紅外成像系統動態性能模型研究進展

王 霞，白江輝，金偉其，吳子牧

?

紅外成像系統動態性能模型研究進展

王 霞，白江輝，金偉其，吳子牧

（北京理工大學 光電成像技術與系統教育部重點實驗室，北京 100081）

紅外成像系統動態性能模型在軍事領域具有廣泛的應用前景。介紹了動態性能模型的3個模塊：目標背景數據輸入、靜態性能模型和搜索模型，對各模塊的內容和實現途徑做了簡單說明。按照動態性能模型的發展趨勢，分析了國外在搜索模型方面的主要工作，介紹了國內動態性能模型的概況，最后指出了動態性能模型發展方向和需要解決的問題。

動態性能模型；搜索模型；TDSP模型

0 引言

隨著紅外技術在軍事中的廣泛應用，軍用紅外系統的性能直接影響到未來武器設計以及相關的軍事行動戰術的制定[1]。動態性能評價模型是紅外系統的總體技術之一，能夠綜合評價紅外系統的性能。動態性能評價模型主要包含靜態性能模型和搜索模型兩部分，靜態性能模型主要用于評估系統的成像質量，作用距離等；搜索模型主要用于紅外系統目標偵察與搜索，研究目標發現概率與發現時間的問題。

目前，靜態性能評價模型研究技術較為成熟，搜索模型發展較為緩慢。一方面由于搜索問題的復雜性，研究搜索模型主要是利用概率論和統計理論，這2個理論都需要大量復雜的數學運算，為建立模型增加了難度。另一方面，搜索模型是以心理學實驗數據為依據的，因此模型都是在一定程度上的經驗公式，需要大量的實驗驗證，客觀上增加了研究的難度[2]。

近年來研究者針對搜索模型展開了一些新的有益探索和研究，提出一些新的觀點和模型修正，紅外系統動態性能評價模型得到發展，并用于指導軍事目標偵察和搜索。本文將分析討論動態性能評價模型的發展狀況及其發展方向。

1 紅外成像系統動態性能模型

紅外成像系統動態性能模型是紅外成像系統性能模型的一部分。動態性能模型研究的是[3]：當已知目標位于某一搜索場景中時，在隨時間增加中，熱成像系統首先在場景中搜索到目標，然后由觀察者在顯示屏上發現或識別目標的概率的變化。從概念上很難說明動態模型的內涵，可以借助下面的例子來說明動態性能模型的研究內容。由光電系統在某一場景內發現了可疑目標，現在的任務是用某一熱成像系統對該場景區域進行搜索，顯然最關心的是能在多少時間內搜索到目標。如果某一系統所用的時間比較少，則很自然會認為該系統比較好。但實際中幾乎不可能確定某一系統在多少時間內能發現目標，只能確定在某一時間內系統能夠發現目標的概率是多少。這就是動態模型主要研究的內容，且很自然地會把這一概率值作為評價熱成像系統性能好壞的一個指標。

紅外成像系統動態性能模型實際上是對紅外成像過程的數字化描述：紅外成像系統在場景內搜索目標，目標輻射經大氣傳輸到達成像系統通過光電轉換和信號處理生成數字圖像，觀察者觀察顯示窗口搜索目標?？梢园焉鲜鲞^程總結為如圖1的3個模塊：目標與環境模塊、靜態性能模塊和搜索模塊。

1.1 目標與環境

目標與環境模塊是動態性能模型的輸入模塊，它包括2個方面的內容：目標與環境的參數輸入和大氣傳輸的計算。

紅外成像儀實際探測到的是一個復雜景物圖像，要精確地確定這一復雜圖像是比較困難的，其涉及到目標、背景、環境、大氣傳輸等及諸因素間的相互影響。因此在系統性能評價時，常采用一些能反映目標宏觀特性的參數，如目標尺寸、相對于背景的等效溫差條帶圖案（或目標與背景紅外輻射之差）來表示目標特征[4]。

模型化目標用一個相對背景溫差為D的矩形目標代替真實目標，其面積大小與實際目標相同，目標溫度為在整個目標信息區內溫度對面積的加權平均值：

式中：i為目標信息面積元；i為i面積元的溫度；m為目標加權平均溫度。

于是，目標相對背景溫度b的加權平均溫差——等效溫差D為：

D＝m－b(2)

