Los Criterios de Johnson para imagen térmica son un método práctico para estimar si un sistema de imagen infrarroja ofrece suficiente detalle espacial para detectar, reconocer o identificar un blanco a una distancia determinada. Se utilizan mucho en las primeras fases de diseño EO/IR porque relacionan formato del detector, pitch de píxel, distancia focal, campo de visión, tamaño del blanco y calidad de imagen con una pregunta operativa: ¿qué puede distinguir realmente el usuario en la imagen? Para ingenieros OEM, los Criterios de Johnson deben tratarse como un modelo de cribado de alcance, no como una garantía de rendimiento en campo. El resultado real también depende del contraste térmico, la atmósfera, la óptica, el procesamiento de señal, las condiciones de visualización, el movimiento y el observador o algoritmo que interpreta la imagen.
¿Cómo funcionan los Criterios de Johnson para imagen térmica?
Los Criterios de Johnson se basan en el número de pares de líneas resolubles a través de la dimensión crítica de un blanco. Un par de líneas es un ciclo claro-oscuro. En términos de imagen, representa una medida de frecuencia espacial: cuantos más ciclos resolubles haya sobre el blanco, más estructura estará disponible para que el observador o el algoritmo clasifique el objeto.
La “dimensión crítica” suele ser la dimensión menor o la más relevante para la tarea. Para una persona de pie, en algunos cálculos se usa la altura, pero el ancho de hombros o del torso puede ser más conservador cuando la tarea es identificación. Para vehículos, la dimensión relevante puede ser el ancho, la altura o un aspecto definido del blanco según el ángulo de observación. Esta definición debe fijarse antes de comparar módulos o lentes.
Los umbrales de Johnson citados con más frecuencia son aproximaciones para una probabilidad de alrededor del 50% bajo supuestos controlados. La detección requiere aproximadamente 1 par de líneas sobre el blanco; el reconocimiento, alrededor de 4 pares; y la identificación, aproximadamente 6,4 pares. Con muestreo ideal, un par de líneas requiere dos píxeles, por lo que estos valores suelen convertirse en unos 2, 8 y 13 píxeles sobre la dimensión crítica del blanco. Algunos modelos de compra o de aplicación emplean valores más conservadores, por ejemplo recuentos de píxeles más altos para reconocimiento o identificación. La convención exacta importa: una estimación de alcance basada en 13 píxeles para identificación no es directamente comparable con otra basada en 24 píxeles.
La relación geométrica básica es sencilla. El campo de visión instantáneo, o IFOV, es aproximadamente el pitch de píxel dividido por la distancia focal. Los píxeles sobre el blanco se calculan como el tamaño del blanco dividido por la distancia y, después, dividido por el IFOV. Reordenado, el alcance es aproximadamente el tamaño del blanco dividido por el recuento de píxeles requerido y por el IFOV. Por eso la distancia focal y el pitch de píxel suelen influir más en el alcance DRI que el formato del detector por sí solo.
¿Qué parámetros determinan el alcance DRI de una cámara térmica?
El alcance de detección, reconocimiento e identificación depende de geometría y contraste. La geometría determina cuántos píxeles o pares de líneas caen sobre el blanco. El contraste determina si esos píxeles contienen información útil por encima del ruido y del desenfoque. Una cámara térmica con suficientes píxeles sobre el blanco puede fallar si el blanco tiene casi la misma temperatura aparente que el fondo, si la absorción atmosférica reduce el contraste o si la óptica y el procesamiento eliminan el detalle espacial necesario.
Los primeros parámetros geométricos son resolución del detector, pitch de píxel, distancia focal y campo de visión. Un detector 1280×1024 puede ofrecer un campo de visión más amplio con el mismo muestreo angular, o un muestreo más fino con el mismo campo de visión, según la lente. Un detector 640×512 con una distancia focal larga puede superar el rendimiento DRI de largo alcance de un detector de mayor resolución con una lente corta. En diseños LWIR compactos no refrigerados, módulos como SPECTRA L06 640×512 LWIR 12μm se evalúan normalmente ajustando las opciones de lente al tamaño de blanco y al campo de observación requeridos.
