基于圖像匹配的放射性區(qū)域定位方法

肖宇峰， 王　瑞， 姜　軍， 張　華

(西南科技大學(xué)　a.信息工程學(xué)院；　b.特殊環(huán)境機器人技術(shù)四川省重點實驗室，四川 綿陽 621010)

?

基于圖像匹配的放射性區(qū)域定位方法

肖宇峰a，b， 王瑞a， 姜軍a， 張華a，b

(西南科技大學(xué)a.信息工程學(xué)院；b.特殊環(huán)境機器人技術(shù)四川省重點實驗室，四川 綿陽 621010)

摘要:去污作業(yè)時，工程人員需要準確定位放射性區(qū)域，徹底去除有害物質(zhì)。提出了一種利用圖像匹配定位放射性區(qū)域的方法，通過普通相機即可確定污染物位置。具體過程為：首先，采集放射性區(qū)域的γ相機圖像，并提取輻射成像區(qū)域的邊緣輪廓；然后，從γ相機和普通相機圖像中找出匹配點云，并利用點云計算出相機間的變換矩陣；最后，把γ相機圖像中的放射性區(qū)域輪廓映射到普通相機圖像中，完成普通相機對放射性區(qū)域的重新定位。實驗過程中：γ相機與普通相機有水平和垂直偏角時，該方法通過普通相機準確找到了模擬的放射性區(qū)域；而在應(yīng)用現(xiàn)場，該方法同樣通過普通相機找到了放射性污染物。

關(guān)鍵詞:γ相機；放射性區(qū)域； 圖像匹配； 匹配點云

核輻射環(huán)境下，放射性物質(zhì)的定位是去除放射性污染、恢復(fù)環(huán)境安全的重要前提。為保證核事故處置、核退役現(xiàn)場安全施工，工程人員需要事先確定放射性物質(zhì)的位置和數(shù)量[1-2]。目前，能定位放射性目標(biāo)的方法分為兩類：一類是對已知放射性目標(biāo)定位方法；另一類是未知放射性目標(biāo)定位方法。前一類方法已經(jīng)比較成熟，通過在儲存放射源的容器上安裝信號發(fā)送裝置，工程人員可通過無線通信的方式定位放射性目標(biāo)[3-4]。后一類方法基于射線探測機理，通過射線探測器來識別放射性目標(biāo)，如市面上常見的一些放射性監(jiān)測儀器[5]。其中，γ相機是一種高效準確的在線測量儀器，利用光學(xué)成像和射線探測機理合成具有γ能譜分布的圖像[6]。但是，實際的核輻射作業(yè)環(huán)境比較惡劣，尤其是去污和破拆過程會產(chǎn)生大量粉塵和碎片，不僅影響γ相機的測量效果，而且會對精密昂貴的探測部件造成破壞。

根據(jù)上述情況，本文將γ相機和普通相機結(jié)合在一起，從γ相機圖像中提取的放射性區(qū)域映射到普通相機圖像：首先，分析γ相機圖像中的放射性劑量分布圖，提取放射性區(qū)域輪廓；其次，從γ相機和普通相機圖像中找出匹配點云；最后，利用匹配點云計算出的變換矩陣，并將γ相機圖像中的放射性區(qū)域輪廓映射到普通相機圖像。本方法在施工中具體應(yīng)用步驟為：施工前，通過γ相機首先探測環(huán)境中放射性區(qū)域，并把圖像保存下來；施工期間，通過計算機執(zhí)行程序，工程人員可利用普通相機替代γ相機，并在其圖像中還原出放射性區(qū)域輪廓。這樣不僅利用γ相機準確找到了放射性區(qū)域，而且避免γ相機被破壞的風(fēng)險。

1基于圖像匹配的放射性區(qū)域定位

1.1放射性區(qū)域特征分析與提取

1.1.1γ相機圖像的特征

γ相機是一種放射源劑量分布成像設(shè)備，被用于實驗室的放射源劑量分析和核輻射區(qū)域中的放射源定位。其利用統(tǒng)計方法探測γ射線強度，不僅能采集放射源所在場景的灰度圖像，還能以彩色條紋的等高圖標(biāo)識出現(xiàn)場的放射性分布區(qū)域。圖1是γ相機采集的廢料桶圖像，有較強劑量強度的部位被等高圖標(biāo)識出來(真實圖像的等高線有紅、黃、藍、綠等不同顏色)。HSV色彩模型有色調(diào)(H)、飽和度(S)和亮度(V)三部分，圖像中無彩色信息的區(qū)域只有亮度值，其色調(diào)和飽和度為0。因此，γ相機圖像中色調(diào)與飽和度取非零值的區(qū)域都具有放射性。

