Les critères de Johnson pour l’imagerie thermique constituent une méthode pratique pour estimer si un système d’imagerie infrarouge fournit assez de détail spatial pour détecter, reconnaître ou identifier une cible à une distance donnée. Ils sont très utilisés dans les premières phases de conception EO/IR, car ils relient format détecteur, pas de pixel, focale, champ de vue, taille de cible et qualité d’image à une question opérationnelle simple : que l’utilisateur peut-il réellement distinguer dans l’image ? Pour les ingénieurs OEM, les critères de Johnson doivent être considérés comme un modèle de présélection de portée, non comme une garantie de résultat terrain. Les performances réelles dépendent aussi du contraste thermique, de l’atmosphère, de l’optique, du traitement du signal, de l’affichage, du mouvement et de l’observateur ou de l’algorithme qui interprète l’image.
Comment fonctionnent les critères de Johnson pour l’imagerie thermique ?
Les critères de Johnson reposent sur le nombre de paires de lignes résolubles sur la dimension critique d’une cible. Une paire de lignes correspond à un cycle clair-sombre. En imagerie, c’est une mesure de fréquence spatiale : plus il existe de cycles résolubles sur la cible, plus l’observateur ou l’algorithme dispose de structure pour classer l’objet.
La « dimension critique » est généralement la plus petite dimension utile ou la plus pertinente pour la tâche. Pour une personne debout, la hauteur peut être utilisée dans certains calculs, mais la largeur d’épaules ou du torse est souvent plus prudente pour l’identification. Pour un véhicule, la dimension pertinente peut être la largeur, la hauteur ou un aspect défini selon l’angle de vue. Cette définition de cible doit être fixée avant de comparer des modules ou des objectifs.
Les seuils de Johnson les plus couramment cités sont des seuils approximatifs correspondant à environ 50 % de probabilité dans des hypothèses contrôlées. La détection requiert environ 1 paire de lignes sur la cible, la reconnaissance environ 4 paires de lignes et l’identification environ 6,4 paires de lignes. Avec un échantillonnage idéal, 1 paire de lignes exige 2 pixels ; ces valeurs sont donc souvent converties en environ 2 pixels, 8 pixels et 13 pixels sur la cible. Certains modèles d’achat ou d’application utilisent des valeurs plus conservatrices, par exemple des comptes de pixels plus élevés pour la reconnaissance ou l’identification. La convention choisie est essentielle : une portée d’identification calculée avec 13 pixels n’est pas directement comparable à une portée calculée avec 24 pixels.
La relation géométrique de base est simple. Le champ de vue instantané, ou IFOV, est approximativement égal au pas de pixel divisé par la focale. Le nombre de pixels sur la cible est approximativement égal à la taille de la cible divisée par la distance, puis divisée par l’IFOV. En réarrangeant, la portée est approximativement égale à la taille de la cible divisée par le nombre de pixels requis et par l’IFOV. C’est pourquoi la focale et le pas de pixel pèsent souvent davantage sur la portée DRI que le seul format du détecteur.
Quels paramètres déterminent la portée DRI d’une caméra thermique ?
La portée de détection, reconnaissance et identification dépend à la fois de la géométrie et du contraste. La géométrie détermine combien de pixels ou de paires de lignes couvrent la cible. Le contraste détermine si ces pixels contiennent une information exploitable au-dessus du bruit et du flou. Une caméra thermique peut disposer d’assez de pixels sur cible et échouer malgré tout si la cible présente presque la même température apparente que l’arrière-plan, si l’absorption atmosphérique réduit le contraste ou si l’optique et le traitement suppriment les détails spatiaux nécessaires.
Les premiers paramètres géométriques sont la résolution du détecteur, le pas de pixel, la focale et le champ de vue. Un détecteur 1280×1024 peut offrir un champ plus large à échantillonnage angulaire identique, ou un échantillonnage plus fin à champ identique, selon l’objectif. À l’inverse, un détecteur 640×512 avec une focale longue peut dépasser la performance DRI longue distance d’un détecteur plus résolu équipé d’une focale courte. Pour les architectures LWIR non refroidies compactes, des modules comme SPECTRA L06 640×512 LWIR 12μm sont souvent évalués en associant les options d’objectif à la taille de cible et au champ de regard requis.
