本发明涉及烟幕干扰效能评估领域，具体涉及一种烟幕红外干扰效能获取方法。
背景技术：
目前，外场环境下烟幕红外干扰效能的评估手段比较凌乱，许多工程上成功应用的经验没有得到总结和升华，大大制约了烟幕武器的研制和发展。现有技术中，烟幕干扰效能获取方法可分为实验测试评价法和理论计算评价法两类。
实验测定法按试验环境条件可分为实验室烟幕箱评价方法、中小型风洞评价方法和外场评价方法三种。实验室烟幕箱评价方法具有可人为控制环境条件、测试项目较多和方便重复测试等优点，所以在烟幕药剂的配方设计中被较多采用。但是存在由于测试时温度、湿度、风力、风向等环境条件无法人为控制，而且测试使用的发烟剂量大，烟幕覆盖范围宽、扩散快，导致数据重复性差。这种方法费时费力，尤其是在高原低压低氧环境下，大量布置外场靶标对试验人员造成了很大的负担。
现有技术中，烟幕干扰效能的评估方法主要分为三类：一是探测器阵列高速扫描测试法。该方法的优点在于可以捕获外场大面积的烟幕分布情况，采集宽范围的烟幕数据信息。但该方法的问题是试验成本较高，难度较大，对探测器阵列扫描机制的稳定运行提出了很高的要求。二是利用成像设备对烟幕干扰效能进行评估。该方法通过对比烟幕遮蔽前后成像设备所接受到的目标辐射信息变化，对烟幕的干扰效果进行定性评估，优点是简单直观易操作，缺点是局限性大，仅仅针对某一种类成像设备仪器，无法客观真实地评估烟幕对所有仪器的干扰效果。三是采用计算机图像处理的方法对烟幕干扰效能进行评估。但是该方法更侧重烟幕干扰后对图像信息处理的影响，而对烟幕本身特性参数的考虑不够全面。
因此，需要提出一种新的基于灰度图像的烟幕干扰效能获取方法。
技术实现要素：
本发明的目的在于提供一种烟幕干扰效能获取方法，以解决现有技术中存在的问题中的至少一个；
为达到上述目的，本发明采用下述技术方案：
本发明提供一种烟幕干扰效能获取方法，包括：
分别获取测试场景在无烟幕环境下的第一红外图像和在烟幕环境下的第二红外图像；
基于所述第一红外图像生成第一靶标阵列并基于所述第二红外图像生成第二标靶阵列；
基于所述第一红外图像、所述第二红外图像、所述第一靶标阵列和第二靶标阵列生成计算模型，并计算烟幕有效遮蔽面积，以获取烟幕干扰效能。
可选地，所述基于所述第一红外图像生成第一靶标阵列并基于所述第二红外图像生成第二标靶阵列进一步包括：利用图像二值化方法，基于所述第一红外图像生成第一靶标阵列并基于所述第二红外图像生成第二标靶阵列。
可选地，所述基于所述第一红外图像、所述第二红外图像、所述第一靶标阵列和第二靶标阵列生成计算模型，并计算烟幕有效遮蔽面积进一步包括：
基于所述第一红外图像获取第一总辐射亮度、第一前景辐射亮度和第一背景辐射亮度，并基于所述第一靶标阵列获取第一总灰度和第一背景灰度；
基于所述第二红外图像获取第二总辐射亮度、第二前景剩余辐射亮度、第二背景剩余辐射亮度和第二烟幕剩余辐射亮度，并基于所述第二靶标阵列获取第二总灰度和第二背景烟幕灰度；
基于所述第一总辐射亮度、第一前景辐射亮度、第一背景辐射亮度、第二总辐射亮度、第二前景剩余辐射亮度、第二背景剩余辐射亮度和第二烟幕剩余辐射亮度，生成烟幕红外透过率的第一计算模型；
将所述第一计算模型中的第一总辐射亮度替换为第一总灰度、第一计算模型中的第一背景辐射亮度替换为第一背景灰度、第一计算模型中的第二总辐射亮度替换为第二总灰度以及将所述第一计算模型中的二背景烟幕辐射亮度替换为第二背景烟幕灰度，生成烟幕红外透过率的第二计算模型；
基于所述第一红外图像、所述第二红外图像和第二计算模型，计算烟幕有效遮蔽面积。
可选地，所述计算烟幕有效遮蔽面积进一步包括：
基于所述第一红外图像获取第一红外图像几何图像，并基于所述第二红外图像获取第二红外图像几何图像；