大氣傳輸是指紅外輻射在大氣中的衰減。設黑體目標與背景之間的零視距（＝0）溫差為D0，經過一段距離的大氣傳輸到達熱成像系統時，目標與背景之間的等效溫差D可近似表示為[4]：

D＝D0×e－(R)×R＝D0×() (3)

式中：()和()分別是在熱成像系統工作波段內，目標方向距離行程上大氣傳輸的平均衰減系數和平均大氣透射比。

大氣傳輸衰減對實際成像系統性能的影響是很明顯的，不同大氣條件所產生的衰減有很大的差別，目前大氣傳輸特性的計算采用美國LOWTRAN或MORTRAN軟件，可以計算傾斜路程和眾多大氣條件下的大氣傳輸性能[4]。

1.2 靜態性能模型

圖1 紅外成像系統動態性能模型仿真的3個模塊

由于Johnson準則采用單一極限頻率預測系統性能，未能充分顯示系統整個通帶中信號傳遞特性，NVESD（Army Night Vision Electro-optic Sensors Directorate）實驗室提出其改進模型TTP模型。TTP模型對Johnson準則的改進表現在對大于人眼閾值對比度的圖像頻譜進行積分，其更深的寓意在于對噪聲功率譜的影響分析。同時對影響奈奎斯特頻率內頻譜混淆的探測器填充率、采樣率以及影響奈奎斯特頻率外頻譜恢復程度的數字插值處理也能進行有效預測[5]。

總體看來，靜態性能模型研究技術較為成熟，并且研究具有系統性、完整性。美國NVESD實驗室紅外仿真模型歷經FLIR75模型[6]，FLIR79模型[7]，FLIR90模型[8]，FLIR92模型[9]，NVTherm模型[10]，NVThermIP模型[11]，NV-IPM模型[12]等幾代發展、改進和更新，能夠對各種類型的紅外成像系統性能做較為準確的預測和評估。除此之外，靜態性能模型還有德國研究者Wolfgang提出的基于最小可感知溫差(MTDP)的TRM3模型[13]，荷蘭TNO研究所提出的TOD模型[14]等，這些模型均有較好的現場預測性能。國內關于靜態性能的研究開始于20世紀90年代，較國外落后20年左右，整體水平相對落后。北京理工大學的金偉其研制了一代通用組件熱成像系統性能評價軟件包SPTIS[15]和二代熱成像系統性能評價軟件包CFLIR[16]，提出了基于人眼視覺匹配的光電成像系統評價方法。艾克聰對微光和光電成像系統性能模型進行研究，推導了視距的預測公式[17]。西安電子科技大學張建奇，研究和修正了性能預測模型NVThermIP[11]。雖然國內對紅外成像系統靜態性能有一定的研究和系統仿真，能夠研制出系統仿真軟件，但是國內大多數研究者研究的內容是對國外模型的引入和修正，很少有自己獨立的模型，因此與先進國家仍有不小技術差距。

1.3 搜索模型

搜索模型定義了對目標的搜索過程。觀察者用某種成像探測器對某個區域的搜索通常包括以下步驟[18]：由光電系統在某一場景內發現了可疑目標，觀察員先用大視場鏡頭對該場景進行掃描，當類似于目標的特征出現時觀察員選用小視場鏡頭確認是否是目標，如果是目標則目標被發現；如果不是目標則返回到大視場鏡頭繼續觀察場景[19]?？砂焉鲜鏊阉鬟^程總結為探測器搜索、熱成像系統和人眼搜索3個模塊（如圖2所示）。探測器搜索模塊中探測器在搜索視場進行掃描，使得目標進入探測器視場；熱成像系統模塊將探測器視場的圖像經過光電轉換生成紅外圖像；人眼搜索模塊是搜索人員觀察顯示器上的紅外圖像目標，判斷目標是否被發現。搜索模型主要討論實際搜索過程所需要的時間，一般利用概率論和統計理論計算出某段時間內的目標發現概率[3]。