El segundo grupo de parámetros es la calidad de imagen. La función de transferencia de modulación, la estabilidad de enfoque, la transmisión de la lente, el número f, el NETD del detector, la corrección de no uniformidad, la sustitución de píxeles defectuosos, el realce, el filtrado temporal y la compresión pueden cambiar el detalle efectivo disponible en la pantalla o en la entrada del algoritmo. Métodos de respuesta de frecuencia espacial como los tratados en ISO 12233:2024 son referencias útiles para razonar sobre nitidez medida, aunque los cálculos Johnson en sistemas térmicos también requieren supuestos específicos de contraste y sensibilidad IR.
El tercer grupo es radiométrico y ambiental. El alcance DRI térmico suele asumir una diferencia de temperatura entre blanco y fondo, una atmósfera definida, humedad, longitud de trayectoria y, a veces, un blanco estándar. Las bandas MWIR y LWIR se ven afectadas de forma distinta por las condiciones atmosféricas y la emisión del blanco. Los módulos MWIR refrigerados, como SPECTRA M12 1280×1024 Cooled MWIR, se consideran con frecuencia cuando el contraste a larga distancia, el bajo ruido y los campos estrechos son más importantes que tamaño, coste o potencia del refrigerador.
Criterios de Johnson vs DRI: diferencias clave
DRI describe la tarea. Los Criterios de Johnson ofrecen una forma de estimar el muestreo espacial necesario para esa tarea. Detección significa que el usuario puede determinar que hay un objeto presente. Reconocimiento significa que puede clasificarlo, por ejemplo como persona, vehículo o embarcación. Identificación significa que puede determinar un tipo más específico o confirmar la identidad del blanco al nivel exigido por la aplicación.
La distinción es importante porque las cifras DRI en fichas técnicas pueden parecer precisas y, aun así, ocultar supuestos muy distintos. Un alcance de detección declarado está incompleto si no se conocen tamaño del blanco, contraste térmico, nivel de probabilidad, modelo atmosférico, lente, frecuencia de imagen, procesamiento de visualización y criterio aplicado. Un “alcance de detección de vehículo” basado en un blanco grande y de alto contraste no debe aplicarse sin más a una persona parcialmente oculta o a un objeto de bajo contraste cerca del horizonte.
Tampoco conviene confundir los Criterios de Johnson con un modelo completo de percepción humana. El método original es una aproximación basada en detalle espacial. No modela completamente forma del blanco, clutter, movimiento, tiempo de búsqueda, tamaño de pantalla, entrenamiento del operador, mejora de imagen ni tasa de falsas alarmas. Modelos más avanzados de adquisición de blancos pueden incorporar ruido tridimensional, MTF del sistema, características de visualización y probabilidad de tarea con más detalle; una referencia histórica útil es la revisión de modelado de adquisición de blancos en sistemas infrarrojos publicada en IEEE Sensors Journal.
Para sistemas con IA se aplica la misma cautela. Un detector neuronal puede operar por debajo de umbrales tradicionales de reconocimiento humano para ciertos blancos si fue entrenado con imágenes similares, pero también puede fallar por cambio de dominio, meteorología, artefactos de compresión o ángulos de aspecto poco habituales. Sistemas como NEXUS LV0619B AI multi-band Ethernet/SDI deben evaluarse combinando análisis geométrico de píxeles sobre blanco y métricas de detección basadas en conjuntos de datos representativos.
Cuándo usar Criterios de Johnson en módulos LWIR, MWIR y multibanda
Los Criterios de Johnson son útiles en las fases de concepto y arquitectura para sistemas LWIR, MWIR, SWIR, visibles y fusionados, pero la interpretación cambia según la banda. En LWIR, los microbolómetros no refrigerados suelen elegirse para imagen pasiva día-noche, menor potencia, integración más simple y aplicaciones de volumen sensibles al coste. La decisión de diseño suele equilibrar campo de visión, tamaño de lente, alcance y sensibilidad térmica. El análisis Johnson permite ver rápidamente si una combinación lente-detector tiene muestreo suficiente antes de realizar un modelado térmico más profundo.