基于第一红外图像几何图像和所述第二红外图像几何图像确定烟幕几何图像；
基于所述第二计算模型确定所述烟幕几何图像中每个像素点的烟幕透过率；
将每个像素点的烟幕透过率与预设烟幕透过率阈值比较，并累加所述每个像素点透过率值小于所述预设透过率阈值时的烟幕有效干扰像素点总数nep；
基于用于采集第一红外图像和第二红外图像的红外热像仪的空间分辨率和测试距离，确定的所述第二目标图像几何图像中的所述每个像素点对应的实际面积spi；
基于所述有效干扰像素点总数nep和所述每个像素点对应的所述实际面积nep确定烟幕有效干扰面积。
可选地，所述基于第一红外图像几何图像和所述第二红外图像几何图像确定烟幕几何图像进一步包括：利用背景差分法，基于所述第一目标图像几何图像和所述第二目标图像几何图像确定所述烟幕几何图像。
可选地，所述第一计算模型计算公式为：
其中：τs1为第一计算模型的烟幕红外透过率；l1为第一总辐射亮度；lsur为第一背景辐射亮度；l2为第二总辐射亮度；lsur smk为第二背景烟幕辐射亮度。
可选地，所述第二计算模型计算公式为：
其中：τs2为第二计算模型的烟幕红外透过率；g1为第一总灰度；gsur为第一背景灰度；g2为第二总灰度；gsur smk为第二背景烟幕灰度。
本发明的有益效果如下：
本发明将计算机图像处理的方式应用到外场烟幕干扰效能评估中，建立了基于红外图像的烟幕干扰效能的计算模型，实现了外场试验靶标的精确评估，具有获取的烟幕干扰效能精度高，简单易操作，具有客观真实且全面评估烟幕干扰效能等优点。
附图说明
下面结合附图对本发明的具体实施方式作进一步详细的说明。
图1示出本发明实施例提供的烟幕干扰效能获取方法的流程图；
图2示出本发明实施例提供的第一标靶阵列的示意图：
图3示出本发明实施例提供的第二标靶阵列的示意图；
图4示出本发明实施例提供的第二计算模型的流程图；
图5示出本发明实施例提供的背景差分法提取的烟幕几何图像；
图6示出本发明实施例提供的计算有效干扰像素点总数的流程图。
具体实施方式
为了更清楚地说明本发明，下面结合优选实施例和附图对本发明做进一步的说明。附图中相似的部件以相同的附图标记进行表示。本领域技术人员应当理解，下面所具体描述的内容是说明性的而非限制性的，不应以此限制本发明的保护范围。
如图1所示，本发明的一个实施例公开了一种烟幕干扰效能获取方法，包括：
s1、分别获取测试场景在无烟幕环境下的第一红外图像和在烟幕环境下的第二红外图像；
s2、基于所述第一红外图像生成第一靶标阵列并基于所述第二红外图像生成第二标靶阵列；
s3、基于所述第一红外图像、所述第二红外图像、所述第一靶标阵列和第二靶标阵列生成计算模型，并计算烟幕有效遮蔽面积，以获取烟幕干扰效能。
本发明将计算机图像处理的方式应用到外场烟幕干扰效能评估中，并结合外场烟幕红外图像的特点，根据红外成像探测器原理，建立基于红外图像的烟幕干扰效能的计算模型，实现了外场试验靶标的精确定位，提高了评估烟幕干扰效能的精度。
在本实施例的一些可选地实现方式中，基于所述第一红外图像生成第一靶标阵列并基于所述第二红外图像生成第二标靶阵列进一步包括：利用图像二值化方法，基于所述第一红外图像生成第一靶标阵列并基于所述第二红外图像生成第二标靶阵列。
在一个具体示例中，第一红外图像和第二红外图像可以通过红外热像仪获取。在无烟幕干扰情况下，红外热像仪所呈现的第一红外图像仅包含靶标阵列与背景。将靶标阵列认为是图像中感兴趣的前景信息，处理器将前景与背景进行分割则可以得到靶标阵列。在烟幕干扰情况下，红外热像仪所呈现的第二红外图像还包括烟幕。
图像的二值化处理是针对灰度图像的一种处理方法，通过适当的阈值选取，将一幅灰度级范围在0～255的灰度图像变换成只有0和1两个灰度级的黑白图像(二值图像)，更好地为边缘提取、图像分割、目标识别等后续处理服务。