圖1　γ相機圖像

1.1.2放射性區(qū)域輪廓提取

根據(jù)γ相機圖像的上述特征，采用HSV圖像模型中的S(飽和度)分量對放射性區(qū)域進行提取。對于圖像中某像素點(x，y)，有下述公式

(1)

式中：I(x，y)為像素點(x，y)的飽和度分量；T為飽和度閾值。

圖2　γ相機圖像的二值圖

對閾值運算后的圖像進行去噪，得到圖2描述的二值圖，其中的白色表示放射性區(qū)域。本研究采用sobel微分算子提取圖2中的白色邊緣[7]。通過對該圖卷積，得到沿X軸方向和Y軸方向的灰度差分近似值，如下述公式所示

(2)

(3)

式中：I為原始圖像；Dx和Dy分別為沿x和y方向進行邊緣檢測得到的圖像。根據(jù)下式得到梯度圖，再由閾值分割得到圖3中的放射性區(qū)域輪廓。

(4)

圖3　放射性區(qū)域輪廓

得到輪廓像素點后，按下述步驟把各輪廓提取并表示出來：

第一步，通過圖像逐行掃描尋找輪廓點。找到輪廓點時標(biāo)記種子點p0，并插入表示輪廓點的鏈表L。令p= p0，由該種子點開始跟蹤。如沒有找到新的輪廓點，退出。

第二步，把p的像素值置為0，順時針把鄰域內(nèi)8個點依次記為p′。如果p′為輪廓點，則執(zhí)行下一步；否則，執(zhí)行第四步。

第三步，令p= p′，把點p′插入鏈表L，執(zhí)行第二步。

第四步，如果p與p0相鄰或均為輪廓點，則停止圖像掃描，L中的點就是輪廓點；否則，取出L中的點并賦值給p，執(zhí)行第二步。

第五步，統(tǒng)計L中點的數(shù)目，根據(jù)閾值排除細小輪廓后，轉(zhuǎn)至第一步提取下一輪廓。

1.2γ相機圖像與普通相機圖像的匹配

采集γ相機圖像后，工程人員用普通相機替換γ相機來觀察現(xiàn)場情況，或輔助來去除放射性物質(zhì)。但是，工程人員無法直接從普通相機圖像中找到放射源的準確位置。此時，如果將前述γ相機圖像和普通相機圖像進行匹配，把提取出的放射性區(qū)域輪廓映射到普通相機圖像中，則普通相機也可以用來定位那些放射性物質(zhì)。下面采用SIFT算法完成圖像匹配，在普通相機圖像中尋找放射性區(qū)域輪廓的對應(yīng)像素點[8-10]。其基本思路：在γ相機圖像中提取關(guān)鍵點；賦予關(guān)鍵點尺度和方向；生成關(guān)鍵點特征描述器；在普通相機圖像中尋找關(guān)鍵點對應(yīng)的匹配點。

1.2.1關(guān)鍵點提取

本文采用具有較好穩(wěn)定性的DOG高斯差分算子來描述局部極值點特征，對于點(x，y)有

L(x,y,kσ)-L(x,y,σ)

(5)

通過比較相鄰的26個點，可以判定當(dāng)前點是否為局部極值點。顯然，只需對高斯平滑后的相鄰尺度圖像執(zhí)行減法，計算過程比較簡單。

1.2.2關(guān)鍵點方向分配

為保持旋轉(zhuǎn)不變性，本文選用梯度方向描述關(guān)鍵點(x，y)的方向，式(6)描述其模型，梯度幅值如式(7)計算，梯度方向如式(8)計算。

(6)

(7)其中，a=(L(x+1,y)-L(x-1,y))2,b=(L(x,y+1)-L(x,y-1))2。

(8)

為提高抗干擾性能，對以關(guān)鍵點為中心、r為半徑的區(qū)域內(nèi)像素點執(zhí)行高斯加權(quán)統(tǒng)計，選出主能梯度方向為關(guān)鍵點方向。

