基于96A熱像儀圖像可視化識別

侯永強 孫啟順 姚 兆 程延偉

（陸軍裝甲兵學院士官學校，長春 130117）

1 介紹

在96A熱像儀圖形學中提出了偏微分方程（PDE）的幾何建模方法[1]。PDE方法在幾何體建模中的優勢逐漸被發現和認識。其中一個主要的優點來自于PDE的微分算子w，保證了生成圖像光滑表面的能力。這一優勢使PDE被廣泛應用于各種幾何造型，如混合表面生成[2]、交互表面設計、表面造型、立體造型。使用PDE方法的另一個優點是，可以通過直觀地操作PDE的相對較小的邊界條件來生成PDE表面，將幾何體建模問題轉換成邊界值的PDE解決問題。因此，可以將PDE方法看作是一個圖像色度自動調節平滑的過程。該屬性使得PDE方法在基于96A熱像儀圖像可視化識別中得到成功應用[3]。

2 分析

通過參數優化可以將PDE方法應用于96A熱像儀斷層掃描（CT）數據中。該方法在相同的框架下，實現了圖像表面整體重建和立體繪制的功能。主要是因為在邊界值w問題當中，PDE方法在表面重建中得到了一種基于輪廓擴充的方法，并且用其中很小的邊界線就可以重建幾何體表面。而邊界條件則是利用偏微分法將攝像頭提取的圖像進行色度融合。利用固有參數化方法，通過將額外的第三個參數w引入傳統的PDE參數中，將重建的底部表面模型推廣到整體。因此，第三個參數w不僅可以控制整體模型的穩定性，還可以用來渲染圖像的不透明度，產生半透明的視覺效果。由于熱像儀圖像的繪制過程是由紋理映射到實體模型當中，因此，需要對其進行對象-順序繪制。

幾何體曲面重構和幾何體整體掃描是圖像可視化識別的兩種主要技術，被廣泛用于表面重建，相對來說用它們生成的圖像色溫梯度好，便于實時顯示，其特點是比較清晰，但是它對圖像處理芯片性能要求較高，容易中斷。因此對于夜視圖像的繪制，傳統的幾何體曲面重構和幾何體整體掃描需要設計一個良好的傳遞函數w，以便將不同顏色和不透明度值的數據進行不同賦值，從而得到相對清晰的圖像。然而尋找適當的傳遞函數很復雜，難度系數也比較大。此外，還存在液晶顯示屏出現輝光延時，以及圖像渲染不夠快速和徹底等問題，因此與MC算法相比，PDE方法在計算時間和圖像存儲速度上都更高效，因為它只使用少量的邊界條件，信息量相對來說較小。由于可視圖像采用了參數化的形式，PDE方法通過調整其參數化的分辨率就可以控制重建表面模型的細節光滑水平。并且使用傳遞函數可以將將體積的不透明度值與PDE參數w以線性的方式產生實心的繪制效果，獲得清晰可辨的可視化圖像，最終通過整合兩個表面重建立體圖像形成統一的框架。

3 應用

首先從熱像儀底部橫截面圖中手工選擇一小部分邊界線，在邊界曲線上提取圖像進行分割。在分割中使用偏微分法，因為偏微分法對噪聲有很強的魯棒性，能夠產生相對精確的分割結果。然后將提取的邊界曲線作為邊界條件輸入PDE計算公式中。這些邊界條件應該盡可能地包含圖像底部的必要幾何結構，以便精確地重建底部。通過求解一組PDE，可以重構底部表面或底部實體模型，而每個PDE會產生一個獨特的PDE路徑，一個底部模型可能由幾個PDE路徑組成。同時在底部實體模型的基礎上，通過將三維紋理映射到重建的實體網格中來立體顯示圖像。

