Les critères de Johnson pour la détection et la reconnaissance de l'imagerie thermique

Contexte historique: à la fin des années 1950, John W. Johnson de l'armée américaine a mené des expériences pionnières avec des intensificateurs d'image de nuit - Vision pour quantifier la quantité de détails d'image nécessaire pour diverses taches visuelles (Critères de Johnson - Wikipedia). Dans son article de 1958 ?Analyse des systèmes de formation d'images?, Johnson a rapporté des seuils empiriques (en paires en ligne sur une cible) requis pour différentes taches (Critères de Johnson - Wikipedia) (Critères de Johnson - Wikipedia). C'est devenu connu comme Critères de Johnson. Il a révolutionné la conception du capteur en permettant aux ingénieurs de prédire à quelle distance une cible pourrait être vue, reconnue ou identifiée dans des conditions données (Critères de Johnson - Wikipedia) (Critères de Johnson - Wikipedia). En utilisant ces critères, de nombreux modèles prédictifs ont ensuite été développés pour évaluer les performances du capteur dans différentes conditions opérationnelles (Critères de Johnson - Wikipedia) (Critères de Johnson - Wikipedia).

Taches de détection, de reconnaissance et d'identification (DRI)

Les critères de Johnson définissent trois primaires taches visuelles:

• Détection: L'observateur remarque simplement qu'un objet est présent. (à ce niveau, on ne peut voir qu'un ?blob? ou un changement dans la scène.) Johnson a constaté que la détection exigeait 1,0 ± 0,25 paires de lignes à travers une cible (Critères de Johnson - Wikipedia).

• Reconnaissance: L'observateur peut dire le type d'objet général (par exemple, distinguer une personne d'un véhicule). Cela nécessite plus de détails - à l'origine à propos de 4,0 ± 0,8 paires de lignes (Critères de Johnson - Wikipedia).

• Identification: L'observateur peut identifier l'objet spécifique (par exemple un modèle de véhicule particulier ou une personne spécifique). C'est la tache la plus difficile, nécessitant 6,4 ± 1,5 paires de lignes (Critères de Johnson - Wikipedia).

(Johnson a également noté une étape d'intermédiaire de ?orientation? à ~ 1,4 paires de lignes (Critères de Johnson - Wikipedia), mais les discussions modernes se concentrent souvent sur les taches DRI.) En termes d'ingénierie pratique, une paire de lignes correspond à environ deux pixels d'image à travers la cible (Critères de Johnson - Wikipedia). Dans les spécifications d'imagerie thermique moderne, ces seuils sont souvent arrondis pour 1, 3 et 6 cycles pour une probabilité de 50% d'exécuter la tache (Qu'est-ce que DRI et sur quoi est-il basé pour le calcul?).

(Art vecteur de silhouette homme libre - Téléchargez 17 246+ Ic?nes et graphiques de silhouette de l'homme - Pixabay) Chiffre: Une cible humaine - en forme sous observation. à gamme lointaine, la cible ne produit qu'une silhouette sombre (assez pour la détection); à mesure que la résolution (ou la proximité) augmente, les caractéristiques du visage et des vêtements émergent, permettant la reconnaissance et finalement une identification complète. Les critères de Johnson quantifient le nombre de paires de détails de ligne nécessaires à chaque étape (Critères de Johnson - Wikipedia) (Qu'est-ce que DRI et sur quoi est-il basé pour le calcul?).

Les critères de Johnson (seuils de résolution)

Les critères originaux de Johnson sont souvent résumés comme suit pour un taux de réussite de 50% de chaque tache (Critères de Johnson - Wikipedia):

• Détection (présence d'objet): ~ Paire de lignes 1,0 sur la cible (probabilité de 50%) (Critères de Johnson - Wikipedia).

• Reconnaissance (classe d'objet): ~ 4,0 paires de lignes sur la cible (Critères de Johnson - Wikipedia).

• Identification (objet spécifique): ~ 6,4 paires de lignes sur la cible (Critères de Johnson - Wikipedia).