圖2 目標搜索系統仿真

2 紅外成像系統搜索模型的發展現狀

由于靜態性能模型發展較為成熟，制約紅外成像系統動態模型發展的主要因素為搜索模型。國外對于搜索模型的研究開始于20世紀60年代，主要是以軍方為主。國外搜索模型均是以心理學實驗數據為依據的，因此模型都是在一定程度上的經驗公式。其實驗數據主要來源于2個著名的心理學實驗：開始于二戰期間的Blackwell-Tiffany視學感知實驗和有軍事觀察者參加的NVESD的野外測試試驗（field test trials）[3]。搜索模型的研究大致可以劃分為4個階段，如圖3所示。

2.1 Bailey-Rand和ACQUIRE搜索模型

Bailey-Rand搜索模型是20世紀60年代末[3,20]，由美國軍方發起建立。在建立模型的過程中，Bailey提出了一個極有價值的觀點：模型的應用是限制在一定范圍內的。1990年美國NVESD實驗室提出ACQUIRE模型，又稱之為目標獲取概率模型[20-21]。該模型分成視覺搜索和物理搜索2部分，視覺搜索通過瞥見概率p和人眼積分時間t計算目標發現概率，物理搜索引入參數，整個概率表達式為：

圖3 搜索模型的研究進展

該模型的優點在于對系統完整細致的分析，模型結構簡單，適合于大規模模擬，因此得到廣泛采用，不斷有人對此模型在適用范圍上作了擴展[22]。1991年，S. R. Rotman等提出了存在障礙條件下的目標搜索模型[23-24]。1993年，E. S. Gordon等在標準ACQUIRE模型的基礎上，討論了搜索策略和平均搜索時間[25]。1997年，John D’Agostino等對標準ACQUIRE模型中的平均搜索時間提出了新的模型[26]。

ACQUIER模型也有自身的缺點：①模型過于簡單，無法反應不同環境下概率的變化，精度不高；②模型中觀察者可以長時間搜索目標，這與實際的搜索情景不符合；③模型無法解答目標或者探測器運動的情況?；谏鲜鲈?，研究者隨后提出一系列改進模型。

2.2 TLS搜索模型

時間限制（Time-Limited Search時間限制，TLS）搜索模型是在ACQUIRE模型的基礎上針對搜索時間和搜索環境改進的。時間限制是指，觀察者需要在給定的時間內完成目標搜索任務。根據搜索環境范圍的不同可以劃分為FOV（field of view）模型和FOR（field of regard）模型。

2.2.1 FOV搜索模型

2002年，NVESD實驗室Timothy Edwards等在ACQUIRE搜索模型基礎上，建立了FOV（Field of View）搜索的TLS搜索模型[27-28]，其目標發現概率可表示為：

該模型對于整個搜索探測過程中影響探測時間的因素主要歸納為3部分[29-30]，如圖4所示。①整個場景存在平均探測時間tFOV，且tFOV＝4.0－2.65P￥；②引入時間延遲td，公式中的t用t－td代替，td一般看作常量[31]；③在未探測到目標并將目光轉移到下一視場之前，檢測當前視場所花費的時間。

由于FOV模型中￥和FOV的關系是通過實驗測定的，其正確性有待進一步驗證。因此研究者進行了一系列相關的驗證實驗：2003年Timothy Edwards對TLS搜索模型在FOV區域進行了總結和整理，修正了FOV與￥的關系[29]：

FOV＝3.5－2.5￥(7)

2004年，Nicole M. Devitt等研究了城市背景下長波和中波波段的時間受限FOV區域搜索，總結了長波、中波條件下在白天和晚上的FOV與￥之間的關系[32]，如表1所示。

2005年，David Wilson利用微分方程方法討論FOV與￥的關系，建議添加修正因子，仿真數據與實驗數據具有更好的一致性，其修正公式為[33]：

FOV＝(＋×￥)×(8)

表1 tFOV與P￥的經驗公式

2.2.2 FOR搜索模型

FOR模型更適用于實際的搜索，因為大多的搜索活動都是發生在類似于FOR場景中。但是進行FOR搜索實驗是十分艱難的，需要占用大量的時間、空間和實驗經費[34]。實驗室通常利用紅外場景仿真的方法進行FOR實驗[35]。

