💻 computer science

Dual Band Thermal Videography: Separating Time-Varying Reflection and Emission Near Ambient Conditions

Cet article présente un cadre de vidéographie thermique double bande qui résout le problème sous-déterminé de la séparation entre l'émission et la réflexion en combinant des indices spectraux et temporels pour estimer simultanément l'émissivité et les températures de l'objet et du fond dans des conditions ambiantes.

Auteurs originaux : Sriram Narayanan, Mani Ramanagopal, Srinivasa G. Narasimhan

Publié 2026-03-31

📖 5 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Sriram Narayanan, Mani Ramanagopal, Srinivasa G. Narasimhan

Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

Le Problème : La "Soupe" Thermique

Imaginez que vous regardez une tasse de café fumante à travers une caméra thermique. Cette caméra ne voit pas la lumière visible, mais la chaleur (les infrarouges).

Le problème, c'est que ce que la caméra voit est un mélange confus de deux choses :

La chaleur réelle de la tasse (ce qu'elle émet parce qu'elle est chaude).
Le reflet de la chaleur ambiante (comme un miroir qui renvoie la chaleur des gens qui marchent autour, ou du soleil).

C'est un peu comme essayer de goûter une soupe pour savoir si elle est salée, alors qu'on y a aussi jeté un peu de sel de l'extérieur. Dans des conditions normales (température ambiante), la chaleur émise par l'objet et la chaleur réfléchie sont souvent de la même "puissance". Résultat ? La caméra est perdue. Elle ne sait pas ce qui vient de l'objet et ce qui vient de l'environnement. C'est comme essayer de distinguer la voix d'un chanteur d'un écho très fort dans une grotte.

La Solution : Le Duo de Détectives

Les chercheurs de l'Université Carnegie Mellon ont créé une méthode pour séparer ces deux ingrédients. Ils utilisent deux caméras thermiques (ou une caméra avec deux filtres) qui regardent la scène à travers deux "lunettes" différentes, capturant deux bandes de chaleur légèrement différentes.

Leur astuce repose sur deux idées simples, comme deux détectives qui travaillent ensemble :

1. Le Détective "Couleur" (Le Spectre)

Imaginez que chaque matériau a une "signature" unique. Le verre, le métal ou la peau ne réfléchissent pas la chaleur exactement de la même manière selon la "couleur" de l'infrarouge.

L'analogie : C'est comme si vous regardiez un objet à travers un filtre rouge et un filtre bleu. Un objet pourrait sembler très brillant en rouge mais terne en bleu. Les chercheurs savent que cette différence de "couleur" (le rapport entre les deux filtres) reste constante pour un matériau donné, même si la température change. C'est une empreinte digitale de la matière.

2. Le Détective "Temps" (La Vitesse)

C'est ici que ça devient magique.

La chaleur émise (l'objet) : Elle change lentement. Si vous versez de l'eau chaude dans une tasse, la tasse met du temps à chauffer. C'est un processus fluide, comme une rivière qui coule.
La chaleur réfléchie (l'environnement) : Elle change brutalement. Si une personne passe devant la tasse, son reflet apparaît et disparaît instantanément sur la surface. C'est comme un éclair ou un clignotement.

L'analogie finale : Imaginez une scène de théâtre.

L'acteur principal (l'objet) bouge lentement et avec grâce (la chaleur émise).
Les spectateurs dans le public (l'environnement) bougent vite et font du bruit (la chaleur réfléchie).
La caméra thermique voit tout le monde en même temps, c'est le chaos.
Mais si vous avez deux caméras qui regardent sous des angles légèrement différents, et que vous savez que l'acteur bouge lentement tandis que le public bouge vite, vous pouvez mathématiquement isoler l'acteur du public.

Comment ça marche en pratique ?

