一种红外气动光学成像仿真方法、存储介质及计算机设备

1.本发明属于光学成像技术领域，尤其涉及一种红外气动光学成像仿真方法、存储介质及计算机设备。


背景技术：

2.目前，机载红外光学系统在遥感中发挥着重要作用。随着航空航天技术的发展，气动光学效应造成的图像失真已成为机载红外光学成像系统中一个严重的问题。光学窗口周围湍流可压缩流量的大密度梯度是气动光学失真的直接原因。光学窗口外的流场可能包括复杂的流结构，如自由剪切层、膨胀波、湍流边界层、冲击波。密度梯度分布不稳定且不断变化的。根据gladstone-dale关系，空气折射指数与其密度成正比。由于折射索引的变化，通过空气动力学流的光束出现严重的波前失真，导致模糊、光线偏转和抖动。这些航空光学效应对机载光学系统的成像质量产生不利影响。因此，为了提高机载红外遥感任务的质量和精度，有必要研究高速飞行条件造成的成像变化。
3.目前估计气动光学传输效应造成的成像影响常用的方法是，基于流场和光学传输的数值计算进行研究，这类方法使用计算流体动力学(cfd)软件，因此计算量大，只能针对有限飞行状态进行分析。同时，由于成本较高且红外成像需要专门的摄像机和光学元件，风洞试验和飞行试验的使用有限，无法获得大量的连续红外气动退化图像数据。而目前基于现象学建立的仿真模型，虽然可以模拟出图像模糊、抖动、视线误差、饱和度等气动光学效应引起的退化现象，但是模型的典型参数仍需要根据经验值单独设置，因此该类模型仅适用于描述图像质量退化定律，不能根据飞行状态进行实时模拟。因此，为了有效且低成本的研究气动光学及其实时校正，需要设计可以模拟实时场景仿真的红外气动光学效应的仿真方法。
4.通过上述分析，现有技术存在的问题及缺陷为：
5.(1)现有的估计气动光学传输效应造成的成像影响的方法，计算量大，只能针对有限飞行状态进行分析，而且成本较高，风洞试验和飞行试验的使用有限，无法获得大量的连续红外气动退化图像数据。
6.(2)现有的仿真模型仅适用于描述图像质量退化定律，不能根据飞行状态进行实时模拟。
7.解决以上问题及缺陷的难度为：
8.(1)飞行实验平台设计复杂，研制周期长，成本高，目前国内仍缺乏低成本、高响应速度的飞行试验平台；风洞实验无法模拟真实飞行环境，且仅适用于模拟单一环境因素的影响；
9.(2)需要考虑如何结合少量数值模拟的结果，来构建可以连续变化的模型，
10.以满足在不同的影响因素下，都能符合气动机理的变化趋势。
11.解决以上问题及缺陷的意义为：
12.(1)由于成本限制和效果局限性，构建动态红外场景成像仿真是验证校正算法简
单方法；
13.(2)不同参数下的模糊模型，可以作为先验信息指导更精准、更高效的校正算法研究；
14.(3)可以模拟不同飞行状态的退化仿真模型，能为训练先进的深度学习算法提供大量数据。


