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

Resumo Técnico: Videografia Térmica de Dupla Banda

1. O Problema

A radiação infravermelha de onda longa (LWIR, 8-14 µm) captada por câmeras térmicas é uma mistura de dois componentes fundamentais:

1. Emissão: Radiação gerada pelo próprio objeto, governada pela sua temperatura e emissividade.
2. Reflexão: Radiação do ambiente circundante refletida na superfície do objeto.

Separar esses componentes é um desafio histórico na termografia. O problema é subdeterminado (falta de informações suficientes para uma solução única) sem priors (conhecimentos prévios) sobre a emissividade. Essa dificuldade é amplificada em condições próximas à ambiente (temperatura ambiente), onde os sinais de emissão e reflexão têm magnitudes comparáveis, tornando impossível negligenciar um em favor do outro, como é feito em cenários industriais de alta temperatura (ex.: soldagem).

A maioria dos métodos existentes assume fundos estáticos, emissividade constante (corpo cinza) ou emissividade conhecida, o que falha em cenas dinâmicas do mundo real onde tanto o objeto quanto o fundo mudam com o tempo.

2. Metodologia

Os autores propõem um framework de videografia térmica de dupla banda que utiliza vídeos capturados em duas sub-bandas espectrais distintas dentro do LWIR. A abordagem combina duas ideias complementares a nível de pixel para resolver a ambiguidade:

• Pistas Espectrais: A emissividade de um objeto varia com o comprimento de onda (violando a suposição de "corpo cinza"), mas a razão entre as emissividades das duas bandas é fixa para um material específico.
• Pistas Temporais: A radiação emitida pelo objeto (devido ao transporte de calor interno) evolui de forma suave ao longo do tempo, enquanto a radiação refletida do fundo muda de forma abrupta (ex.: pessoas passando, objetos se movendo).

O modelo de formação de imagem é derivado como uma combinação linear da reflexão e da emissão. O trabalho aborda dois cenários:

A. Caso Calibrado (Emissividade Conhecida):

• A emissividade espectral é medida a priori usando termopares e um corpo negro em temperatura conhecida.
• Com a emissividade conhecida, as temperaturas do objeto ($T_o$) e do fundo ($T_b$) são estimadas usando expressões de forma fechada (solução analítica) baseadas nas intensidades das duas bandas.

B. Caso Não Calibrado (Emissividade Desconhecida):

• Este é um problema mal-posto. Para resolvê-lo, os autores introduzem um framework de otimização que explora as diferenças temporais entre reflexão e emissão.
• Restrições Introduzidas:
  1. Suavidade da Temperatura do Objeto: O transporte de calor segue uma equação diferencial que resulta em uma variação exponencial suave.
  2. Razão Constante em Regiões Estáticas: Em pixels onde o fundo não muda, a razão das derivadas temporais das duas bandas é constante e relacionada à razão das emissividades.
  3. Razão Constante em Regiões Dinâmicas: Em pixels onde o fundo muda abruptamente, a razão entre os sinais residuais (após subtrair a componente suave) também é constante.
• Função de Perda (Loss Function): O algoritmo otimiza conjuntamente a emissividade, os sinais suaves (emissão) e o ruído, minimizando uma função de perda composta por:
  • Smoothness Loss: Penaliza variações bruscas na estimativa de emissão.
  • Huber Loss: Garante fidelidade aos dados medidos, sendo robusto a mudanças abruptas (reflexão).
  • Reconstruction Loss: Garante que a soma da emissão estimada e da reflexão estimada reconstrua o sinal original.
  • Noise Modeling: Modela explicitamente o ruído por pixel.

3. Principais Contribuições

1. Separação Física Dinâmica: Primeiro método a separar componentes de reflexão e emissão em tempo real para cenas dinâmicas próximas à temperatura ambiente, sem assumir fundo estático ou emissividade conhecida.
2. Modelo de Formação de Imagem Dual-Banda: Derivação de um modelo que integra as leis de Planck, Kirchhoff e o efeito de transporte de calor, validado tanto para cenários calibrados quanto não calibrados.
3. Framework de Otimização Robusto: Desenvolvimento de um algoritmo que utiliza restrições temporais e espectrais para resolver o problema subdeterminado, superando métodos baseados em priors de brilho máximo (como BCP - Blackbody Channel Prior).
4. Validação Experimental Extensiva: Demonstração em simulações e cenas reais complexas (ex.: bule de café aquecendo, impressões de palma em lâmpadas frias, reflexos de pessoas em vidro).

4. Resultados

• Simulações: O método superou consistentemente as baselines (incluindo pirometria de dupla banda, método BCP e mínimos quadrados ingênuos) na recuperação da temperatura do objeto e na estimativa de emissividade, especialmente em níveis moderados de ruído.
• Calibração: As emissividades calibradas pelos autores corresponderam com precisão aos valores da biblioteca espectral ECOSTRESS e superaram o método de refletor recomendado pela FLIR Systems para materiais de baixa emissividade.
• Experimentos Reais:
  • Separação Clara: O sistema conseguiu separar a emissão suave de um bule de café quente das reflexões abruptas de pessoas passando ao lado.
  • Impressões Digitais/Palma: Recuperou a dissipação de calor de uma impressão de palma em uma lâmpada fria, separando-a da reflexão de alta intensidade de uma pessoa.
  • Precisão: O método não calibrado apresentou erros de temperatura de apenas ~1.7% a 5.3% comparado a medições com termopar em objetos complexos, demonstrando viabilidade prática.
• Análise de Ablação: A perda de reconstrução foi identificada como o componente mais crítico, seguido pelas perdas de suavidade e Huber.

5. Significado e Impacto

Este trabalho representa um avanço significativo na visão computacional térmica. Ao demonstrar que a análise espectral e temporal conjunta pode revelar informações de cena inacessíveis às câmeras de luz visível, o método permite:

• Interpretação Robusta: Leitura correta de imagens térmicas em ambientes não controlados, onde reflexos e emissões se misturam.
• Novas Aplicações: Possibilita tarefas de visão como estimativa de propriedades de materiais, geometria e rastreamento em cenários onde a termografia tradicional falha devido a reflexos variáveis.
• Acesso a Informação Oculta: A capacidade de "ver" através de reflexos dinâmicos ou isolar fontes de calor internas em objetos transparentes ou semitransparentes (como vidro) abre novas fronteiras para inspeção industrial, segurança e diagnóstico médico.

Em resumo, o paper propõe uma solução elegante e matematicamente fundamentada para um problema antigo na termografia, transformando a ambiguidade entre reflexão e emissão em uma oportunidade de extração de dados ricos sobre o ambiente e os objetos.