Le deuxième groupe de paramètres concerne la qualité d’image. Fonction de transfert de modulation, stabilité de mise au point, transmission de l’objectif, nombre f, NETD du détecteur, correction de non-uniformité, remplacement des pixels défectueux, accentuation, filtrage temporel et compression peuvent tous modifier le détail réellement disponible à l’écran ou à l’entrée d’un algorithme. Les mires de résolution et les méthodes de réponse en fréquence spatiale, comme celles couvertes par ISO 12233:2024, donnent un cadre utile pour raisonner sur la netteté mesurée, même si les calculs de Johnson appliqués aux systèmes thermiques exigent aussi des hypothèses propres à l’infrarouge en matière de contraste et de sensibilité.
Le troisième groupe est radiométrique et environnemental. La portée DRI thermique suppose souvent un écart de température cible-arrière-plan, une atmosphère définie, une humidité, une longueur de trajet et parfois une cible normalisée. Les bandes MWIR et LWIR ne réagissent pas de la même manière aux conditions atmosphériques et à l’émission des cibles. Les modules MWIR refroidis, tels que SPECTRA M12 1280×1024 Cooled MWIR, sont généralement envisagés lorsque le contraste longue distance, le faible bruit et les champs étroits priment sur l’encombrement, le coût ou la puissance du refroidisseur. Pour les bases radiométriques et la mesure thermographique, les dossiers de Techniques de l’Ingénieur sur la thermographie offrent aussi un contexte utile.
Critères de Johnson vs DRI : quelle différence ?
La DRI décrit la tâche. Les critères de Johnson fournissent une manière d’estimer l’échantillonnage spatial nécessaire pour cette tâche. La détection signifie que l’utilisateur peut établir qu’un objet est présent. La reconnaissance signifie qu’il peut classer cet objet, par exemple personne, véhicule, bateau ou animal. L’identification signifie qu’il peut déterminer un type plus précis ou confirmer l’identité de la cible au niveau exigé par l’application.
Cette distinction est importante, car les valeurs DRI de fiches techniques peuvent paraître précises tout en masquant des hypothèses différentes. Une portée de détection annoncée est incomplète si la taille de cible, le contraste thermique, le niveau de probabilité, le modèle atmosphérique, l’objectif, la fréquence image, le traitement d’affichage et le critère utilisé ne sont pas connus. Une « portée de détection véhicule » basée sur une grande cible à fort contraste ne peut pas être appliquée telle quelle à une personne partiellement occultée ou à un objet faiblement contrasté près de l’horizon.
Les critères de Johnson ne doivent pas non plus être confondus avec un modèle complet de perception humaine. La méthode d’origine est une approximation fondée sur le détail spatial. Elle ne modélise pas complètement la forme de la cible, l’encombrement visuel, le mouvement, le temps de recherche, la taille d’affichage, la formation opérateur, l’amélioration d’image ou le taux de fausses alarmes. Des modèles d’acquisition de cible plus avancés peuvent intégrer le bruit tridimensionnel, la MTF système, les caractéristiques d’affichage et la probabilité de tâche de manière plus détaillée. Malgré cela, la validation OEM d’une portée thermique a toujours besoin d’images terrain et de données propres à l’application.
Pour les systèmes avec IA, la même prudence s’applique. Un détecteur neuronal peut fonctionner sous les seuils de reconnaissance humaine traditionnels pour certaines cibles s’il a été entraîné sur des images similaires. Il peut aussi échouer en cas de changement de domaine, météo différente, artefacts de compression ou angles d’aspect inhabituels. Des systèmes tels que NEXUS LV0619B AI multi-band Ethernet/SDI doivent donc être évalués à la fois par analyse géométrique des pixels sur cible et par métriques de détection basées sur des jeux de données représentatifs.
Quand utiliser les critères de Johnson en LWIR, MWIR et multibande ?
Les critères de Johnson sont utiles aux étapes de concept et d’architecture pour les systèmes LWIR, MWIR, SWIR, visibles et fusionnés, mais leur interprétation change selon la bande spectrale. En LWIR, les microbolomètres non refroidis sont souvent choisis pour l’imagerie passive jour-nuit, la faible consommation, l’intégration simplifiée et les applications de volume sensibles au coût. Le compromis de conception porte généralement sur le champ de vue, la taille d’objectif, la portée et la sensibilité thermique. Une analyse de Johnson montre rapidement si une combinaison objectif-détecteur offre assez d’échantillonnage avant de passer à une modélisation thermique plus complète.