Les chercheurs ont développé un algorithme (une recette mathématique) qui fait deux choses :

S'il connaît le matériau : Ils mesurent d'abord la température réelle d'un objet avec un thermomètre de contact (comme un thermocouple) pour "calibrer" la caméra. Ensuite, ils peuvent appliquer cette connaissance à n'importe quel objet similaire.
S'il ne connaît pas le matériau : C'est le vrai tour de force. Même sans savoir de quoi est fait l'objet, l'algorithme regarde la vidéo. Il dit : "Attends, ce pixel change très vite, ce doit être un reflet. Ce pixel change doucement, c'est la chaleur de l'objet." En combinant cette observation de vitesse avec la différence de "couleur" entre les deux filtres, il arrive à deviner la température réelle et la nature de l'objet.

Les Résultats Magiques

Grâce à cette méthode, ils ont pu faire des choses impressionnantes dans des vidéos réelles :

Le café : Séparer la chaleur qui monte doucement d'une cafetière de l'image réfléchie d'une personne qui passe devant.
Le verre : Voir l'empreinte digitale chaude laissée sur un verre froid (la chaleur de la peau) tout en éliminant le reflet du texte écrit sur le mur derrière.
Le miroir : Voir la chaleur d'une paume de main sur un miroir, sans voir le reflet de la personne qui tient le miroir.

En Résumé

Avant, les caméras thermiques voyaient un brouillard de chaleur où l'on ne distinguait pas le vrai de l'illusoire.
Aujourd'hui, grâce à cette technique "Dual Band", on peut nettoyer l'image. On peut dire : "Ceci est la chaleur de l'objet, et ceci est juste un reflet."

C'est comme passer d'une photo floue et confuse à une image HD où l'on voit enfin la vérité cachée derrière les reflets, ouvrant la porte à de nouvelles applications en sécurité, en médecine ou simplement pour mieux comprendre notre monde thermique.

1. Problématique

La thermographie à ondes longues infrarouges (LWIR, 8-14 µm) capture un rayonnement composé de deux sources distinctes :

L'émission propre de l'objet, régie par sa température et son émissivité.
Le rayonnement réfléchi provenant de l'environnement ambiant.

Le défi principal réside dans la séparation de ces deux composantes. Ce problème est mathématiquement sous-déterminé (mal posé) car il existe une infinité de combinaisons d'émissivité, de température de l'objet et de température de fond qui peuvent produire le même signal mesuré.

Limites des approches existantes : La plupart des méthodes supposent soit que l'émission domine (objets très chauds), soit que le fond est statique ou connu, soit que l'émissivité est constante ("corps gris").
Contexte spécifique : Dans des conditions proches de l'ambiance (température ambiante), les signaux émis et réfléchis sont de magnitude comparable et varient dans le temps, rendant les hypothèses classiques (comme la soustraction d'un cadre de référence ou l'utilisation de priors de corps noir) peu fiables ou inapplicables.

2. Méthodologie

Les auteurs proposent un cadre de vidéographie thermique double bande qui exploite deux types de contraintes complémentaires au niveau de chaque pixel pour résoudre l'ambiguïté :

A. Modèle de formation d'image

Le modèle considère le signal thermique $I_m(t)$ dans une bande spectrale $m$ comme une combinaison linéaire de l'émission de l'objet et de la réflexion du fond :
$I_m(t) = \epsilon_m U(T_o(t)) + (1 - \epsilon_m) U(T_b(t))$
Où :

$\epsilon_m$ est l'émissivité spectrale de l'objet dans la bande $m$ .
$T_o(t)$ est la température de l'objet (variant dans le temps).
$T_b(t)$ est la température effective du fond (réfléchi).
$U(T)$ est une fonction de calibration (modèle Sakuma-Hattori) reliant la température à l'intensité du pixel.

B. Deux approches de résolution

1. Cas Calibré (Émissivité connue a priori) :

L'émissivité spectrale ( $\epsilon_1, \epsilon_2$ ) est mesurée préalablement sur le matériau à l'aide d'une thermocouple et d'un corps noir de référence.
Une fois $\epsilon$ connu, les températures $T_o(t)$ et $T_b(t)$ sont estimées de manière analytique (forme fermée) en résolvant le système d'équations linéaires pour deux bandes spectrales.