夜視儀可視化在許多研究領域發揮了關鍵作用，如醫學成像技術、CT和磁共振成像（MRI），已經被廣泛用于掃描人類頭部。這些醫學成像技術只生產2D平行切片，沒有3D效果。而夜視儀可視化可以利用二維平面掃描的信息合成3D立體圖像，從而為準確識別物體特征提供參考依據。此外，在圖像模糊處理中，平面可視化實現了較為準確地預測物體未知特征，其預測數據用于識別和提取[4]。在考古學中，考古學家可以使用二維平面掃描技術進行逐層掃描，而后不斷調節PDE參數w，從而實現多層圖像數據特征提取，并進行數據的融合，從而實現預測物體的本來特征。這也是積極應用PDE方法來解決實際問題的案例。在一些研究醫學可視化技術的書籍中，總結有PDE的方法，比如西門子公司采用的Bloor-Wilson PDE（BWPDE）方法。

96A熱像儀圖像數據可視化技術可分為多平面渲染、表面渲染和立體繪制[5]。多平面渲染可以形成一個任意截面的體積數據的灰度值。而軸向切片可以形成不同的正交平面，允許以正交的方式觀察整個結構。呈現的數據便是將2D原始切片形成灰度值梯次變化的網狀結構，因此它可以很好觀察三維結構。

而熱像圖像表面重構算法可分為輪廓曲面重構和等曲面提取。基于輪廓的表面重建方法[6]需要提取各軸向切片的截面輪廓，然后通過連續輪廓的三角剖分重建三維表面。當在軸向切片中存在多個輪廓時，連接輪廓的邊界可能出現重合現象。對于特征面提取，使用最廣泛的算法是由Lorensen和Cline在1987年提出的MC算法[6]。但在MC算法的三角測量中也存在著一個模糊問題。后來提出了一種ERT方法來解決MC算法的模糊問題。其主要算法是將每個立方體分成六個四面體，通過對角的對角線切割，并建立基于這些四面體而不是立方體的外表面。MC的另一種選擇是立方體，其中多維數據集被劃分成像素點的數據集。所有這些算法都能產生合理的表面重建結果，但計算復雜。

主流的熱像儀圖像數據提取方法可以分為兩類：圖像順序和對象順序繪制方法。圖像順序和對象順序方法的主要區別在于前者用于圖像的平面顯示，而后者用于數據的立體顯示。另外，邊界線追蹤也受到圖像順序繪制算法的影響，因為它們都從成像平面的每個像素中投射出平行光線。邊界線追蹤法與最大強度投影算法這兩種方法的不同之處在于，前者使得所有的紅外光沿著射線路徑預測投影邊界，而后者只選取了在射線上具有最大強度值的大小。與圖像順序繪制算法相比，對象順序方法能更好將剪切變形因子分解繪制出來，提取出圖像相關特征。本文就是采取通過分解視圖變換來降低計算成本的剪切變形因子分解算法，而基于紋理的方法通過將二維紋理應用于幾何基元（如車輛）來完成渲染過程。

4 結語

本文通過使用偏微分方程（PDE）方法，在96A坦克夜視儀圖像處理過程中能夠比較快速準確地生成不同灰度的立體圖像，通過合理恰當地調節相關參數w，可以顯示出相關物體的外部特征等，這對于適應戰場復雜環境有較好的促進作用。但是在外界存在一些干擾源的情況下，比如說火光，將對圖像的可視化識別產生較多噪聲，需要進一步進行研究。

[1]凌志浩.現場總線與工業以太網[M].北京：機械工業出版社，2006.

[2]Ray A，Halevi Y.Integrated Communication and Control Systems: Part II—Design Considerations[J].Journal of Dynamic Systems Measurement & Control，1988，110（4）.

[3]D Yue，QL Han，J Lam.Network-based Robust H∞Control of Systems with Uncertainty[J].Automatica，2005，41（6）：999-1007.

[4]Johan Nilsson，Bo Bernhardsson，Bj?rn Wittenmark.Stochastic Analysis and Control of Real-time Systems with Random Time Delays[J].Automatica，1998，34（1）：57-64.

[5]Savkin A V.Analysis and Synthesis of Networked Control Systems：Topological Entropy，Observability，Robustness and Optimal Control[J].Automatica，2006，42（1）：51-62.

[6]Donkers M C F，Hetel L，Heemels W P M H，et al.Stability Analysis of Networked Control Systems Using a Switched Linear Systems Approach[J].IEEE Transactions on Automatic Control，2009，56（9）：2101-2115.