在本实施例的一些可选地实现方式中，s3、基于所述第一红外图像、所述第二红外图像、所述第一靶标阵列和第二靶标阵列生成计算模型，并计算烟幕有效遮蔽面积进一步包括：
s31、基于所述第一红外图像获取第一总辐射亮度、第一前景辐射亮度和第一背景辐射亮度，以及基于所述第一靶标阵列获取第一总灰度和第一背景灰度；
s32、基于所述第二红外图像获取第二总辐射亮度、第二前景剩余辐射亮度、第二背景剩余辐射亮度和第二烟幕剩余辐射亮度，并基于所述第二靶标阵列获取第二总灰度和第二背景烟幕灰度；
步骤s31-s32中，本发明实施例将计算机图像处理的方法应用到外场烟幕干扰效能评估领域，实现了从红外图像中对灰度信息进行提取的目的。
s33、所述第一总辐射亮度、第一前景辐射亮度、第一背景辐射亮度、第二总辐射亮度、第二前景剩余辐射亮度、第二背景剩余辐射亮度和第二烟幕剩余辐射亮度，生成烟幕红外透过率的第一计算模型；
在一个具体示例中，红外探测器探测烟幕干扰前和烟幕干扰后的辐射亮度数据，红外热像仪生成无烟幕环境下的第一红外图像和烟幕环境下的第二红外图像，服务器获取红外探测器探测输出的数据和红外热像仪生成第一红外图像以及第二红外图像，并基于第一红外图像和第二红外图像分别生成第一靶标阵列和第二靶标阵列，并利用服务器的图片处理模式获取上述需要的数据。
在一个具体示例中，烟幕干扰前，红外探测器在光路上接收到的靶标和背景总辐射亮度，即第一总辐射亮度为l1，单位w·m-2·sr-1；
烟幕干扰前，红外探测器在光路上接收到靶标的红外辐射亮度，即第一前景辐射亮度为ltar，单位w·m-2·sr-1；
烟幕干扰前，红外探测器接收背景的红外辐射亮度，即第一背景辐射亮度为lsur，单位w·m-2·sr-1；
烟幕干扰后，红外探测器在光路上接收到靶标、烟幕和背景的总红外辐射亮度，即第二总辐射亮度l2，单位w·m-2·sr-1；
烟幕干扰后，红外探测器接收到靶标剩余辐射亮度，即第二前景剩余辐射亮度为l'tar，单位w·m-2·sr-1；
红外探测器接收到背景的辐射亮度，第二背景剩余辐射亮度为l'sur，单位w·m-2·sr-1；
红外探测器接收到烟幕的红外辐射亮度，第二烟幕剩余辐射亮度为lsmk，单位w·m-2·sr-1。
由于第一总辐射亮度为l1、第一前景辐射亮度为ltar和第一背景辐射亮度为lsur存在以下关系：
l1＝ltar lsur(1)；
以及，第二总辐射亮度l2、第二前景剩余辐射亮度为l'tar、第二背景剩余辐射亮度为l'sur和第二烟幕剩余辐射亮度为lsmk存在以下关系：
l2＝l′tar l′sur lsmk(2)
利用烟幕红外透过率的物理定义，也就是通过比较有无烟幕情况下红外探测器接收到的靶标自身辐射亮度的变化计算烟幕的红外透过率生成上述数据的关系式，即：
式中，τs为烟幕的红外透过率；分子l'tar为有烟幕时探测器接收到的靶标辐射亮度，单位w·m-2·sr-1；分母ltar为无烟幕时探测器接收到的靶标辐射亮度，单位w·m-2·sr-1。
将式(1)、式(2)代入式(3)，可得外场烟幕红外透过率测试公式：
由于烟幕干扰后，靶标周围的背景和烟幕区域位置会产生重叠，因此将烟幕干扰后，将第二背景剩余辐射亮度和第二烟幕剩余辐射亮度为lsmk当成一个整体，对式(4)进行变形可得外场试验中，生成烟幕红外透过率的第一计算模型如下：
式中：lsur smk代表烟幕干扰后，红外探测器接收到背景和烟幕的辐射亮度，定义为第二背景烟幕辐射亮度。
s34、将所述第一计算模型中的第一总辐射亮度替换为第一总灰度、第一计算模型中的第一背景辐射亮度替换为第一背景灰度、第一计算模型中的第二总辐射亮度替换为第二总灰度以及将所述第一计算模型中的二背景烟幕辐射亮度替换为第二背景烟幕灰度，生成烟幕红外透过率的第二计算模型；