En MWIR refroidi, les critères de Johnson sont souvent employés pour la surveillance longue distance, les charges utiles aéroportées et les systèmes EO/IR stabilisés. Les capteurs MWIR peuvent offrir une sensibilité élevée et un fort contraste cible dans de nombreux scénarios, surtout avec des détecteurs refroidis et des optiques adaptées. Les compromis portent sur la puissance du refroidisseur, le temps de démarrage, l’enveloppe mécanique, le coût et le cycle de vie. Dans ces systèmes, le calcul de Johnson n’est que le premier filtre ; la MTF optique, les vibrations, les résidus de stabilisation, la transmission atmosphérique et le contrôle de mise au point peuvent dominer la portée réelle.
Dans les systèmes multibandes, l’analyse de Johnson doit être effectuée séparément pour chaque canal d’imagerie, puis interprétée au niveau du système fusionné. Les canaux visibles ou SWIR peuvent apporter texture, marquages et contours absents de l’image thermique, tandis que les canaux LWIR ou MWIR peuvent fournir le contraste cible lorsque l’éclairage visible est insuffisant. Un module bibande comme FUSION LV1225A 1280×1024+2560×1440 exige de surveiller la précision de recalage, la latence, la correspondance des champs de vue et la manière dont les images fusionnées sont affichées ou traitées. Une image fusionnée peut améliorer la compréhension opérateur, mais elle ne supprime pas le besoin d’un échantillonnage suffisant dans le canal qui porte la preuve de présence de la cible.
Comment les OEM doivent-ils utiliser les critères de Johnson pour choisir un module ?
Les OEM doivent utiliser les critères de Johnson comme filtre d’ingénierie avant de figer un détecteur, un objectif et une architecture de traitement. La première étape consiste à définir l’ensemble des cibles : dimensions physiques, angles d’aspect, hypothèses de contraste thermique, probabilité requise et signification exacte de détection, reconnaissance et identification pour le produit. La deuxième étape est de calculer les pixels sur cible pour les focales candidates et les pas de pixel disponibles. La troisième étape consiste à appliquer des marges de qualité d’image et d’environnement, au lieu de traiter la portée géométrique comme la portée livrée du produit.
La conclusion pratique est que la sélection d’un module doit être fondée sur toute la chaîne d’imagerie, pas uniquement sur la résolution du détecteur. Le bon module OEM est celui qui satisfait la tâche d’acquisition de cible avec marge, tout en respectant les contraintes d’interface, de latence, de mécanique, de puissance, de radiométrie, de logiciel et de production. Les critères de Johnson réduisent le champ des options ; les images terrain et la validation spécifique à l’application confirment le choix final.
FAQ : critères de Johnson pour l’imagerie thermique
Combien de pixels faut-il pour identifier un humain avec une caméra thermique ?
Une estimation courante basée sur Johnson est d’environ 13 pixels sur la dimension critique de la cible pour l’identification, dans des hypothèses idéalisées. En conditions réelles, davantage de pixels peuvent être nécessaires si la personne est partiellement occultée, vue sous un angle défavorable, noyée dans un arrière-plan encombré ou proche de l’arrière-plan en température apparente. Si l’identification implique de confirmer un équipement, une posture, un objet porté ou un comportement, le nombre de pixels requis peut être nettement plus élevé.
Pourquoi deux caméras thermiques de même résolution ont-elles des portées DRI différentes ?
La résolution n’est que le format du détecteur. La portée DRI dépend aussi du pas de pixel, de la focale, de la qualité d’objectif, de la transmission optique, de la mise au point, de la sensibilité détecteur, du traitement d’image, du contraste cible et des conditions atmosphériques. Une caméra 640×512 avec un objectif à champ étroit peut placer plus de pixels sur une cible distante qu’une caméra 1280×1024 avec un objectif grand-angle.
Les critères de Johnson peuvent-ils prédire la portée d’une caméra thermique la nuit ?
Ils peuvent estimer l’échantillonnage spatial nécessaire la nuit, car l’imagerie thermique ne dépend pas de l’éclairage visible. Le calcul doit toutefois intégrer le contraste thermique cible-arrière-plan et les hypothèses environnementales. La portée nocturne peut s’améliorer ou se dégrader selon la température de la cible, la température de fond, l’humidité, la pluie, le brouillard et la longueur du trajet atmosphérique.
Les critères de Johnson restent-ils utiles pour l’imagerie thermique avec IA ?
Oui. Ils restent utiles comme référence de départ pour vérifier que l’image contient assez d’information spatiale pour une tâche donnée. Les modèles d’IA ont toujours besoin de pixels, de contraste et d’une qualité d’image stable. La performance finale doit être mesurée avec des jeux de données représentatifs incluant fausses alarmes, détections manquées, variations météo, angle d’aspect, distance et réglages de traitement capteur.