1.2.3特征向量生成

采用如下步驟為關(guān)鍵點創(chuàng)建特征向量：

第一步，計算放射空間參數(shù)緯角度θ、經(jīng)角度φ和尺度σ。

第二步，采用式(9)把關(guān)鍵點(x，y)轉(zhuǎn)移到主方向。

(9)

第三步，以關(guān)鍵點為中心劃分16×16像素矩形，對其中4×4像素區(qū)域計算8個方向的梯度直方圖。通過統(tǒng)計各梯度生成種子點，最后得到16個種子點和128維的向量。

第四步，通過閾值化和向量歸一化生成式(10)描述的特征向量。

L=(l1,l2,…,l128)

(10)

1.2.4特征點匹配

計算出γ相機圖像和普通相機圖像的關(guān)鍵點特征向量后，可通過式(13)計算二者相似度值。

Ri=(ri1,ri2,…,ri128)

(11)

Si=(Si1,Si2,…,Si128)

(12)

(13)

式中：Ri為γ相機圖像中的被匹配點的特征向量；Si為普通相機圖像中待匹配點的特征向量。為增強抗干擾能力，可分別計算Si與最近點Rj相似度數(shù)值、Si與次近點Rp的相似度數(shù)值。再通過判斷二者的比值來確定匹配點，如式(14)所示。

(14)

1.3污染源目標(biāo)重映射

為在普通相機圖像中找到γ相機圖像中的放射性區(qū)域，需要利用上述匹配方法生成兩幅圖像的匹配點云，然后完成如下工作：計算圖像之間的變換矩陣；把γ相機圖像提取出的輪廓點映射到普通相機的圖像中。當(dāng)匹配點云不在同一空間平面時，還需要對匹配點所在平面進行分割。對不同平面上的匹配點分別執(zhí)行上述計算后，就能從三維空間的角度完成輪廓點的準確匹配，避免畸變和錯誤。

1.3.1變換矩陣擬合

對于同一平面上的γ相機圖像和普通相機圖像，其匹配點有如下關(guān)系式

(15)

(16)

(17)

每對匹配點坐標(biāo)值可得到兩個獨立方程，至少需要4對匹配點才能得到H矩陣值。

1.3.2目標(biāo)輪廓變換

得到γ相機圖像到普通相機圖像的射影矩陣H后，可對γ相機圖像中提取的輪廓點序列坐標(biāo)進行變換，計算出這些點在普通相機圖像中的坐標(biāo)，這些坐標(biāo)點對應(yīng)的輪廓就是普通相機圖像中對應(yīng)的放射性區(qū)域。

1.4算法偽碼

根據(jù)上述過程分析，給出了算法偽碼框架，具體包括以下5部分內(nèi)容：1)采集γ相機圖像；2)提取γ相機圖像中的放射性區(qū)域輪廓；3)采集普通相機圖像；4)匹配γ相機圖像和普通相機圖像；5)在普通相機圖像中重映射出放射性區(qū)域輪廓。

1)采集伽馬相機圖像

GetGamaView(PicGama)；

2)提取伽馬相機圖像中的放射性區(qū)域輪廓

GenerateGamaAera(PicGama)；//閾值運算得到伽馬圖像中的放射性區(qū)域；

Outline(PicGama，GamaLine)；//提取放射性區(qū)域的邊緣輪廓。

3)采集普通相機圖像

GetCommonView(PicComn)；

4)匹配伽馬相機圖像以及普通相機圖像

ExtractKeyPoint(PicGama，GamaPoint)；//從伽馬相機中提取關(guān)鍵點；

Generate(GamaPoint，Scale，Direction)；//賦予關(guān)鍵點尺度和方向；

GenerateDesc(GamaPoint，Scale，Direction，GamaPointDesc)；//生成關(guān)鍵點特征描述器；

MatchPoint(PicGama，PicComn，GamaPointDesc，CloudPoint)；//在普通相機中尋找匹配的關(guān)鍵點，生成匹配點云。

5)普通相機圖像中重映射出放射性區(qū)域輪廓

TransForm(CloudPoint，Matrix)；//計算伽馬相機圖像到普通相機圖像的變換矩陣；

ReMapOutline(GamaLine，MappingLine，Matrix)；//根據(jù)變換矩陣，把伽馬相機圖像中的輪廓點映射到普通相機圖像中。

2實驗

實驗中，利用C語言和OpenCV2.3函數(shù)庫實現(xiàn)了上述算法，并開展了實驗測試：計算機采用Intel的3.20 GHz(4核)處理器，內(nèi)存容量為4 Gbyte，操作系統(tǒng)為Windows7，實驗圖片分辨率為800×600。

