음, 이는 타당한 질문이지만 간단한 답은 없습니다. 다양한 기후 조건에서의 감쇠, 열화상 탐지기의 감도, 영상 알고리즘, 사각지대 및 배경 잡음, 목표물과 배경의 온도 차이 등 결과에 영향을 미치는 요소가 너무 많기 때문입니다. 예를 들어, 담배꽁초는 크기가 훨씬 작더라도 같은 거리에서 나뭇잎보다 더 선명하게 보이는데, 이는 목표물과 배경의 온도 차이 때문입니다.
탐지 거리는 주관적 요인과 객관적 요인이 복합적으로 작용한 결과입니다. 이는 관찰자의 시각 심리, 경험 및 기타 요인과 관련이 있습니다. "열화상 카메라가 얼마나 멀리까지 볼 수 있는가"라는 질문에 답하려면 먼저 그 의미를 명확히 해야 합니다. 예를 들어, 어떤 목표물을 탐지할 때 A는 명확하게 볼 수 있다고 생각하지만 B는 그렇지 않을 수도 있습니다. 따라서 객관적이고 통일된 평가 기준이 필요합니다.
존슨의 기준
존슨은 실험에 따라 눈 탐지 문제를 선 쌍과 비교했습니다. 선 쌍이란 관찰자의 시력 한계에서 평행한 밝은 선과 어두운 선이 이루는 거리를 말합니다. 선 쌍은 두 개의 픽셀에 해당합니다. 여러 연구에서 표적의 특성이나 이미지 결함을 고려하지 않고 선 쌍을 사용하여 적외선 열화상 시스템의 표적 인식 능력을 판단할 수 있음을 보여주었습니다.
초점면에서 각 목표물의 이미지는 몇 개의 픽셀을 차지하며, 이는 목표물의 크기, 목표물과 열화상 카메라 사이의 거리, 그리고 순간 시야각(IFOV)으로부터 계산할 수 있습니다. 목표물의 크기(d)와 거리(L)의 비율을 조리개각이라고 하며, 이를 IFOV로 나누면 이미지가 차지하는 픽셀 수를 구할 수 있습니다. 즉, n = (D / L) / IFOV = (DF) / (LD)입니다. 초점 거리가 길수록 목표물 이미지가 차지하는 주요 점이 많아지므로, 존슨 기준에 따라 탐지 거리가 더 멀어집니다. 반면, 초점 거리가 길수록 시야각이 작아지고 비용이 증가합니다.
존슨의 기준에 따른 최소 해상도를 기준으로 특정 열화상 이미지가 볼 수 있는 거리를 계산할 수 있습니다.
객체 감지 - 객체가 존재함: 2 +1/-0.5 픽셀
인식 – 객체 유형을 식별할 수 있습니다. 사람 vs. 자동차: 8 +1.6/-0.4 픽셀
식별 – 특정 사물, 여성과 남성, 특정 차량 등을 식별할 수 있습니다: 12.8 +3.2/-2.8 픽셀
이러한 측정 결과는 관찰자가 지정된 수준으로 물체를 식별할 확률이 50%임을 나타냅니다.
게시 시간: 2021년 11월 23일