Termal görüntülemede Mesafe (DRI):

Termal görüntüleme projelerinde kapsama alanını tespit edebilmek amacıyla FOV(field of view) ve mesafe kavramlarını anlamak önemlidir. FOV’u anlaması oldukça basittir. Datasheet’te açı değerine göre kestirim yapılabilir. Mesafe ise daha komplike bir değerdir. Bu Teknik makale, termal kamera menzili için gerekli olan belirleyicileri açıklamaktadır.

Mesafeyi ne belirler ?

Mesafe birçok faktöre bağlıdır, bazı faktörler kolaylıkla control edilebilirken, bazı faktörler böyle değildir.

Kontrol edilebilen faktörler :

                Kamera dizaynı  :

                                Optik odak uzunluğu, f-değeri, diyafram boyutu, transmisyon

                                Pixel aralığı, dizi boyutu

                                Non-uniformity azaltımı için görüntü işleme, gürültü bastırma, bulanıklığın giderilmesi, kontrastın artırılması,

                Kameranın konumlandırılması :

                                Kameradan, gözetlenmesi niyetlenen hedefe olan mesafe,          

                Kamera çıktısının kullanımı :

                                Insan tarafından bir monitörde izleme mi yapılacak,

                                Video analitik işlem amacıyla bir besleme mi yapacak,

Kontrol edilemeyen faktörler :

                Hava ve atmosfer

                                Havanın netliği (iletim, nem)

                                Engeller (yağmur, kar, sis, toz, duman, vb)

                Hedefin karakteristiği

                                Boyut,

                                Sıcaklık,

                                Hareket,

                                Emisivite değeri,

                Arkaplan karakteristiği:

                                Sıcaklık vb

Analizden tahmin edilen mesafe kapasitesi :

Amerikan ordusunun Fort Belvoir’deki (Virgina) gece görüş ve elektronik sensörler direktörlüğü gibi kapsamlı termal kameralar için araştırma ve geliştirme modelleme metotları yapılmamıştır. 1950’lerden başlayarak, bu organizasyon, askeri açıdan önemli senaryolarda menzil performansını tahmin etmek için sürekli artan doğrulukta bir bilgisayar modeli olan bir dizi analitik temel üretti. En son model “NVThermIP2009” olarak adlandırılır ve genellikle “NVThermIP” olarak kısaltılır.

Ordu tarafından geliştirilen modeller, belirli bir dizi hedef kestirim görevini tutarlı bir şekilde ele almıştır.

Hedef tespit (detection) – sensörün görüş alanında bir hedefin olduğunu belirleme

Hedef teşhis (recognitioin) – tespit edilen bir hedef için, tank, kamyon, ya da Zırhlı personel taşıyı (ZPT) araç olup olmadığının ayrımını yaptırır

Hedef tanıma (identification) – teşhis edilen tank,kamyon, ya da ZPT kendi içinde hangi tür olduğunun ayrımının yapılmasını sağlayan mesafedir.

Gerçek hayatta kullanışlı bir konsept, 1950’lerde ordu laboratuvarı tarafından test edildi ve desteklendi ve bugüne kadarki tüm modellerde bir paradigma haline geldi.

Paradigmanın 2 temel unsuru vardır. A) herhangi bir boyut, şekil veya türdeki bir hedefin, analiz için kullanılabilecek “kritik bir boyuta” sahip olması ve B) Başarılı bir görev gerçekleştirme olasılığı (tespit, teşhis, tanıma), hedefin kritik boyutu boyunca çözülebilen bir çubuk hedef desenindeki çubukların sayısı ile güçlü bir şekilde ilişkilidir.

John Johnson tarafından yayınlanan bir makale, çözülebilir çubukların sayısı ile termal görüntüleme sistemi için tespit, teşhis, tanıma görevleri arasındaki ilişkiyi açıkladı.

Her görev için kriter, hedefin kritik boyutuna karşılık gelen çözülebilir çubuk döngülerinin sayısıdır. Burada bir çubuk döngüsü, bir çubuk ve bir boşluktur.