技术实现要素：

15.针对现有技术存在的问题，本发明提供了一种红外气动光学成像仿真方法、存储介质及计算机设备。
16.本发明是这样实现的，一种红外气动光学成像仿真方法包括：
17.步骤一，通过流场动力学及光学的数值模拟得到不同飞行状态下的波前变化值σ；通过精确的数值模拟，得到可以反映气动光学效应强度变化的参数，用来指导退化模型的构建；
18.步骤二，建立波前变化值σ与飞行状态参数的映射关系，构建连续变化的退化模型；构建连续变化的映射关系，可以得到随不同飞行状态参数连续变化的退化模型，同时可以保证不会在数值模拟步骤消耗过多的计算成本；
19.步骤三，构建红外场景仿真模型，输出探测阶段的序列红外图像及其对应的成像飞行状态；基于红外场景的建模，可以构建全链路的红外成像退化仿真过程；
20.步骤四，将成像飞行状态输入连续变化的高斯叠加模型，得到一组连续变化的点扩散函数，通过与对应的红外图像进行卷积操作，实现实时的红外气动光学效应退化成像。成对的红外图像和飞行参数作为步骤四的输入，通过这一步的操作，可以得到探测视角和飞行参数同时变化的红外探测图像。
21.进一步，所述步骤一中流场动力学数值模拟方法采用：雷诺平均纳维-斯托克斯方程、直接数值模拟dns和大涡模拟les。
22.进一步，所述步骤一中光学数值模拟采用几何光学、物理光学和傅里叶光学方法分析和计算经过流场后光线的失真。
23.进一步，所述步骤二中的构建映射关系的方法具体如下：
24.(1)数据集的准备；
25.(2)进行回归分析。用训练集进行拟合，拟合方法可以是多项式拟合、高斯拟合、基于最小二乘的线性回归、非线性回归；
26.(3)进行回归诊断，通过查看残差图找出并剔除异常点，再重新进行回归分析；
27.(4)进行模型检验，计算各个回归模型的评估指标值。
28.进一步，所述步骤(1)数据集的准备包括：
29.通过流场模拟和光学模拟，获取n组飞行状态参数下的波前变化参数σ，将飞行状态参数与对应的波前变化参数σ进行随机排序，按比例分割成训练集和测试集；
30.画出σ值与各个飞行状态参数的散点图，进行相关系数分析和显著性检验，得到因变量σ与各个飞行状态参数自变量的相关系数及其置信度，判断变量间的相关关系，剔除异常值。
31.进一步，步骤(2)进行回归分析中，用训练集进行拟合，拟合方法是多项式拟合、高
斯拟合、基于最小二乘的线性回归或非线性回归。
32.进一步，所述步骤(4)进行模型检验，计算各个回归模型的评估指标值中，当回归模型评估指标值超过指标阈值，同时结合测试集的预测精度，对应的回归模型即作为σ的映射公式。
33.进一步，所述步骤(4)中回归模型的评估指标值包括拟合优度r-square，回归系数显著性检验指标、回归方程显著性检验指标或相关系数显著性检验指标。
34.进一步，所述步骤二中的退化模型及其参数设置具体如下：
[0035][0036][0037][0038]
m＝μ
·
ma/h
[0039]
其中，ωi为权重参数，σ为强度参数，xm和ym为偏移量控制参数，m为湍流单位的数量。
[0040]
进一步，所述步骤三中的红外场景仿真模型的构建方法包括：
[0041]
首先是三维建模及表面温度场设置，利用三维建模软件建立目标和背景的三维几何模型，根据经验值设定场景每个部分的表面温度；
[0042]
然后根据接收的飞行状态参数，以及传感器的视场参数和成像参数，确定成像观测区域及成像各帧对应的飞行状态；
[0043]
接着计算红外辐射量。将场景整体看作灰体，利用普朗克定律计算红外辐射强度，获得观测下的红外辐射特征图像；
[0044]
最后计算红外辐射强度经过光电转换后的电压值，并将输出电压量化为灰度值。
[0045]
本发明的另一目的在于提供一种计算机设备，所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行所述红外气动光学成像仿真方法的步骤。
[0046]
本发明的另一目的在于提供一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行所述红外气动光学成像仿真方法的步骤。
[0047]
结合上述的所有技术方案，本发明所具备的优点及积极效果为：本发明建立了与飞行状态耦合的气动连续退化模型，建立了红外探测视景仿真模型，可以真实地模拟高速运动状态下的红外探测成像过程；相比于数值模拟方法和飞行试验方法，本发明方法的模型更简单，成本小且耗时更少。
附图说明
[0048]
为了更清楚地说明本技术实施例的技术方案，下面将对本技术实施例中所需要使用的附图做简单的介绍，显而易见地，下面所描述的附图仅仅是本技术的一些实施例，对于
本领域普通技术人员来讲，在不付出创造性劳动的前提下还可以根据这些附图获得其他的附图。
[0049]
图1是本发明实施例提供的红外气动光学成像仿真方法的流程图。
[0050]