根据推导得到的图像灰度与靶标辐射亮度成线性关系，可以推导得出基于灰度的生成烟幕红外透过率的第二计算模型：
式中：(1)烟幕干扰前，红外图像中显示的靶标和背景的总灰度，即第一总灰度为g1；
(2)烟幕干扰前，红外图像中显示的背景灰度，即第一背景灰度为gsur；
(3)烟幕干扰后，红外图像中显示的靶标、背景和烟幕的总灰度，即第二总灰度为g2；
(4)烟幕干扰后，红外图像中显示的背景和烟幕的灰度值，即第二背景烟幕灰度为gsur smk。
因此，只要能够在第一红外图像和第二红外图像中准确提取式(6)中的4项参数，即可实现通过红外热像仪输出的第一红外图像和第二红外图像对烟幕透过率进行精确计算的目的。
在一个具体示例中，通过第二计算模型的第一总灰度和第一背景灰度即可确定无烟幕环境下靶标的自身灰度；以及通过第二模型的第二总灰度和第二背景烟幕灰度即可确定烟幕环境下，多个不同帧数下第二红外图像中靶标的剩余自身灰度。
对以上推导的烟幕透过率的第二计算模型进行分析，式中分母中的g1和gsur分别为无烟幕干扰情况下在第一红外图像中靶标和背景的第一总灰度以及第一背景灰度，对无烟幕干扰情况下的第一红外图像首帧图像进行g1和gsur的灰度提取，并将二者的灰度作差值处理，即可得到该靶标在无烟幕干扰情况下的自身灰度。由于在整个试验过程中，靶标的温度基本保持不变，使得靶标自身在图像中的灰度值保持不变，因此，只需要对首帧图像进行一次g1和gsur的灰度提取即可，并取其差值作为在整个试验过程中第二计算模型，即式(6)的分母，且分母在每帧图像烟幕透过率计算过程中保持不变。
图2为在无烟幕遮蔽情况下，g1和gsur的灰度提取示意图。图中大圆点代表靶标点，较小圆点代表靶标周围的背景点。如图2所示，烟幕干扰前红外图像中靶标和背景的第一总灰度g1，可以根据图中大圆点靶标点的坐标信息，提取该像素点在红外图像中的灰度值进行表示；烟幕干扰前红外图像中靶标附近背景的第一背景灰度gsur，则是根据图中靶标周围小圆点背景点的坐标信息，利用一点或者多点背景点在红外图像中的平均灰度值进行近似处理。
同样根据透过率计算表达式(6)，式中分子部分g2和gsur smk分别为烟幕干扰情况下当前帧红外图像中靶标、背景和烟幕的第二总灰度以及第二烟幕背景灰度，对有烟幕干扰情况下的当前帧图像进行g2和gsur smk的灰度提取，并将二者的灰度作差值处理，可得到当前帧烟幕干扰下靶标剩余的自身灰度，即为当前帧透过率计算表达式(6)中的分子。因此，每帧图像中式(6)中的分子会由于烟幕的干扰情况不同而产生变化。
图3为在有烟幕干扰情况下，g2和gsur smk的灰度提取示意图。同样，较大圆点代表靶标点，较小圆点代表靶标周围的背景点。如图3所示，烟幕干扰后第二红外图像中显示的靶标、烟幕和背景的第二总灰度g2，可以直接根据图中较大靶标点的坐标信息，提取该像素点在红外图像中的灰度值进行表示；烟幕干扰后的第二红外图像中显示的背景与烟幕的灰度即为第二背景烟幕灰度gsur smk，则是根据图中靶标周围较小背景点的坐标信息，利用一点或者多点背景点在红外图像中的平均灰度值进行近似处理。针对每帧烟幕干扰时的第二红外图像，提取公式分子部分g2和gsur smk，并结合在无烟幕干扰情况下第一红外图像的首帧图像提取的g1和gsur，共同代入烟幕红外透过率表达式(6)，即可计算得到每帧图像中该靶标位置处的烟幕红外透过率的第二计算模型。图4示出了烟幕红外透过率的第二计算模型的生成流程。
s35、基于所述靶标阵列、所述第一红外图像和所述第二红外图像和第二计算模型，计算烟幕有效遮蔽面积。
在本实施例的一些可选方式中，s35进一步包括：