Aşağıda belirtilen olasılıklara göre başarılı görevi yerine getirmek için gerekli çözülebilir bar sayısı  :

Görev	Olasılık (%50)	Olasılık (%70)	Olasılık (%90)
Tespit (D)	0.75	0.94	1.34
Teşhis (R)	3	3.75	5.37
Tanıma (I)	6	7.5	10.7

Bar modeli (çubuk modeli) ve johnson kriterlerinin faydası 2 yönlüdür. Ilk olarak, çubuklar basit ve tanımlanmış olduğundan, gerçek hedefler karmaşık olduğundan,  analitik yaklaşımı basitleştirir.

İkincisi, her seferinde farklı bir kamerayı karakterize etmek istediğinde, kamyon, ZPT, tank toplamak yerine, performansın nispeten basit bir ekipmanla (blackbody kaynağı, çubuk hedef maskeleri, kolimatör) bir laboratuvarda karakterize edilmesini sağlar. Bu yaklaşımın izleri, ordu modelinin (NVThermIP) güncellenmiş versiyonunda hala mevcuttur, ancak teori, daha doğru sonuçlar vermek için matematiksel olarak daha karmaşık hale gelmiştir.

NVThermIP kullanımı, kamera lensini, dedektörü, çerçeveleme ve örnekleme elektroniklerini, sinyal işleme elektroniklerini, görüntüleme ekranını, atmosferi, hedefi ve görevi karakterize eden çeşitli giriş değerlerinin tanımlanmasını gerektirir. Çıktı olarak farklı olasılıklara göre tespit, teşhis, tanıma mesafeleridir.

NVThermIP’in bir dezavantajı, ihtiyaç duyulan tüm girdiler için değerleri bilmenin her zaman mümkün olmamasıdır. Ayrıca, NVThermIP, tüm değişkenleri ve bunlarla ilgili denklem puanları ile “şeffaf” değildir, gerçekte neler olup bittiği genellikle net değildir.

Birçok kişi tarafından kullanılan NVThermIP’ye bir alternatif, “hedef üzerindeki pikseller” olarak adlandıracağımız bir yaklaşımdır. Bu yaklaşımda, bir çubuğun genişliği, “anlık görüş alanı” veya “IFOV” olarak adlandırdığımız, bir detektör pikselinin açısal alt değerine eşit olduğunda, çubuk modelinin çözülebilir olduğu konusunda temel bir varsayımda bulundurur.

“Hedef üzerindeki piksel” yaklaşımı yalnızca en temel bilgileri gerektirir. Hedef boyutu, dedektör piksel aralığı, ve lens etkin odak uzaklığı. Bu girdilerle, örnekte gösterildiği gibi aralığı tahmin etmek için aşağıdaki 4 (dört) denklem sırasıyla uygulanır.

FORMÜLASYON 1 :     Hedef kritik boyutu = √hedef yüksekliği x hedef genişliği

FORMÜLASYON 2 :   Piksel IFOV  (mrad) = dedektör piksel aralığı (um) / lens etkin odak uzaklığı (mm)

FORMÜLASYON 3 :   Hedef düzleminde metre başına piksel sayısı = PPM = 2 x Johnson kriterine göre gerekli bar döngüsü sayısı  / hedef kritik boyutu (m)

FORMÜLASYON 4 :   Mesafe (m) = (1000 radian / mrad) / PPM x piksel IFOV (mrad)

Örnek :

Değişken	Girdi değerleri
Hedef yükseklik	1.8m
Hedef genişlik	0.5m
Dedektör piksel aralığı	17um
Lens etkin odak uzaklığı	16.75mm
Görev :	Teşhis (recognition)
Teşhis (recognition) için Johnson kriteri	3 çözülebilir çubuk döngüsü (bar cycle)

Değişken	Çıktı değerleri
Hedef kritik boyutu	0.95m
Piksel IFOV	1.01mrad
PPM	6.3px/m
Mesafe (%50 olasılıkla)	157m

PPM ya da hedef üzerindeki piksel yaklaşımının hava durumu gibi birçok önemli hususu göz ardı ettiği açıktır. Ancak, birçok durumda iyi çalışır. Spesifik olarak, aşağıdaki tabloda listelenen varsayımlar uygulandığında iyi çalışır.