图2是本发明实施例提供的红外气动光学成像仿真方法的流程原理图。
[0051]
图3是本发明实施例提供的不同飞行状态的波前仿真图σ。其中，各个飞行状态分别为：(1)速度2ma，高度10km；(2)速度3ma，高度5km；(3)速度4ma，高度2km。
[0052]
图4是本发明实施例提供的随飞行高度变化的点扩散函数仿真图。
[0053]
图5是本发明实施例提供的随飞行速度变化的点扩散函数仿真图。
[0054]
图6是本发明实施例提供的红外气动光学图像序列。
具体实施方式
[0055]
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
[0056]
针对现有技术存在的问题，本发明提供了一种红外气动光学成像仿真方法、存储介质及计算机设备，下面结合附图对本发明作详细的描述。
[0057]
如图1所示，本发明实施例提供的红外气动光学成像仿真方法包括：
[0058]
s101，通过流场动力学及光学的数值模拟得到不同飞行状态下的波前变化值σ；
[0059]
s102，建立波前变化值σ与飞行状态参数的映射关系，构建连续变化的退化模型；
[0060]
s103，构建红外场景仿真模型，输出探测阶段的序列红外图像及其对应的成像飞行状态；
[0061]
s104，将成像飞行状态输入连续变化的高斯叠加模型，得到一组连续变化的点扩散函数，通过与对应的红外图像进行卷积操作，实现实时的红外气动光学效应退化成像。
[0062]
下面结合具体实施例对本发明进一步进行描述。
[0063]
本发明实施例提供的红外气动光学成像仿真方法具体包括：
[0064]
首先，使用计算流体动力学(cfd)技术模拟不同条件下的近场非均匀流场，获取红外光路径上的密度分布，然后根据密度和折射率之间的线性关系获得折射率场。根据cfd的计算结果，跟踪光的传输路径，用物理光学方法计算光学系统出瞳的波面失真σ。
[0065]
将获取的n组飞行状态参数下的波前变化参数σ，与飞行状态参数进行随机排序，按比例分割成训练集和测试集。画出σ值与各个飞行状态参数的散点图，进行相关系数分析和显著性检验，得到因变量σ与各个飞行状态参数自变量的相关系数及其置信度，判断变量间的相关关系，剔除异常值；其次进行回归分析。用训练集进行拟合，拟合方法可以是多项式拟合、高斯拟合、基于最小二乘的线性回归、非线性回归；然后进行回归诊断，通过查看残差图找出并剔除异常点，再重新进行回归分析；最后利用测试集进行模型检验，计算各个回归模型的拟合优度，当拟合优度值超过0.9，同时取测试集的预测精度较高的情况，对应的回归模型即作为σ的映射公式。若无法获得我们想要的模型，则转移到重新进行回归分析。然后将获得的映射公式引入退化模型，得到可随飞行状态参数连续变化的psf：
[0066][0067]
其次，构建实时红外探测场景仿真模型，先进行场景的三维建模及表面温度场设置。利用三维建模软件建立目标和背景的三维几何模型。根据经验值设定场景每个部分的表面温度。根据接收的飞行状态参数，以及传感器的视场参数和成像参数，确定成像观测区域及成像各帧对应的飞行状态。将观测区域内的目标和背景看作灰体，利用普朗克定律计算红外辐射量，获得红外辐射特征图像：
[0068][0069]
接着计算经过光电衰减后的输出电压，其中，l表示辐射量，opttran是光学系统的光学透过率，d表示光学系统的口径，f表示光学系统的焦距。
[0070][0071]
然后进行量化计算得到成像灰度值。其中[g
min
,g
max
]是灰度量化范围，v
l
和vh分别是最小输出电压和最大输出电压。
[0072][0073]
最后，红外场景仿真模型输出红外序列图像，及探测阶段的飞行状态参数列表。将飞行状态参数列表输入高斯叠加退化模型，获得一组连续变化的点扩散函数，通过将这组点扩散函数与对应成像帧的红外图像进行卷积操作，实现实时的红外气动光学效应退化成像仿真。
[0074]
应当注意，本发明的实施方式可以通过硬件、软件或者软件和硬件的结合来实现。硬件部分可以利用专用逻辑来实现；软件部分可以存储在存储器中，由适当的指令执行系统，例如微处理器或者专用设计硬件来执行。本领域的普通技术人员可以理解上述的设备和方法可以使用计算机可执行指令和/或包含在处理器控制代码中来实现，例如在诸如磁盘、cd或dvd-rom的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本发明的设备及其模块可以由诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现，也可以用由各种类型的处理器执行的软件实现，也可以由上述硬件电路和软件的结合例如固件来实现。
[0075]
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，都应涵盖在本发明的保护范围之内。