These values assume high target-background contrast and an ideal observer. (Each line pair equals two sensor pixels, so e.g. 1.0 line pair ≈ 2 pixels across the target width (Critères de Johnson - Wikipedia).) De nombreux systèmes citent des nombres ?dri? simplifiés de 1 - 3 - 6 cycles (paires de lignes) pour la détection - Reconnaissance - Identification, respectivement (Qu'est-ce que DRI et sur quoi est-il basé pour le calcul?). Par exemple, une directive de l'OTAN utilise environ 1 cycle de détection, 3 pour la reconnaissance et 6 pour l'identification (Qu'est-ce que DRI et sur quoi est-il basé pour le calcul?). (La mise à jour de l'armée américaine ACQUéRIRLes critères utilisent même 0,75, 1,5, 3 et 6 cycles pour détecter, classer, reconna?tre, identifier, refléter des taches raffinées (Histoire et évolution des critères Johnson).)

Les critères de Johnson s'expriment souvent de manière probabiliste: donnée N Cycles sur la cible, il y a une probabilité correspondante d'effectuer correctement chaque tache (généralement sigmo?de - comme, avec 50% aux seuils tabulés). Cependant, il est le plus souvent utilisé comme une ?règle de base? reliant la résolution requise à la tache.

Base mathématique (résolution et gamme)

LeNombre de cycles résolus Sur une cible dépend de la taille de la cible, de la plage, de l'optique du capteur et de la taille des pixels. Pour un modèle simple sténopé ou un modèle d'objectif mince (petit - approximation angulaire), on trouve (Analyse du système d'imagerie fondamental pour les véhicules autonomes):

où n est le nombre de cycles sur la cible, h_o est la taille caractéristique de la cible (M), f est la distance focale de l'objectif (mêmes unités que pixel pitch), p est le pas de pixels (distance entre les centres de pixels) et R est la plage de la cible. Cette formule capture des effets intuitifs: une cible plus grande (ou une plus longue longueur focale) augmenten, tandis qu'un pixel plus grand ou une plage plus longue diminue n (Analyse du système d'imagerie fondamental pour les véhicules autonomes). Si N Des cycles sont requis (de la table de Johnson) pour une certaine tache, le plage de détection peut être résolu comme

Par exemple, doubler la taille de la cible ou la longueur focale double la plage de détection pour un fixe N (Analyse du système d'imagerie fondamental pour les véhicules autonomes). De même, la réduction de moitié du pas de pixels (c'est-à-dire une résolution de capteur plus élevée) double la plage. Ces formules sont souvent utilisées par les spécifications de la caméra thermique pour estimer les gammes D / R / I dans des conditions idéales.

Facteurs affectant la plage de détection

La formule de plage simple ci-dessus suppose un contraste parfait et des conditions claires. Dans la pratique, de nombreux facteurs influencent la gamme de détection et de reconnaissance:

• Taille et contraste cible: Larger (taller or wider) targets are visible at greater distances; similarly, a target with higher infrared contrast (e.g. hotter vs cooler than background) is easier to detect. For thermal cameras, a common assumption is a ∼2°C temperature difference from background for reliable detection. Smaller or low-contrast targets require more cycles (thus closer ranges).

• Résolution des capteurs et optique: Comme indiqué, des pixels plus fins (plus petit p) et la distance focale plus longue f augmenter la plage. De plus, la fonction de transfert de modulation du capteur (MTF) et la qualité optique affectent la fa?on dont les détails sont transférés. Selon les mots de Johnson, une meilleure optique (MTF plus élevée) réduit efficacement les cycles requis pour une tache donnée (Analyse du système d'imagerie fondamental pour les véhicules autonomes).

• Conditions atmosphériques: Les atmosphères réelles atténuent les signaux infrarouges. Les effets de la pluie, du brouillard ou de la poussière peuvent réduire fortement la portée. Les modèles simples utilisent la loi de la bière (f_t = exp (- r / l_r)) pour calculer la transmission à la longueur d'onde (Histoire et évolution des critères Johnson). Des études empiriques montrent que le brouillard et les temps forts peuvent considérablement abaisser la probabilité de détection, même en IR (Histoire et évolution des critères Johnson). L'IR thermique souffre moins de vapeur d'eau que la lumière visible, mais le temps défavorable raccourcit toujours de manière significative (Histoire et évolution des critères Johnson) (Histoire et évolution des critères Johnson).

• Clothot de fond: Un fond élevé - Clutter rend la détection plus difficile. Des expériences montrent que dans les scènes ?à faible encombrement?, les seuils de Johnson peuvent être aussi petits que ~ 0,5 cycles de détection, mais dans des scènes ?à encombrement élevé?, plus de 2,5 cycles peuvent être nécessaires pour une détection de 50% (Histoire et évolution des critères Johnson). En pratique, un fond camouflé ou visuellement complexe nécessite souvent un contraste ou une résolution cible bien au-dessus du strict minimum de Johnson.

