基于图像匹配的放射性区域定位方法

肖宇峰， 王　瑞， 姜　军， 张　华

(西南科技大学　a.信息工程学院；　b.特殊环境机器人技术四川省重点实验室，四川 绵阳 621010)



基于图像匹配的放射性区域定位方法

肖宇峰a，b， 王瑞a， 姜军a， 张华a，b

(西南科技大学a.信息工程学院；b.特殊环境机器人技术四川省重点实验室，四川 绵阳 621010)

摘要:去污作业时，工程人员需要准确定位放射性区域，彻底去除有害物质。提出了一种利用图像匹配定位放射性区域的方法，通过普通相机即可确定污染物位置。具体过程为：首先，采集放射性区域的γ相机图像，并提取辐射成像区域的边缘轮廓；然后，从γ相机和普通相机图像中找出匹配点云，并利用点云计算出相机间的变换矩阵；最后，把γ相机图像中的放射性区域轮廓映射到普通相机图像中，完成普通相机对放射性区域的重新定位。实验过程中：γ相机与普通相机有水平和垂直偏角时，该方法通过普通相机准确找到了模拟的放射性区域；而在应用现场，该方法同样通过普通相机找到了放射性污染物。

关键词:γ相机；放射性区域； 图像匹配； 匹配点云

核辐射环境下，放射性物质的定位是去除放射性污染、恢复环境安全的重要前提。为保证核事故处置、核退役现场安全施工，工程人员需要事先确定放射性物质的位置和数量[1-2]。目前，能定位放射性目标的方法分为两类：一类是对已知放射性目标定位方法；另一类是未知放射性目标定位方法。前一类方法已经比较成熟，通过在储存放射源的容器上安装信号发送装置，工程人员可通过无线通信的方式定位放射性目标[3-4]。后一类方法基于射线探测机理，通过射线探测器来识别放射性目标，如市面上常见的一些放射性监测仪器[5]。其中，γ相机是一种高效准确的在线测量仪器，利用光学成像和射线探测机理合成具有γ能谱分布的图像[6]。但是，实际的核辐射作业环境比较恶劣，尤其是去污和破拆过程会产生大量粉尘和碎片，不仅影响γ相机的测量效果，而且会对精密昂贵的探测部件造成破坏。

根据上述情况，本文将γ相机和普通相机结合在一起，从γ相机图像中提取的放射性区域映射到普通相机图像：首先，分析γ相机图像中的放射性剂量分布图，提取放射性区域轮廓；其次，从γ相机和普通相机图像中找出匹配点云；最后，利用匹配点云计算出的变换矩阵，并将γ相机图像中的放射性区域轮廓映射到普通相机图像。本方法在施工中具体应用步骤为：施工前，通过γ相机首先探测环境中放射性区域，并把图像保存下来；施工期间，通过计算机执行程序，工程人员可利用普通相机替代γ相机，并在其图像中还原出放射性区域轮廓。这样不仅利用γ相机准确找到了放射性区域，而且避免γ相机被破坏的风险。

1基于图像匹配的放射性区域定位

1.1放射性区域特征分析与提取

1.1.1γ相机图像的特征

γ相机是一种放射源剂量分布成像设备，被用于实验室的放射源剂量分析和核辐射区域中的放射源定位。其利用统计方法探测γ射线强度，不仅能采集放射源所在场景的灰度图像，还能以彩色条纹的等高图标识出现场的放射性分布区域。图1是γ相机采集的废料桶图像，有较强剂量强度的部位被等高图标识出来(真实图像的等高线有红、黄、蓝、绿等不同颜色)。HSV色彩模型有色调(H)、饱和度(S)和亮度(V)三部分，图像中无彩色信息的区域只有亮度值，其色调和饱和度为0。因此，γ相机图像中色调与饱和度取非零值的区域都具有放射性。

图1　γ相机图像

1.1.2放射性区域轮廓提取

根据γ相机图像的上述特征，采用HSV图像模型中的S(饱和度)分量对放射性区域进行提取。对于图像中某像素点(x，y)，有下述公式

(1)

式中：I(x，y)为像素点(x，y)的饱和度分量；T为饱和度阈值。

图2　γ相机图像的二值图

对阈值运算后的图像进行去噪，得到图2描述的二值图，其中的白色表示放射性区域。本研究采用sobel微分算子提取图2中的白色边缘[7]。通过对该图卷积，得到沿X轴方向和Y轴方向的灰度差分近似值，如下述公式所示

(2)

(3)

式中：I为原始图像；Dx和Dy分别为沿x和y方向进行边缘检测得到的图像。根据下式得到梯度图，再由阈值分割得到图3中的放射性区域轮廓。

(4)