2. Cas Non Calibré (Émissivité inconnue) :
C'est la contribution majeure de l'article. Lorsque $\epsilon$ est inconnu, le système est mal posé. Les auteurs introduisent des priors physiques et temporels :

Contrainte spectrale : Le rapport des émissivités entre les deux bandes ( $\epsilon_2/\epsilon_1$ ) est inconnu mais fixe pour un matériau donné.
Contrainte temporelle (Séparation dynamique) :
- Émission : La température de l'objet évolue de manière lisse (dû à la propagation de la chaleur, modélisée par une ODE/exponentielle).
- Réflexion : Le fond réfléchi change de manière abrupte (mouvement d'objets, personnes) et est non corrélé à l'émission de l'objet.
Algorithme d'optimisation :
- Le problème est formulé comme une minimisation conjointe de l'émissivité et des signaux temporels.
- Une fonction de perte (Loss Function) combine :
  - Une régularisation de lissage temporel (pour l'émission).
  - Une perte Huber (pour résister aux changements brusques du fond).
  - Une contrainte de reconstruction basée sur le rapport des variations temporelles ( $k_1$ et $k_2$ ) entre les deux bandes.
  - Une modélisation du bruit.

3. Contributions Clés

Cadre de séparation dynamique : Première méthode capable de séparer simultanément l'émission et la réflexion dans des scènes dynamiques à température ambiante, sans supposer un fond statique.
Double formulation :
- Une méthode calibrée précise pour les matériaux connus.
- Une méthode non calibrée robuste qui estime l'émissivité et les températures simultanément en exploitant la différence de dynamique temporelle entre chaleur (lente) et réflexion (rapide).
Modélisation physique : Intégration rigoureuse du modèle de formation d'image thermique (incluant l'effet narcissus et les gains/décalages) et utilisation de priors basés sur la physique du transport thermique.
Validation expérimentale : Démonstration sur des scènes réelles complexes (théière chauffante, empreinte palmaire sur un verre froid, reflets de personnes).

4. Résultats Expérimentaux

Les auteurs ont validé leur approche via des simulations et des expériences réelles avec des caméras FLIR Boson et des filtres spectraux (8,5 µm, 9,5 µm, etc.).

Comparaison avec l'état de l'art :
- La méthode surpasse significativement les approches basées sur le "Blackbody Channel Prior" (BCP), qui échouent sur les objets froids ou dynamiques.
- Elle est supérieure à la pyrométrie double longueur d'onde classique qui néglige le fond.
- Elle bat une optimisation par moindres carrés naïve (surtout en présence de bruit).
Précision de l'émissivité : Les émissivités calibrées correspondent étroitement aux valeurs de la bibliothèque spectrale ECOSTRESS et surpassent la méthode "reflector" de FLIR pour les matériaux à faible émissivité.
Séparation visuelle :
- Réussite à isoler l'émission d'une théière chaude des reflets de personnes en mouvement.
- Séparation d'une empreinte digitale (émission thermique) d'un reflet de texte écrit avec des doigts froids sur une surface en verre.
Erreurs de température :
- L'approche non calibrée montre une erreur moyenne de température de 1,72 % (verre à vin) et 5,34 % (théière) par rapport aux mesures par thermocouple, ce qui est remarquable pour une méthode sans calibration préalable.

5. Signification et Impact

Ce travail représente une avancée majeure pour la vision par ordinateur thermique et la thermographie :

Déverrouillage de nouvelles applications : Il permet d'analyser des scènes où la réflexion parasite masque l'information thermique utile (ex: inspection de matériaux à température ambiante, surveillance de sécurité, diagnostic médical).
Compréhension du transport de l'énergie : Il démontre que l'analyse conjointe des domaines spectral (deux bandes) et temporel (dynamique) permet de décomposer les composantes du transport de la lumière et de la chaleur, révélant des informations inaccessibles aux caméras visibles ou aux caméras thermiques standards.
Accessibilité : Bien que nécessitant une configuration double bande, la méthode ouvre la voie à une interprétation thermique plus robuste dans des environnements non contrôlés, là où les hypothèses de "corps noir" ou de fond statique ne tiennent plus.

En résumé, cette recherche transforme la thermographie d'une simple mesure de température (souvent biaisée par les reflets) en un outil d'analyse de scène capable de distinguer la matière (émissivité) de son environnement (réflexion) en temps réel.