s351、基于所述第一红外图像获取第一红外图像几何图像，和基于所述第二红外图像获取第二红外图像几何图像；
在本实施例的一些可选方式中，如图5所示，通过背景差分法基于所述第一目标图像几何图像(图中未示出)和所述第二目标图像几何图像确定所述烟幕几何图像。运动目标检测的方法应用于运动烟幕的几何形状提取中，结合烟幕运动的特点，选择背景差分法可以有效地提取烟幕的几何轮廓。通过运动目标提取方法，可以获得烟幕在第二红外图像的每帧图像中的几何形状，该几何形状所代表的实际面积即在红外成像系统中人眼可见的烟幕红外几何面积。但是，由于烟幕透过率的不均匀分布，导致烟幕红外几何面积中会包含一部分无法满足透过率要求的面积。因此，要将不满足烟幕透过率的部分面积从几何面积中扣除。
s352、基于第一红外图像几何图像和所述第二红外图像几何图像确定烟幕几何图像；
s353、基于所述第二计算模型确定所述烟幕几何图像中每个像素点的烟幕透过率；
s354、将每个像素点的烟幕透过率与预设烟幕透过率阈值比较，并累加所述每个像素点透过率值小于所述预设透过率阈值时的烟幕有效干扰像素点总数nep；
s355、基于用于采集红外图像的红外热像仪的空间分辨率和测试距离，确定的所述第二目标图像几何图像中的所述每个像素点对应的实际面积spi；
s356、基于所述有效干扰像素点总数nep和所述每个像素点对应的所述实际面积spi确定烟幕有效干扰面积。
在一个具体示例中，根据烟幕有效干扰面积的定义，只有烟幕透过率小于输入透过率阈值的情况下，该部分烟幕区域才可以产生有效的干扰效果。因此，首先建立与透过率分布矩阵具有相同维数p×q的有效干扰像素点矩阵；然后利用输入的烟幕透过率阈值与烟幕云团透过率分布矩阵中每个像素点的透过率值依次进行比较，若该像素点的透过率值小于透过率阈值，则该像素点被定义为有效干扰像素点，令其在矩阵中赋值为1；若该像素点烟幕透过率值大于烟幕透过率阈值，则该像素点被定义为无效干扰像素点，令其在矩阵中赋值为0；最后对维数p×q有效干扰像素点矩阵中为1的值进行累加，得到烟幕轮廓中有效干扰像素点的总数nep。有效干扰像素点总数nep的程序流程图如图6所示。
于是，只需求出在红外图像中每个像素点所代表的实际面积spi，将二者进行乘法运算，即可得到烟幕的有效干扰面积。下面根据红外热像仪空间分辨率的定义，推导红外图像中单个像素点代表的实际面积spi。
在红外热像仪各项性能指标中，空间分辨率(ifov)指的是红外热像仪能够识别的两个相邻目标间的最小距离。红外热像仪的空间分辨率决定着热像仪成像的清晰度，其表达的含义是热像仪所能测量的目标最小尺寸，其大小与光学像质、焦距和红外探测器的线性尺寸息息相关。根据定义，红外热像仪空间分辨率的计算方法如下：
式中：d表示热像仪的空间分辨率，d表示热像仪最小像元间距，f表示热像仪镜头焦距，lp表示单位像元对应的实际测量尺寸，rs表示实际测试距离。
由(8)进行变换，得到：
将红外热像仪每一个观察像素点像元近似成一个正方形，则可以得到单个像素点在指定距离下测量得到的实际面积spi为：
最后，将式(10)求解得到红外热像仪每个像素点代表的测试实际面积spi，与烟幕有效干扰像素点总数nep，两者相乘即可求解得到该时刻烟幕有效干扰面积sesa如下：
综上，通过上述生成的烟幕红外透过率的第二计算模型以及计算烟幕有效干扰面积可有效对烟幕干扰效能进行评估。本发明实施例实现了通过图像处理方法提取无烟幕环境下的第一红外图像和烟幕环境下的第二红外图像的图像辐射亮度信息和灰度信息，进一步通过上述信息生成计算烟幕透过率的两种计算模型以及提出了烟幕有效遮蔽面积的计算方式，具有烟幕干扰效能评估精度高，简单易操作，具有客观真实且全面评估烟幕干扰效能等优点。
