布曲线)。线温分布曲线是将二维红外图像向一维分布曲线上的降维压缩，相比于温度统计，可以更直观的反映目标在某一长度方向维上的分布特性。

线温分布在X轴上计算公式如下：

在Y轴上计算公式如下：

分析后得到样板及4种典型目标的边缘线温分布曲线对比如图3所示，图3(a)和图3(b)分别显示了X和Y方向上像素的平均温度。可见样板在两个方向的线温分布都比较平稳，没有太大的起伏；其分布特性与裸土具有较好的吻合性，与草地、树木、水泥有明显的差异性。

2.2.2 线温分布散点图

线温分布散点图，区别于分布曲线的总体比较，突出目标与单个典型背景之间的边缘温度相关性。点的分布集中于45°参考线附近，表明目标与背景相互融合程度较高，反之，距离越远融合性越差。图4和图5(a)的样板散点，均匀地分布在参考线的两侧，图4和图5(b)、图5(c)、图5(d)中的样板散点聚集在远离参考线的单侧区域。表明两个方向的样板与裸土线温分布相关性均较好，与其他背景差异较大。

线温分布特性将红外图像作为曲面空间的平面投影，相比于0维特性分析，除了判断一致性外，还可以表征融合程度。

2.3 二维面温分布特性分析

2.3.1 温度分布直方图

红外图像的二维温度分布是其每一个像素点上的温度分布。直方图是数据分布的精确图形表示，是连续变量的概率分布的估计。利用直方图可以较为直观的显示目标图像上的温度分布特性，由一系列高度不等的纵向条纹或线段表示数据分布的情况。一般用横轴表示温度，纵轴表示不同温度分布比例。直方图也可以被归一化以显示“相对”频率。

将所获得场内数据转化为温度总体直方图的灰度图，如图6所示，由此可见，目标背景区域温度分布相对均匀，温度范围在23～34 ℃，图形呈三峰型分布。分别对比样本和各背景环境的灰度直方图，如图7所示，明显可见图7(c)中样板的温度与裸土最为接近，只是裸土的分布范围更宽，样板分布相对集中，在1度区间集中了95%以上的温度分布。图7(a)、图7(b)、图7(d)中样板与其他背景的温度和分布特性具有明显差异。

2.3.2 等温线分布图

等温线可以便捷地显示整幅红外热图中的温度分布状态，便于快速地在视野中搜寻目标。在红外图像处理过程中，快速提取场景的闭合等温线，可以显示温度强辐射点或强辐射区域的分布特征。在近距离测试目标时，等温线可以清晰地反应目标表面的温度场分布，表征目标自身强辐射特点。等温线的温度梯度显示了温度变化的方向，温度梯度的疏密体现了温度变化的剧烈程度。

如图8所示，试验结果表明在温差分别为6 ℃、4 ℃和2 ℃的等温线图中，范围越小，色彩信息越丰富，对比也越强烈；与4种背景区域对比可见，与裸土的温度分布较为接近，而与树木、草地、水泥有不同的温度分辨。

2.3.3 平面温度分布散点图

前述边缘线温分布散点图显示了目标与典型背景之间的边缘温度相关性。但是压缩了其在二维空间平面的分布特性。平面温度分布散点图与红外图像中像素点一一对应，体现了目标和背景在二维空间的映射对应关系，点的集中区域和45°参考线的相对近远关系体现了目标与背景在二维图像域相互融合程度的优劣。

如图9所示，由试验数据获得的温度分布散点图可见，图9(a)中样板散点均匀分散在参考线两侧，且相对集中；图9(b)、图9(c)、图9(d)中的散点密集聚集在远离参考线的一侧；表明样板与裸土平面温分布相关性均较好，与其他背景差异较大。

2.4 温度分布三维曲面对比

在红外热图的二维分布基础上，将空间像素分布维分别作为三维空间的X轴和Y轴，将温度值作为Z轴，这样可以构成目标与背景的三维分布曲面，通过空间三维分布图，可以直观的表现温度分布，比如均匀的荒漠和草地分布较为平坦，而树木由于周边的“空隙”而显示出高低不同的温度分布，但这些自然背景的物体由于长期处于一个温度体系中，相互之间有一定的过渡关系，即温度变化不会有剧烈的突变。而对于伪装隐身目标，则容易存在与背景之间的较大温度变化梯度，从而被探测识别。

通过图10所示的试验结果分析表明：

1) 图10(a)显示样板与裸土的温度三维分布特性，样板温度分布较为均匀，而裸土由于存在凹凸不平，并间或有杂草，从而形成具有较大的温度波动范围，但温度变化梯度相对比较缓和连续。两种目标在温度分布上较好地实现了融合。

2) 图10(b)显示样板与草地的温度三维分布特性，样板温度分布较为均匀，但该样板采用四块较小的材料板拼接成一块大的被试件，三维分布图中可以清晰可见拼缝的温差变化，在装备红外特征控制中需要对接缝处理引起重视；该区域草地由于存在疏密不一致，从而具有较大的温度波动范围，但温度变化梯度相对比较缓和连续。两种目标在温度上存在较大的差异，可以直观区分。

3) 图10(c)显示样板与水泥路面的温度三维分布特性，水泥路面是一个结构均匀的整体，其温度变化相对较小，温度变化梯度亦非常小。两种目标在温度上存在较大的差异，可以直观区分。

4) 图10(d)显示样板与树木的温度三维分布特性，树木温度区域选择树冠处温度分布，温度分布均匀平坦。两种目标在温度上存在较大的差异，可以直观区分。

3 结论

本文提出了多维系统分析的应对对方侦察和探测的响应方案，并进行外场实地测试。试验结果表明，使用0、1、2、3维分类下的7种数据分析方法，得到的结论一致；同时多种方法相互补充和支撑，提供全面多维度的评价信息，具有很好的现场评估实用性。

本文是基于某具体时刻的红外温度图像的现场快速评价，后续可以结合现场长时间测试，实现在时间维度的数据联通，从而形成更全面的数据评估，研究结果具有工程应用价值。

[1] GORM K.SELJ,DANIELA H.HEINRICH.A file-based method for evaluating thermal properties of static and mobile camouflage[C]//SPIE Security and Defense,SPIE,2018:10794.