• Signal - à ??- Rapport de bruit (SNR) et bruit du capteur: Les détecteurs thermiques ont du bruit (NETD) et une plage dynamique limitée. Une signature thermique faible ou un bruit de capteur élevé augmente efficacement les cycles nécessaires. Des études soulignent que le SNR faible agit comme un flou: il dégrade la qualité de l'image et réduit la plage efficace (Histoire et évolution des critères Johnson).

Ensemble, ces facteurs signifient que les critères de Johnson donnent des gammes idéalisées. Tout calcul pratique doit inclure la transmittance atmosphérique, le contraste cible, le bruit du capteur, etc. Par exemple, Leonardo DRS note que les formules de Johnson supposent ?beaucoup de signal? (bon contraste et faible bruit) et de l'air clair. En général, une équation de plage réaliste multiplie la formule simple par une visibilité ou un terme de transmission pour tenir compte de l'atmosphère.

Exemples de calculs

En utilisant les formules ci-dessus, on peut estimer les gammes D / R / I pour une caméra et une cible données. Par exemple:

• Exemple: Une personne de 2 mètres de haut (h_o = 2m) Imagé par une caméra thermique avec f = 50 mm et pas de pixel p = 20 μm (= 0,02 mm). Utilisation du seuil de cycle de Johnson 1 -

  $$R _ {\ rm det} = \ frac {2 \, \ text {m} \ Times 50 \, \ text {mm}} {2 \ Times 0.02 \, \ Text {mm} \ Times 1} \ Envient 2500 \ \ Text {M}.$$

  For recognition (≈3 cycles) and identification (≈6 cycles), the ranges become ≈833?m and ≈417?m respectively (since $R\propto1/N$).

• Exemple du fabricant: Une note d'application Leonardo DRS donne une cible humaine (dimension critique ~ 0,95 m) et une caméra avec des pixels de 17 μm et 16,75 mm focale. Pour la tache de reconnaissance de 3 - cycle, ils calculent une plage de détection de 50% d'environ 157 m. (Avec les mêmes nombres, notre formule donne $ r \ environ (0,95 \ Times 16.75) / (2 \ Times0.017 \ Times3) \ Environ 157 $ m, correspondant à leur exemple.)

• Valeurs typiques: Dans des conditions idéales (bon contraste, air clair), la règle de Johnson - de - Thumb prédit la détection d'un humain à l'ordre de quelques kilomètres. Par exemple, une source cite une détection de ~ 2000m, une reconnaissance de ~ 667 m et une identification ~ 333M pour une personne de 1,8 m (Qu'est-ce que DRI et sur quoi est-il basé pour le calcul?).

Ces exemples montrent comment les critères de Johnson peuvent être directement appliqués avec une simple arithmétique. Les gammes réelles dans la pratique sont souvent plus faibles en raison des facteurs mentionnés ci-dessus.

Applications

Les critères de Johnson sont largement utilisés dans la conception et l'évaluation Systèmes d'imagerie thermique à travers de nombreux domaines:

• Militaire et défense: Les spécifications du capteur pour la nuit - Les lunettes de vision, les viseurs thermiques et la surveillance répertorient souvent les gammes D / R / I basées sur les critères de Johnson (Critères de Johnson - Wikipedia). L'acquisition et la reconnaissance des cibles (ami vs ennemi) la nuit reposent sur ces estimations. De nombreux manuels de terrain et documents d'approvisionnement font référence à la règle 1 - 3 - 6 - de - pouce pour les viseurs IR montés.

• Recherche et sauvetage / sécurité: Des caméras thermiques portables ou montées utilisées pour trouver des personnes perdues ou surveiller les périmètres, utilisent également des mesures DRI. Par exemple, les équipes de sauvetage peuvent avoir besoin d'une caméra qui peut détecter un humain à 1 km et reconna?tre à 400m. Les critères de Johnson offrent une base de référence pour de telles spécifications.

• Surveillance et forces de l'ordre: La patrouille frontalière, la surveillance de la faune et les systèmes de détection d'intrusion utilisent ces critères pour prédire à quelle distance un capteur peut ramasser une personne ou un véhicule la nuit. (Certaines normes formalisent les taches Johnson; par exemple l'OTAN utilise d, r, i classifications dans les exigences d'imagerie.)

Dans chaque cas, les critères de Johnson aident à traduire les paramètres du capteur (résolution, optique, taille des pixels) en une métrique de performance intuitive (plage pour détecter ou identifier une cible typique).