还需要说明的是，在本发明的描述中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定，对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动，这里无法对所有的实施方式予以穷举，凡是属于本发明的技术方案所引伸出的显而易见的变化或变动仍处于本发明的保护范围之列。
1.一种烟幕干扰效能获取方法，其特征在于，包括：
分别获取测试场景在无烟幕环境下的第一红外图像和在烟幕环境下的第二红外图像；
基于所述第一红外图像生成第一靶标阵列并基于所述第二红外图像生成第二标靶阵列；
基于所述第一红外图像、所述第二红外图像、所述第一靶标阵列和第二靶标阵列生成计算模型，并计算烟幕有效遮蔽面积，以获取烟幕干扰效能。
2.根据权利要求1所述的方法，其特征在于，所述基于所述第一红外图像生成第一靶标阵列并基于所述第二红外图像生成第二标靶阵列进一步包括：利用图像二值化方法，基于所述第一红外图像生成第一靶标阵列并基于所述第二红外图像生成第二标靶阵列。
3.根据权利要求1所述的方法，所述基于所述第一红外图像、所述第二红外图像、所述第一靶标阵列和第二靶标阵列生成计算模型，并计算烟幕有效遮蔽面积进一步包括：
基于所述第一红外图像获取第一总辐射亮度、第一前景辐射亮度和第一背景辐射亮度，并基于所述第一靶标阵列获取第一总灰度和第一背景灰度；
基于所述第二红外图像获取第二总辐射亮度、第二前景剩余辐射亮度、第二背景剩余辐射亮度和第二烟幕剩余辐射亮度，并基于所述第二靶标阵列获取第二总灰度和第二背景烟幕灰度；
基于所述第一总辐射亮度、第一前景辐射亮度、第一背景辐射亮度、第二总辐射亮度、第二前景剩余辐射亮度、第二背景剩余辐射亮度和第二烟幕剩余辐射亮度，生成烟幕红外透过率的第一计算模型；
将所述第一计算模型中的第一总辐射亮度替换为第一总灰度、第一计算模型中的第一背景辐射亮度替换为第一背景灰度、第一计算模型中的第二总辐射亮度替换为第二总灰度以及将所述第一计算模型中的二背景烟幕辐射亮度替换为第二背景烟幕灰度，生成烟幕红外透过率的第二计算模型；
基于所述第一红外图像、所述第二红外图像和第二计算模型，计算烟幕有效遮蔽面积。
4.根据权利要求3所述的方法，其特征在于，所述计算烟幕有效遮蔽面积进一步包括：
基于所述第一红外图像获取第一红外图像几何图像，并基于所述第二红外图像获取第二红外图像几何图像；
基于第一红外图像几何图像和所述第二红外图像几何图像确定烟幕几何图像；
基于所述第二计算模型确定所述烟幕几何图像中每个像素点的烟幕透过率；
将每个像素点的烟幕透过率与预设烟幕透过率阈值比较，并累加所述每个像素点透过率值小于所述预设透过率阈值时的烟幕有效干扰像素点总数nep；
基于用于采集第一红外图像和第二红外图像的红外热像仪的空间分辨率和测试距离，确定的所述第二目标图像几何图像中的所述每个像素点对应的实际面积spi；
基于所述有效干扰像素点总数nep和所述每个像素点对应的所述实际面积nep确定烟幕有效干扰面积。
5.根据权利要求4所述的方法，其特征在于，所述基于第一红外图像几何图像和所述第二红外图像几何图像确定烟幕几何图像进一步包括：利用背景差分法，基于所述第一目标图像几何图像和所述第二目标图像几何图像确定所述烟幕几何图像。
6.根据权利要求3所述的方法，其特征在于，所述第一计算模型计算公式为：
其中：τs1为第一计算模型的烟幕红外透过率；l1为第一总辐射亮度；lsur为第一背景辐射亮度；l2为第二总辐射亮度；lsur smk为第二背景烟幕辐射亮度。
7.根据权利要求3所述的方法，其特征在于，所述第二计算模型计算公式为：
其中：τs2为第二计算模型的烟幕红外透过率；g1为第一总灰度；gsur为第一背景灰度；g2为第二总灰度；gsur smk为第二背景烟幕灰度。
技术总结