2005年，美國Eric Flug等利用NVESD研制的紅外場景仿真軟件，模擬了鄉村夜晚的FOR場景，采用step-stare方法將FOR劃分為相互獨立的FOV序列，讓觀察者搜索仿真圖像中的目標，如圖5所示[34]。實驗結果表明step-stare方法和區域隨機搜索方法的目標發現平均時間十分接近，隨后Melvin Friedman理論推導了step-stare方法和隨機搜索方法擁有一致的目標發現平均時間[36]。Eric Flug的實驗表明了用仿真軟件進行FOR模擬實驗的可行性。

圖5 FOR模型step-stare方法搜索示意圖

2006年，Dawne M. Deaver研究了都市背景環境條件下長波和中波波段的FOR區域搜索[37-38]。Dawne M. Deaver分別模擬了白天和夜晚城市場景中對軍人目標的搜索情況。實驗結果表明：目標平均發現時間與將FOV擴展到FOR模型的預估平均發現時間一致。

2013年，Melvin Friedman總結了FOR模型的搜索情況，建議采用平均時間來統一描述FOV和FOR區域，并采用公式(9)描述FOR與FOV關系[36]：

總體來看，FOV和FOR模型代表了搜索模型發展的一個新階段。比起ACQUIRE模型[37]，TLS模型將復雜的搜索環境劃分為FOV和FOR兩種類型，在FOV區域中把搜索環境劃分為城市，鄉村等不同背景，區分了不同場景條件下的搜索問題，在概率預測精度方面有所提高。同時，由于搜索時長的限定，TLS搜索模型比ACQUIRE模型具有更快發現目標的傾向，這與大量實驗結果吻合[37]。因此研究者開始傾向于采用TLS模型來計算實際環境中目標搜索問題，并對TLS模型在多目標、多觀察者等方面上作了擴展研究[39-40]。

2.3 TDSP搜索模型

以上的搜索模型不適用于目標或者探測器相對運動的問題，然而這是實際搜索中是經常遇到的情景，也是實際搜索無法回避的問題。2009年，NVESD的Melvin Friedman等人嘗試在TLS搜索模型的基礎上采用分段微分的思想研究相對運動的情況[41-42]。2011年，Melvin Friedman提出了搜索參數（￥和）隨時間變化的概念，在FOV模型的基礎上利用微分和迭代的數學方法推導了搜索概率函數[43-44]。2013年Melvin Friedman總結了目標探測器相對運動搜索問題，建立了適用于相對運動的Time Dependent search parameters（TDSP）搜索模型[36]。TDSP模型的基本思想是微分分段然后迭代求和。首先把整段運動過程分割為無數個很小的D時間間隔，假設在時間D內，目標搜索參數￥或者可以看作是恒定的，在D內用使用TLS的概率模型計算發現概率，然后將整段運動過程累積求和，計算總的發現概率。由于模型的復雜，Melvin Friedman采用遞歸的方式來計算發現概率：

總體來看，TDSP搜索模型優點是，可以為更多復雜的搜索問題提供解決思路，特別是當探測器或者目標存在相對運動的情況，擴展了搜索模型適用范圍。缺點是，TDSP模型是基于實驗總結和數學推理的結果，缺乏足夠的實驗驗證。同時TDSP搜索模型也較為復雜，為驗證工作帶來一定困難[45]。

2.4 國內發展狀況

國內關于搜索模型的研究開始于20世紀90年代，研究水平相對落后，目前大多數研究者主要是對國外模型的研究和應用，很少能提出自己的模型。西安電子科技大學張建奇研究小組，討論了動態性能模型的3種模塊：目標背景模塊、圖像處理算法模塊和目標工作平臺模塊[46]。國防科技大學蔡懷平等利用ACQUIRE搜索模型對坦克作戰活動的目標進行了仿真研究[47]。合肥工業大學洪興勇等在研究視場外激光干擾圖像對目標獲取性能的影響分析時采用TLS模型計算探測概率[48]。

北京理工大學一直致力于搜索模型的研究。CFLIR軟件包對熱成像系統動態性能進行了整理和研究，提出了相應的搜索模型CFLIR[2]。祁蒙將ACQUIRE模型進行分析和改進，建立了紅外周視搜索系統的概率計算模型[49]。汪昊采用OSG集成渲染引擎開發了大規模場景實時紅外仿真系統，為搜索模型的仿真驗證創造了條件。目前筆者主要工作有3方面：

