17-EFT.WP.Methods.Imaging v1.0 | 第15章 用例与参考实现

目录 ／ 文档-技术白皮书 ／ 17-EFT.WP.Methods.Imaging v1.0

第15章 用例与参考实现

一句话目标：以三类典型场景（离线批处理、在线实时服务、事件/ToF 融合）给出从采集→建模→校准→成像→质控→发布的可执行蓝本，绑定 P/S/M/I、SLI.img.* 与 SLO.*。

I. 范围与对象

1. 输入
   • 原始或线性化数据 y_raw 或 y_lin，多模态帧列 Y = { y_k }，设备与模态描述 Device, Mode（见第3章）。
   • 标定与质控工装：平场/暗场、色卡、几何标定板、斜边图、点源或线源。
   • 元数据与参考条件：RefCond, unit(x), dim(x), ts, tau_mono, offset/skew/J, gamma(ell)。
2. 输出
   清洗并发布的影像制品 D_img.clean、质量面板 SLI.img.*、合规报告与签名 manifest.imaging.*、audit_report。
3. 约束
   统一在辐射线性域评估指标与执行校准（见第4章）；到达时两口径并行（见《Methods.Cleaning v1.0》第6章）。

II. 名词与变量

• 数据与域：Omega（空间域），f（频域频率），t（时间），ell（路径参数）。
• 关键量：MTF(f), MTF50, NPS(f), PRNU, DSNU, DeltaE_00, err_geo, T_arr, delta_form。
• 服务侧：T_proc（处理延迟），rho（到达率/服务率比），P99 分位。

III. 公设 P215-*

• P215-1 线性域优先：所有校准、度量与判决在 y_lin 上进行。
• P215-2 两口径并行：涉及传播时间的用例必须同时计算 T_arr 的两口径并记录 delta_form。
• P215-3 时基统一：内部在 tau_mono 上比对与窗口化，对外以 ts 发布并携带 offset/skew/J。
• P215-4 可追溯：产出物、参数与中间制品写入 audit_report，并落盘 hash_sha256(blob) 与 signature。
• P215-5 策略化 SLO：场景判决以 P95/P99 等高分位阈值执行，不以均值替代。

IV. 最小方程 S215-*

• S215-1 成像误差度量
  MSE = ( 1 / |Omega| ) * ( ∑_{r ∈ Omega} ( y_lin(r) - y_ref(r) )^2 )
  PSNR = 10 * log10( MAX^2 / MSE )。
• S215-2 时/路径门控与到达时一致化
  A_path(y) = ( ∫ w(t) * y(t) d t )，其中 w(t) 为门控函数；
  delta_form = | ( 1 / c_ref ) * ( ∫ n_eff d ell ) - ( ∫ ( n_eff / c_ref ) d ell ) |。
• S215-3 运行时稳定性
  rho = lambda_arrival / mu_service，W_q.P99 ≤ tol_queue，T_proc.P99 ≤ tol_latency。

V. 用例一：离线批处理管线（多光谱相机） M150-1

1. 设备/模式绑定：登记 Device=MSI, Mode={bandset, exposure, gain}，加载响应曲线与带通特性（见第3章）。
2. 线性化与辐射一致化：执行黑电平、增益与响应反演，校核 unit, dim（见第4章）。
3. 光学与分辨率：以斜边或点源法评估 MTF(f), 计算 MTF50、MTF_area（见第5章）。
4. 采样与重建：按马赛克/多分辨策略重建 y_lin，必要时跨尺度插值（见第6章）。
5. 噪声建模与去噪：估计 sigma_read, k_shot, NPS(f)，选择保结构的去噪算子（见第7章）。
6. 平/暗场与 FPN：生成 PRNU, DSNU 与像素健康图，屏蔽 bad pixels（见第8章）。
7. 几何与配准：标定 H 并纠正畸变，输出 err_geo（见第9章）。
8. 色彩管理：构建多光谱到目标色域映射，评估 DeltaE_00.P95（见第10章）。
9. 计算成像：对弱对比/散焦样张进行去卷积或超分（见第12章）。
10. 质控与冻结：聚合 SLI.img.*，对照 SLO.* 判决，生成 manifest.imaging.batch 与 audit_report。

• 典型契约
  • MTF50 ≥ 0.35 * f_Nyq；PRNU ≤ 0.015；DeltaE_00.P95 ≤ 3.0；err_geo ≤ 0.3 px。
  • repeatability ≤ tol_repeat；delta_form ≤ tol_Tarr（如涉及到达时）。
• 产出
  D_img.clean、SLI.img.*、manifest.imaging.batch、audit_report、全流程 TraceID。

VI. 用例二：在线实时成像服务（移动端/边缘） M150-2

1. 流式入口：在 G=(V,E) 上构建节点 ingest → linearize → denoise → demosaic → color → geometry → hdr → qc → publish（见《Methods.Cleaning v1.0》第11章）。
2. 时基对齐：对 tau_mono 对齐并记录 offset/skew/J，将窗口化度量绑定到帧 ts。
3. 低延迟优化：选择一次成像一次质控策略，T_proc.P99 ≤ 33 ms，rho ≤ rho_max。
4. 在线质控：以滑动窗口 Delta_t 评估 SLI.img.mtf50.P95, SLI.img.deltaE00.P95, SLI.img.nps_band。
5. 背压闭环：若 W_q 超阈，降级分辨率或关闭昂贵分支（如超分/去卷积），保持 drop_rate ≤ tol_drop。
6. 合规与发布：check_slo→emit_qc_manifest→freeze_release，异常分支进入隔离队列。