Limitations et adaptations modernes

Malgré son utilité, les critères de Johnson ont important limites. Il s'agit d'un modèle empirique et idéalisé qui omet de nombreux effets réels: le monde:

• Conditions simplifiées: Il suppose un fond uniforme, un contraste cible suffisant et un observateur calibré de puits. Il ne tient pas compte de l'encombrement ou du camouflage. En pratique, une cible dans un contexte complexe peut nécessiter plus de résolution que les valeurs nominales de Johnson (Histoire et évolution des critères Johnson).

• Ignore les effets environnementaux: Les critères d'origine n'incluent pas la météo ou l'atténuation atmosphérique. Des études soulignent que pas de modèle simple capture entièrement les effets du brouillard, de la pluie et de la fumée (Histoire et évolution des critères Johnson) (Histoire et évolution des critères Johnson). Les systèmes modernes se multiplient souvent par un terme de transmission atmosphérique ou utilisent des modèles de visibilité empirique.

• Facteurs humains: Le travail de Johnson a utilisé quelques observateurs formés dans des conditions contr?lées; Il ignore les variations de l'entra?nement des observateurs, de l'attention, de la fatigue, etc. Il peut y avoir des différences significatives entre les individus dans la probabilité de détection réelle (Histoire et évolution des critères Johnson).

• Signal et traitement: Le modèle traite l'image comme si elle était limitée uniquement par géométrie (pixels et optiques). Il n'incorpore pas le bruit du capteur (NETD), la plage dynamique ou les améliorations de traitement d'image. Tous les algorithmes de netteté ou de vidéo embarqués peuvent améliorer la résolution efficace, ce qui signifie que de véritables caméras surpassent souvent les limites de Johnson nues.

• Focus de probabilité: Les critères sont définis pour une probabilité d'environ 50%. Ils ne décrivent pas comment les performances s'améliorent avec plus de résolution au-delà du seuil, et ils ne capturent pas de faux taux d'alarme ou de courbes ROC.

En raison de ces lacunes, les modèles de performances de la gamme moderne étendent l'approche de Johnson. Par exemple, l'armée américaine ACQUéRIR La méthodologie ajuste les exigences du cycle (0,75 cycles de détection, etc.) sur la base de tests plus étendus (Histoire et évolution des critères Johnson). De nombreux outils d'analyse intègrent désormais explicitement les modèles MTF, SNR et atmosphériques. Certains incluent la bière - l'atténuation de Lambert (comme dans J - film/T - rencontré modèles (Histoire et évolution des critères Johnson)) ou des métriques d'encombrement. D'autres remplacent les seuils durs par la théorie de la détection statistique (par exemple en utilisant des courbes caractéristiques de fonctionnement du récepteur). Néanmoins, les critères de Johnson restent un concept fondamental et un premier guide de commande rapide pour la plage d'imagerie thermique.

En résumé, Les critères de Johnson relie la résolution spatiale d'un capteur infrarouge aux taches pratiques de voir une cible. En exprimant la détection, la reconnaissance et l'identification en termes de ?paires de lignes sur la cible?, il offre aux ingénieurs un moyen simple de calculer dans quelle mesure une caméra donnée peut effectuer chaque tache dans des conditions idéales (Critères de Johnson - Wikipedia) (Analyse du système d'imagerie fondamental pour les véhicules autonomes). Alors que l'on doit tenir compte des facteurs réels dans toute conception détaillée, les critères de Johnson sous-tend toujours la plupart des spécifications de la caméra thermique et des estimations de performance aujourd'hui (Critères de Johnson - Wikipedia) (Histoire et évolution des critères Johnson).

Sources: Les définitions et valeurs clés proviennent de l'?uvre originale de Johnson (Critères de Johnson - Wikipedia) et des résumés dans la littérature (Critères de Johnson - Wikipedia) (Qu'est-ce que DRI et sur quoi est-il basé pour le calcul?). Les calculs de plage de détection suivent les formules minces dans l'analyse d'imagerie (Analyse du système d'imagerie fondamental pour les véhicules autonomes). Les effets environnementaux et d'encombrement sont documentés dans les études de suivi (UP (Histoire et évolution des critères Johnson) (Histoire et évolution des critères Johnson). Les exemples et hypothèses pratiques proviennent des fabricants et des rapports techniques (Qu'est-ce que DRI et sur quoi est-il basé pour le calcul?).