1）采用C＋＋語言建立了FOV搜索模型仿真平臺，計算典型靜止目標的發現概率并與ACQUIRE模型比較，驗證了FOV搜索具有更快發現目標的傾向，這與大量實驗結果一致[37]，如圖6(a)所示。

2）采用C＋＋語言建立了FOR搜索模型仿真平臺，用于計算大搜索范圍中靜止目標的發現概率，如圖6(b)所示?？梢钥闯?，當搜索類似FOR區域，需要較長的搜索時間。

3）采用C＋＋語言建立了TDSP搜索模型仿真平臺，用于計算典型運動目標的發現概率如圖7所示。圖7(a)為當目標逐漸接近探測器時發現概率隨時間的變化曲線；圖7(b)為當目標逐漸遠離探測器時發現概率隨時間的變化曲線。

3 結語

現代軍事理論認為，以偵察監視技術、通信技術、成像跟蹤技術、精確制導技術等為代表的軍用高科技技術是奪取勝利的重要武器。紅外成像系統動態性能模型對紅外系統設計、紅外系統性能評估和紅外軍事目標偵察與搜索具有重要指導意義。現階段，國外學者通過一系列研究已建立了TLS模型和TDSP搜索模型，促進了該領域的發展。國內在此方面的研究不足，主要表現為研究比較分散，缺乏深入細致的研究，沒有自己的模型理論，大多數研究者借助于國外的模型進行修正和改進，對模型修正與驗證工作也缺乏系統有效的手段，這反映出國內重視程度不夠的問題。隨著紅外科技的發展，如何將模型應用于實際目標搜索，如何驗證模型和修正模型以提高模型的精度則是未來研究的重點問題之一。

圖6 FOV、FOR模型搜索概率與時間關系曲線

圖7 TDSP模型概率與時間關系曲線

[1] Ratches J A, Vollmerhausen R H, Driggers R G. Target acquisition performance modeling of infrared imaging systems: past, present, and future[J]., 2001, 1(1): 31-40.

[2] 仇谷烽, 高稚允, 金偉其. 熱成像系統動態性能的研究[J]. 光學技術, 2001, 27(4): 464-466

QIU Gufeng, GAO Zhiyun, JIN Weiqi. Study on dynamic performance of thermal imaging system [J]., 2001, 27(4): 464-466

[3] 仇谷烽. 熱成像系統靜、動態性能的研究[D]. 北京: 北京理工大學, 2002.

QIU Gufeng. Thermal Imaging System of Static and Dynamic Performance of [D]. Beijing: Beijing Institute of Technology, 2002.

[4] 白廷柱, 金偉其. 光電成像原理與技術[M]. 北京: 北京理工大學出版社, 2006.

BAI Tingzhu, JIN Weiqi.[M] . Beijing: Beijing Institute of Technology Press, 2006.

[5] 金偉其, 王吉暉, 王霞, 等. 紅外成像系統性能評價技術的新進展[J]. 紅外與激光工程, 2009, 38(1): 7-13.

JIN Weiqi, WANG Jihui, WANG Xia, et al. New progress in performance evaluation of infrared imaging system[J]., 2009, 38 (1): 7-13.

[6] Ratches J A, Swenson J M. Night Vision Laboratory Static Performance Model for Thermal Viewing Systems[R]. USA Electronics Command Report 7043, 1975: AD-A011212

[7] Rosell F A.[M].1979: AD-A073763.

[8] Luck B Scott, Lesley R Condiff. C2NVEO Advanced FLIR Systems Performance Model[C]//, 1990, 1309: doi:10.1117/12.21769.

[9] Luck Scott, John D’Agostino. NVEOD FLIR92 thermal imaging systems performance model[C]//, 1992, 1689: 194-203

[10] Maurer T, Driggers, Freidman M. NVTherm Improvements[C]//, 2002, 4719: 15-23.

[11] 張建奇, 王曉蕊. 光電成像系統建模及性能評估理論[M]. 西安: 西安電子科技大學出版社, 2010: 7-50.