• 典型 SLO
  T_proc.P99 ≤ 33 ms；drop_rate ≤ 1%；SLI.img.mtf50.P95 ≥ 0.30 * f_Nyq；SLI.img.deltaE00.P95 ≤ 4.0。
• 产出
  流水监控 SLI.svc.* 与 SLI.img.*，以及 manifest.imaging.realtime。

VII. 用例三：事件相机 + ToF 融合（时间/路径门控） M150-3

1. 采集与同步：对 event-stream E(t) 与 ToF depth D(t) 进行 tau_mono 对齐。
2. 路径门控：以 w(t) = rect( ( t - t0 ) / Delta_t ) 对 E(t) 积分得到 A_path(E)，并依据 D(t) 调整 t0, Delta_t。
3. 到达时两口径：并行计算 T_arr 两口径，产出 delta_form 并设 tol_Tarr。
4. 空间配准与融合：估计跨模态 H_evt↔tof，输出 err_geo 与融合影像 y_fuse。
5. 质控与发布：度量 motion_blur_index, ghosting, S_sync = max(|offset|,|skew|,J)，合规后导出 manifest.imaging.fused。

• 典型契约
  S_sync ≤ tol_sync；delta_form ≤ tol_Tarr；err_geo ≤ 0.5 px；ghosting ≤ tol_ghost。

VIII. 契约与断言（场景化）

• 批处理：assert { mtf50_floor, prnu_max, dsnu_max, color_fidelity, geometry_acc }。
• 实时：assert { latency_p99, drop_rate, mtf50_p95, nps_band_max }。
• 事件/ToF：assert { sync_ok, arrival_consistency, fusion_geo_ok }。
• 通用：assert audit_reproducible 与 check_dim(expr) 全通过。

IX. 参考实现绑定 I150-*

1. 构建与执行
   • build_offline_pipeline(cfg) -> pipe
   • run_offline_batch(pipe, inputs) -> {D_img.clean, SLI, manifest, audit_report}
   • build_realtime_graph(topology, policy) -> G
   • run_realtime(G, stream) -> telemetry(SLI.svc.*, SLI.img.*)
2. 关键算子复用（引用前文 I*-*）
   • linearize_and_calibrate(y_raw, RefCond) -> y_lin（见第4章）
   • measure_mtf_slanted_edge(img, roi) -> {MTF(f), f50, area}（见第5章）
   • estimate_noise_psd(seq, roi) -> {NPS(f), sigma_read, k_shot, NPS_band}（见第7章）
   • compute_prnu_dsnu(flats, darks) -> {PRNU, DSNU, map_prnu, map_dsnu, dead_pixel_rate}（见第8章）
   • calibrate_geometry(pattern_imgs) -> {H, err_geo}（见第9章）
   • evaluate_color(chart_raw, illum, profile) -> {DeltaE00_stats, wb_error}（见第10章）
   • hdr_exposure_fusion(frames, weights) -> y_hdr（见第11章）
   • deconv_or_superres(img, psf, method) -> img'（见第12章）
   • gate_by_tof(E(t), D(t), t0, Delta_t) -> A_path(E)（见第13章）
   • arrival_time_consistency(gamma, n_eff, c_ref) -> {T_arr_const, T_arr_general, delta_form}（跨卷：见《Methods.Cleaning v1.0》第6章）
   • aggregate_sli(metrics) -> SLI_dict ; check_slo(sli, policy) -> {pass, violations[]}（见第14章）
   • freeze_release(artifacts, tag) -> manifest（跨卷：见《Methods.Cleaning v1.0》第10章）

X. 交叉引用

• 设备与模式：第3章；辐射一致化：第4章；光学分辨率：第5章；采样重建：第6章。
• 噪声与 FPN：第7章、第8章；几何与配准：第9章；色彩：第10章；HDR：第11章；计算成像：第12章；时间/路径门控：第13章；质量与审计：第14章。
• 流式与背压：见《Methods.Cleaning v1.0》第11章；到达时两口径与发布冻结：见《Methods.Cleaning v1.0》第6章与第10章。

XI. 质量度量与风控（场景联动）

• 离线：SLI.img.* 全量统计与再测一致性审计，失败进入返工队列。
• 实时：监控 T_proc.P99, drop_rate, rho, 触发降级与熔断策略；自动回滚到安全配置。
• 事件/ToF：重点监控 S_sync, delta_form, err_geo 与 ghosting，越界即隔离并标注不可信。

小结

• 给出三类可落地的参考蓝本与 P/S/M/I 绑定，实现从设备到发布的闭环。
• 用例中的阈值与策略来自策略卡与 SLO 配置，可按场景调参；所有产出均可审计、可追溯并可重复。