2.1模擬測試放射性區(qū)域定位效果

圖4a為模擬γ相機圖像(在普通相機拍攝的灰度圖中貼上標(biāo)識放射性區(qū)域的彩色等高圖)；圖4b為普通相機水平旋轉(zhuǎn)60°后拍攝的圖像(φ表示相機水平旋轉(zhuǎn)的角度)；圖4c為關(guān)鍵點的匹配過程；圖4d為普通相機圖像中映射出的輪廓。該測試證明：γ相機與普通相機存在一定水平轉(zhuǎn)角時，本方法可在普通相機中找出放射性區(qū)域。

圖4　γ相機與普通相機存在水平旋轉(zhuǎn)角度時的測試效果

圖5a為模擬γ相機圖像(在普通相機拍攝的灰度圖中貼上標(biāo)識放射性區(qū)域的彩色等高圖)；圖5b為普通相機垂直旋轉(zhuǎn)60°后拍攝的圖像(θ表示相機垂直旋轉(zhuǎn)的角度)；圖5c為關(guān)鍵點的匹配過程；圖5d為普通相機圖像中映射出的輪廓。該測試證明：γ相機與普通相機存在一定垂直轉(zhuǎn)角時，本方法可在普通相機中找出放射性區(qū)域。

圖5　γ相機與普通相機存在垂直旋轉(zhuǎn)角度時的測試效果

2.2模擬測試放射性區(qū)域定位準確性和穩(wěn)定性

測試中，在一塊有文字的木板上畫出三角形、圓形和正方形分別模擬3塊不同的放射性區(qū)域。用普通相機拍攝該木板得到圖6a所示的圖像，并假設(shè)該圖為γ相機圖像。此后，相機從3個不同方向拍攝該木板圖像，并通過本方法在圖像中畫出上面3塊區(qū)域的輪廓：圖6b為相機正對木板拍攝得到的圖像以及找到的區(qū)域輪廓；圖6c為相機水平旋轉(zhuǎn)45°后拍攝得到的圖像以及找到的區(qū)域輪廓；圖6d為普通相機水平后退3m后拍攝得到的圖像以及找到的區(qū)域輪廓。在圖6b～6d中，外面的三角形(圓形和正方形)線條是本方法通過匹配畫出的輪廓，里面的三角形(圓形和正方形)是最初畫在木板上的輪廓。實驗證明，本方法在圖像中找出的放射性區(qū)域總能覆蓋實際的放射性區(qū)域，沒有出現(xiàn)找偏、找錯或者漏掉情況。

圖6　定位準確性測試

2.3現(xiàn)場實測

為進一步驗證本方法的實用性，實驗進行了圖7所示的現(xiàn)場測試：通過型號為Cartogam50的γ相機檢測一個有放射性污染物的廢料桶，采集的γ圖像如圖7a所示；在γ相機旁邊安裝了一臺FCB-EX980SP的普通相機，采集的普通相機圖像如圖7b所示；圖7b中的輪廓對應(yīng)著圖7a中的放射性區(qū)域，通過本方法計算得到。

圖7　現(xiàn)場放射性區(qū)域定位

3結(jié)論

在核退役、核應(yīng)急處理期間，放射性區(qū)域定位將幫助工程人員發(fā)現(xiàn)有害目標(biāo)，從而準確、徹底地去除放射性物質(zhì)。利用γ相機事先采集的有放射性特征的圖像，本文通過匹配γ相機圖像和普通相機圖像實現(xiàn)放射性區(qū)域定位。在去污和拆除時，采用本方法還能避免γ相機被損壞的風(fēng)險。本文方法工作步驟為：首先，利用γ相機輻射成像找出環(huán)境中的放射性區(qū)域，并從γ相機圖像中提取放射性區(qū)域輪廓；然后，通過圖像匹配方法從γ相機和普通相機圖像中找出匹配點云，并計算得到兩個相機的變換矩陣；最后，利用變換矩陣將γ相機圖像中的放射性區(qū)域輪廓映射到普通相機圖像，從而完成放射性區(qū)域的重定位。實驗安排的測試分別表明：本文方法可通過普通相機準確找到模擬放射性區(qū)域；γ相機與普通相機存在較大位置偏差時，該方法仍然能準確找到目標(biāo)；該方法在現(xiàn)場應(yīng)用效果比較穩(wěn)定。

參考文獻：

[1]許鵬，霍勇剛，邱曉林. 核輻射信號數(shù)字測量與分析方法研究[J]. 核技術(shù)，2008，31(10)：791-795.