ZHANG Jianqi, WANG Xiaorui.[M]. Xi'an: Xi'an University of Electronic Science and Technology Press, 2010: 7-50.

[12] Brian Teaney, Joseph Reynolds. Next generation imager performance model[C]//XXI, 2010, 7662: 76620F.

[13] Wittenstein W. Thermal Range Model TRM3[C]//, 1998, 3436: 413-424.

[14] Piet Bijl, Mathieu Valeton J. A new method to characterize electro-optical system performance[C]//, 1998, 3377: 182-193.

[15] 金偉其, 高稚允. 一代通用組件熱像儀靜態性能計算軟件包SPTIS[C/OL]// 95年全國夜視熱成像學術討論會, 1995: 49-53.

JIN Weiqi, GAO Zhiyun. General Component Thermal imager static performance calculation software package SPTIS[C/OL]// 19951995: 49-53.

[16] 仇谷烽, 高稚允, 金偉其. 熱像儀靜態性能計算軟件包CFLIR2.0[J]. 北京理工大學學報, 2000, 20(6): 762-764.

CHOU Gufeng, GAO Zhiyun, JIN Weiqi. thermal imager static performance computing suite CFLIR2.0[J]., 2000, 20 (6): 762-764.

[17] 陳立學. 采樣成像系統的傳遞性能分析[J]. 光學學報, 1995(11): 1547-1551.

CHEN Lixue. Transmission performance analysis of sampling imaging system [J] ., 1995 (11): 1547-1551.

[18] Edwards T C, Vollmerhausen R H, Driggers R G. NVESD time-limited search model[J].g XIV, 2003, 5076: doi:10.1117/ 12.487143.

[19] Maurer T, Wilson D L, Driggers R G. Search and detection modeling of military imaging systems[J]., 2013, 52(4):201-215.

[20] Gary Waldman, John Wootton.[M]. London: Artech House, 1992.

[21] Ronald G Driggers, Paul Cox, Timothy Edwards.[M]. London: Artech House, 1999.

[22] Rotman S R, Gordon E S, Kowalczyk M L. Modeling human search and target acquisition performance: First detection probability in a realistic multitarget scenario[J]., 1989, 28(11): 1216-1222.

[23] Rotman S R. Modeling human search and target acquisition performance: simulating multiple observers in dynamic scenarios[J]., 1989, 28(11): 1223-1226.

[24] Rotman S R, Gordon E S. Modeling human search and target acquisition performance:.Target detection in the presence of obscurants[J]., 1991, 30(6): 824-829.

[25] Gordon E S, Rotman S R. Search strategy and target acquisition performance[C]//, 1993, 1971: 93-99.

[26] John D’Agostino, Walter Lawson, David Wilson. Concepts for search and detection model improvements[C]//, 1997, 3063: 14-22

[27] Edwards T C, Vollmerhausen R H. Use of synthetic imagery in target detection model improvement[J]., 1999, 1(1): 55-59.

[28] Jacobs E L, Edwards T. Sampling criteria for sensor simulation[J]., 1999, 38(5): 827-835.

[29] Edwards T, Vollmerhausen R H. Recent improvements in modeling time limited search[C]//, 2002: 42-50.

[30] 洪興勇, 洪一, 徐銀, 等. 視場外激光干擾圖像對目標獲取性能的影響分析[J]. 發光學報, 2012, 33(1): 62-67.

HONG Xingyong, HONG Yi, XU Yin. Analysis of the influence of out-of-field laser interferenceimage on target acquisition performance[J]., 2012, 33(1): 62-67.

[31] Friedman M H, Reynolds J, Wilson D, et al.[M]. 2011

[32] Devitt N M, Flug E, Moyer S K, et al. Search comparison in the infrared spectra for military operations in the urban terrain[C]//, 2004, 5407: 217-225.

[33] Wilson D, Devitt N, Maurer T. Search times and probability of detection in time-limited search[C]//,,,XVI, 2005, 5784: doi: 10.1117/12.604771.

[34] Flug E, Maurer T, Nguyen O T. Time limited field of regard search[C]//, 2005, 5784: 216-223.

[35] Wilson D L. Concepts for search and detection model improvements[C]//:,,,VIII, 1997, 3063: doi:10.1117/12.276081.