En MWIR refrigerado, los Criterios de Johnson se usan a menudo para vigilancia de mayor alcance, cargas útiles aerotransportadas y sistemas EO/IR estabilizados. Los sensores MWIR pueden ofrecer alta sensibilidad y fuerte contraste en muchos escenarios, especialmente con detectores refrigerados y óptica adecuada. La contrapartida está en potencia del refrigerador, tiempo de arranque, envolvente mecánica, coste y ciclo de vida. En estos sistemas, el cálculo Johnson es solo la primera puerta: MTF óptica, vibración, residuos de estabilización, transmisión atmosférica y control de enfoque pueden dominar el alcance real.
En sistemas multibanda, el análisis Johnson debe realizarse por separado para cada canal de imagen y luego interpretarse a nivel de sistema fusionado. Los canales visibles o SWIR pueden aportar textura, marcas y bordes que no aparecen en la imagen térmica, mientras que LWIR o MWIR pueden aportar contraste cuando la iluminación visible es deficiente. Un módulo dual como FUSION LV1225A 1280×1024+2560×1440 exige atención a precisión de registro, latencia, coincidencia de campo de visión y forma de mostrar o procesar la imagen fusionada. La fusión puede mejorar la comprensión del operador, pero no elimina la necesidad de muestreo suficiente en el canal que contiene la evidencia del blanco.
Cómo deben usar los OEM los Criterios de Johnson para seleccionar módulos
Los OEM deberían usar los Criterios de Johnson como filtro de ingeniería antes de comprometerse con un detector, una lente y una arquitectura de procesamiento. El primer paso es definir el conjunto de blancos, incluidas dimensiones físicas, ángulos de aspecto, supuestos de contraste térmico, probabilidad requerida y significado exacto de detección, reconocimiento e identificación para el producto. El segundo paso es calcular píxeles sobre blanco con distintas distancias focales y pitches de detector. El tercero es aplicar márgenes de calidad de imagen y entorno, en lugar de tratar el alcance geométrico como el alcance entregado del producto.
La conclusión práctica es que la selección de módulo debe basarse en la cadena completa de imagen, no solo en la resolución del detector. El módulo OEM adecuado es el que cumple la tarea de adquisición de blancos con margen y, al mismo tiempo, satisface restricciones de interfaz, latencia, mecánica, potencia, radiometría, software y producción. Los Criterios de Johnson ayudan a reducir opciones; las imágenes de campo y la validación específica de la aplicación confirman la elección final.
FAQ: Criterios de Johnson para imagen térmica
¿Cuántos píxeles se necesitan para identificar a una persona con una cámara térmica?
Una estimación común basada en Johnson es de unos 13 píxeles sobre la dimensión crítica del blanco para identificación bajo supuestos idealizados. En sistemas reales pueden necesitarse más píxeles porque la persona puede estar parcialmente oculta, observarse desde un ángulo desfavorable, mezclarse con el clutter o tener una temperatura aparente cercana al fondo.
¿Por qué dos cámaras térmicas con la misma resolución tienen alcances DRI distintos?
La resolución solo describe el formato del detector. El alcance DRI también depende de pitch de píxel, distancia focal, calidad de lente, transmisión óptica, enfoque, sensibilidad del detector, procesamiento de imagen, contraste del blanco y condiciones atmosféricas. Una cámara 640×512 con lente estrecha puede colocar más píxeles sobre un blanco distante que una 1280×1024 con gran angular.
¿Pueden los Criterios de Johnson predecir el alcance nocturno?
Pueden estimar el muestreo espacial requerido por la noche porque la imagen térmica no depende de iluminación visible. Sin embargo, el cálculo sigue necesitando contraste térmico entre blanco y fondo y supuestos ambientales. El alcance nocturno puede mejorar o empeorar según temperatura del blanco, fondo, humedad, lluvia, niebla y longitud de trayectoria atmosférica.
¿Siguen siendo útiles los Criterios de Johnson en imagen térmica con IA?
Sí. Siguen siendo una referencia base para comprobar si la imagen contiene suficiente información espacial. Los modelos de IA también necesitan píxeles, contraste y calidad de imagen estable. El rendimiento final debe medirse con datasets representativos, incluyendo falsas alarmas, detecciones perdidas, meteorología, aspecto del blanco, distancia y ajustes de procesamiento del sensor.