[2]ISHIIK，TERAKAWAA，MATSUYAMAS，etal.Measuresagainstradioactivecontaminationduetofukushimafirstnuclearpowerplantaccidents[J].InternationaljournalofPIXE，2012，22(01n02)：1-5.

[3]TSAIH，LEEJH，DELURGIOP，etal.Comprehensivenuclearmaterialsurveillancewitharadiationdetector-equippedARG-USRFIDSystem[C]//Proc.INMM54thAnnualMeeting.PalmDesert，CA：[s.n.]，2013.

[4]楊彬華，凌球，殷國利，等. 基于RFID的放射源在線監(jiān)管系統(tǒng)設(shè)計與實現(xiàn)[J]. 核電子學(xué)與探測技術(shù)，2011，30(10)： 1135-1138.

[5]周偉，方方，周建斌，等. 輻射成像技術(shù)的初步應(yīng)用研究[J]. 核電子學(xué)與探測技術(shù)，2011，31(2)：235-238.

[6]SALDAA-GONZALEZG，SALAZAR-IBARGUENH，MARTíNEZBOM，etal. 2DimagereconstructionwithaFPGA-basedarchitectureinagammacameraapplication[C]//Proc. 20thInternationalConferenceonElectronics，CommunicationsandComputer(CONIELECOMP).[S.l.]：IEEE，2010：102-105.

[7]袁春蘭，熊宗龍，周雪花，等. 基于Sobel算子的圖像邊緣檢測研究[J]. 激光與紅外，2009，39(1)：85-87.

[8]白廷柱，侯喜報. 基于SIFT算子的圖像匹配算法研究[J]. 北京理工大學(xué)學(xué)報，2013，33(6)：100-103.

[9]LOWEDG.Distinctiveimagefeaturesfromscale-invariantkeypoints[J].Internationaljournalofcomputervision，2004，2(60)：91-110.

[10]MIKOLAJCZYKK，SCHMIDC.Aperformanceevaluationoflocaldescriptors[J].IEEEtransactionspatternanalysisandmachineintelligence，2005 (10)：1615-1630.

責(zé)任編輯：閆雯雯

Radioactive area location method based on image matching

XIAO Yufenga，b，WANG Ruia，JIANG Juna，ZHANG Huaa，b

(a.InformationEngineeringSchool；b.SpecialEnvironmentRobotTechnologyKeyLaboratoryofSichuanProvince，SouthwestUniversityofScienceandTechnology，SichuanMianyang621010，China)

Abstract:During decontamination，engineers need to accurately position radioactive area and remove hazardous material. A radioactive area positioning method based on image matching is proposed， and the contaminant can be found with normal camera. There are three steps： firstly， the γ camera image is acquired and edge contour of radioactive area is extracted； secondly， from the gamma camera image and normal camera image， the matching point cloud is got and the transformed matrix is formulated； lastly， the contour is mapped into normal camera image and radioactive area is relocated by it. In experiments：when there are some horizontal or vertical deflection angles， this method can accurately find out simulation radioactive area； at application field， it also accurately position contaminant with normal camera.

Key words:gamma camera；radioactive area；image matching；match point cloud

中圖分類號：TP391

文獻標(biāo)志碼：A

DOI：10.16280/j.videoe.2016.05.024

基金項目：核能開發(fā)科研項目(2011-1137)；四川省教育廳重點項目(14ZA0091)；四川省科技支撐計劃項目(2015GZ0035)

作者簡介：

肖宇峰(1978— )，副研究員，主要從事計算機視覺與網(wǎng)絡(luò)通信研究。

收稿日期：2015-03-31

文獻引用格式：肖宇峰， 王瑞， 姜軍，等. 基于圖像匹配的放射性區(qū)域定位方法[J].電視技術(shù)，2016，40(5)：110-115.

XIAO Y F，WANG R，JIANG J，et al. Radioactive area location method based on image matching[J].Video engineering，2016，40(5)：110-115.