[36] Friedman M. Fundamental search relationships and their application to field of regard search, search by multiple observers, search from a moving vehicle, and multi target search[J]., 2013, 52(4): 602-602.

[37] Dawne M Deaver, Steve Moyer, Chun Ra. Modeling defined field of regard (FOR) search and detection in urban environments[C]//:,,,XVII, 2006, 6207: doi: 10.1117/12.668001.

[38] Devitt N, Moyer S, Flug E. Search comparison in the infrared and visible spectra in the urban terrain[C]//XV, 2006, 5407: doi: 10.1117/12.542171 .

[39] Friedman M, T Du Bosq, Flug E. Analytical models quantify military benefit of collaborative search[C]//,XXI, 2010, 7662: 76620B.

[40] Friedman M H, Reynolds J. Collaborative search with independent sensors and multiple observers[C]//XXII, 2011, 8014: 80140F.

[41] Friedman M, Bosq T D, Reynolds J, et al. Comparison of perception results with a proposed model for detection of a stationary target from a moving platform[C]//,XX, 2009, 7300: 73000E.

[42] Driggers R G, Jacobs E L, Vollmerhausen R H, et al. Current infrared target acquisition approach for military sensor design and wargaming[C]//:,,,XVII, 2006, 6207: 620709.

[43] Howe James D.[M]. The Infrared & Electro-Optical Systems Handbook, edited by Michael C Dudzik, Bellingham, WA: SPIR Press, 1993, 4: 106.

[44] Friedman M H, Reynolds J, Wilson D, et al.[M]. 2011.

[45] Friedman M H, Reynolds J P. Validating an analytical technique for calculating detection probability given time-dependent search parameters[C]//XXIII, 2012, 8355: 835511.

[46] 王曉蕊, 張建奇, 左月萍. 紅外成像系統性能模型的研究進展[J]. 紅外與激光工程, 2002, 31(5): 399-403.

WANG Xiaorui, ZHANG Jianqi, ZUO Yueping. Research progress of infrared imaging system performance model [J]., 2002, 31 (5): 399-403.

[47] 蔡懷平, 劉靖旭, 陳英武. 基于∞模型的目標搜索仿真研究[J]. 計算機仿真, 2005, 22: 12-14.

CAI Huaiping, LIU Jingxu, CHEN Yingwu. Study on target search simulation based on∞model [J]., 2005, 22: 12-14.

[48] 洪興勇, 洪一, 徐銀, 等. 視場外激光干擾圖像對目標獲取性能的影響分析[J]. 發光學報, 2012, 33(1): 62-67.

HONG Xingyong, HONG Yi, XU Yin. Analysis of the influence of out-of-field laser interference image on target acquisition performance [J]., 2012, 33 (1): 62-67.

[49] 祁蒙, 金偉其, 王春勇. 紅外周視搜索系統的探測概率研究[J]. 紅外技術, 2003, 25(2): 19-23.

QI meng, JIN Weiqi, WANG Chunyong. Study on probing probabilities of infrared peripheral view search system [J]., 2003, 25 (2): 19-23.

Development and Research of Infrared Imaging System Dynamic Performance Model

WANG Xia，BAI Jianghui，JIN Weiqi，WU Zimu

(Key Laboratory of Photoelectric Technology and System, Ministry of Education of China, Beijing Institute of Technology, Beijing 100081, China)

The infrared imaging system dynamic performance model has promising application in military area. Three kinds of dynamic performance model are introduced in this paper, which include data input, static performance model and search model. Related work and approaches during each kind of model are also briefly described. In addition, according to the development history of dynamic performance model, a systematical conclusion on research done by foreign scholars is made. A succinct introduction to our current work is also presented. Finally, this paper points out the present problems on dynamic performance model. The developing trends are also prospected.

dynamic performance model，search model，TDSP model

TN216

A

1001-8891(2016)12-0997-08

2016-11-05；

2016-12-09.

王霞（1972-），女，副教授，博士生導師，主要從事光電檢測、光譜分析及微光與紅外成像方面的研究。E-mail：angelniuniu@bit.edu.cn。

國家自然基金重點項目（61231014）。