紅外成像系統MRTD測試的理論問題與實踐優化 —— 基于影響因素分析與Inframet DT系統的應用

一、引言

紅外成像系統在軍事偵察、工業檢測及安防等領域已形成廣泛應用，其成像性能的定量評估成為系統研制與驗收中的關鍵環節。其中，最小可分辨溫差（MRTD）是衡量熱像儀空間分辨與熱靈敏度綜合能力的重要指標。然而，MRTD測試不僅受系統噪聲、調制傳遞函數（MTF）及顯示終端性能等因素影響，更受到采樣相位變化的顯著干擾，導致實驗數據偏離理論值。

為提升測試精度與結果一致性，本文在已有理論研究的基礎上，結合Inframet公司DT系列紅外測試系統的應用案例，探討通過先進設備和參數調控手段，提升MRTD測試準確性與實用性的方法路徑。

二、MRTD理論問題與主要影響因素分析

（1）MRTD定義與測量挑戰

MRTD通常定義為熱像儀在均勻背景下，恰可分辨出4條黑白條紋的最小溫差。其值受多個變量共同影響，包括噪聲等效溫差（NETD）、系統MTF、顯示器特性及觀察者的主觀判讀能力。經典近似表達式如下：

$$MRTD(f)\approx k_1\frac{\text{NETD}?f}{{\text{MTF}}_{\text{perceived}}(f){\left(\frac{\alpha \beta }{\mathrm{\Delta }{f}_k{\tau }_d{E}_f}\right)}^{1\mathrm{/}2}}$$

其中，感知MTF${}_{\text{perceived}}$綜合了光學、電子、顯示與人眼的響應特性，且對采樣相位變化尤其敏感，成為MRTD測試波動的主要原因之一。

（2）采樣相位對中高頻MTF的影響

在空間頻率達到奈奎斯特頻率 $f_N$ 的 60% 至 90% 區間內，采樣相位的微小變化會引發MTF的明顯波動。例如，在${\theta }_e=\pi \mathrm{/}2$（即相位錯位）時，系統調制度大幅下降，造成MRTD顯著劣化。實際測試中發現，動態成像情況下（如目標移動或掃描），可通過過采樣效應緩解該問題，提高圖像解析力。

圖1展示了靜態與動態測試條件下MRTD結果的對比，驗證了運動目標對于分辨率的改善作用。

三、Inframet DT系統在MRTD測試中的應用實踐

（1）系統配置靈活，覆蓋多種測試需求

Inframet DT系列采用模塊化結構，支持準直器、旋轉靶輪、差分黑體、采集卡等部件組合，滿足MRTD、NETD、MTF等二十余項關鍵指標測試。其核心特點包括：

• 多種規格準直器支持：如DT30300（焦距300 cm，孔徑30 cm）適用于典型實驗室場景，滿足長焦測試需求。

• 動態測試功能完備：通過FRW靶輪與BOFOC調焦機構實現目標模擬運動，滿足動態MRTD測試要求，適用于采樣相位敏感頻段的性能驗證。

（2）應對采樣相位誤差的關鍵技術措施

• 靶標相位調控機制：利用可調旋轉靶輪（如MENU或FRW）動態控制條紋靶標的相位，優化在0.6~0.9 $f_N$ 區間的MRTD表現，減小測量偏差。

• 虛擬MRTD算法（VirtMRTD）：采用計算機模擬與半自動判讀方式，避免人眼差異造成的主觀誤差，提高測試一致性與效率。

（3）環境適應性與功能擴展

• 環境溫控能力強：支持恒溫室測試環境，穩定性優于±1℃，滿足如25℃、50%濕度等精密測試條件。

• 雙黑體兩點NUC測試：內置差分校準機制，補償圖像非均勻性，降低NETD變化影響，提高MRTD數據的穩定性。

四、實驗驗證：理論分析與系統實測的一致性

以某多波段紅外成像系統為例，利用DT系統進行MRTD測試，其結果與理論值對比如下：

• 低頻段（<0.6 $f_N$）：測試值基本與理論預測吻合，采樣相位影響較?。?/p>

• 中頻段（0.6~0.9 $f_N$）：通過相位調控與動態目標模擬，MRTD誤差從2.0 K顯著降低至0.6 K；

• 高頻段（>0.9 $f_N$）：相位外采樣干擾嚴重，需通過過采樣與圖像增強技術優化成像質量。

圖2展示了不同頻段下測試值與理論值的差異，并驗證了Inframet系統在中頻段的性能補償能力。

五、結論與建議

（1）研究結論

Inframet DT測試系統通過模塊化設計、采樣相位調節與動態目標模擬等手段，有效應對了MRTD測試中頻率敏感區間帶來的精度問題，尤其在0.6~0.9 $f_N$區間展現出優異的調控能力。輔以VirtMRTD與兩點NUC等技術，系統整體測試結果穩定、可重復性強，具備廣泛推廣價值。

（2）應用建議

• 測試系統選型建議：根據被測設備的分辨能力，選擇相匹配的準直器組合（如SR/HR/UR/XR等級），確保靶標質量；

• 測試流程優化建議：靜態測試中應調整靶標相位，動態測試則配合目標運動模擬，保障覆蓋所有頻段；

• 未來發展方向：建議進一步探索基于機器視覺的MRTD自動評估方法，提升測試智能化與效率水平。