图3　放射性区域轮廓

得到轮廓像素点后，按下述步骤把各轮廓提取并表示出来：

第一步，通过图像逐行扫描寻找轮廓点。找到轮廓点时标记种子点p0，并插入表示轮廓点的链表L。令p= p0，由该种子点开始跟踪。如没有找到新的轮廓点，退出。

第二步，把p的像素值置为0，顺时针把邻域内8个点依次记为p′。如果p′为轮廓点，则执行下一步；否则，执行第四步。

第三步，令p= p′，把点p′插入链表L，执行第二步。

第四步，如果p与p0相邻或均为轮廓点，则停止图像扫描，L中的点就是轮廓点；否则，取出L中的点并赋值给p，执行第二步。

第五步，统计L中点的数目，根据阈值排除细小轮廓后，转至第一步提取下一轮廓。

1.2γ相机图像与普通相机图像的匹配

采集γ相机图像后，工程人员用普通相机替换γ相机来观察现场情况，或辅助来去除放射性物质。但是，工程人员无法直接从普通相机图像中找到放射源的准确位置。此时，如果将前述γ相机图像和普通相机图像进行匹配，把提取出的放射性区域轮廓映射到普通相机图像中，则普通相机也可以用来定位那些放射性物质。下面采用SIFT算法完成图像匹配，在普通相机图像中寻找放射性区域轮廓的对应像素点[8-10]。其基本思路：在γ相机图像中提取关键点；赋予关键点尺度和方向；生成关键点特征描述器；在普通相机图像中寻找关键点对应的匹配点。

1.2.1关键点提取

本文采用具有较好稳定性的DOG高斯差分算子来描述局部极值点特征，对于点(x，y)有

L(x,y,kσ)-L(x,y,σ)

(5)

通过比较相邻的26个点，可以判定当前点是否为局部极值点。显然，只需对高斯平滑后的相邻尺度图像执行减法，计算过程比较简单。

1.2.2关键点方向分配

为保持旋转不变性，本文选用梯度方向描述关键点(x，y)的方向，式(6)描述其模型，梯度幅值如式(7)计算，梯度方向如式(8)计算。

(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)

为提高抗干扰性能，对以关键点为中心、r为半径的区域内像素点执行高斯加权统计，选出主能梯度方向为关键点方向。

1.2.3特征向量生成

采用如下步骤为关键点创建特征向量：

第一步，计算放射空间参数纬角度θ、经角度φ和尺度σ。

第二步，采用式(9)把关键点(x，y)转移到主方向。

(9)

第三步，以关键点为中心划分16×16像素矩形，对其中4×4像素区域计算8个方向的梯度直方图。通过统计各梯度生成种子点，最后得到16个种子点和128维的向量。

第四步，通过阈值化和向量归一化生成式(10)描述的特征向量。

L=(l1,l2,…,l128)

(10)

1.2.4特征点匹配

计算出γ相机图像和普通相机图像的关键点特征向量后，可通过式(13)计算二者相似度值。

Ri=(ri1,ri2,…,ri128)

(11)

Si=(Si1,Si2,…,Si128)

(12)

(13)

式中：Ri为γ相机图像中的被匹配点的特征向量；Si为普通相机图像中待匹配点的特征向量。为增强抗干扰能力，可分别计算Si与最近点Rj相似度数值、Si与次近点Rp的相似度数值。再通过判断二者的比值来确定匹配点，如式(14)所示。

(14)

1.3污染源目标重映射

为在普通相机图像中找到γ相机图像中的放射性区域，需要利用上述匹配方法生成两幅图像的匹配点云，然后完成如下工作：计算图像之间的变换矩阵；把γ相机图像提取出的轮廓点映射到普通相机的图像中。当匹配点云不在同一空间平面时，还需要对匹配点所在平面进行分割。对不同平面上的匹配点分别执行上述计算后，就能从三维空间的角度完成轮廓点的准确匹配，避免畸变和错误。

1.3.1变换矩阵拟合

对于同一平面上的γ相机图像和普通相机图像，其匹配点有如下关系式

(15)

(16)

(17)

每对匹配点坐标值可得到两个独立方程，至少需要4对匹配点才能得到H矩阵值。

1.3.2目标轮廓变换

得到γ相机图像到普通相机图像的射影矩阵H后，可对γ相机图像中提取的轮廓点序列坐标进行变换，计算出这些点在普通相机图像中的坐标，这些坐标点对应的轮廓就是普通相机图像中对应的放射性区域。

1.4算法伪码

根据上述过程分析，给出了算法伪码框架，具体包括以下5部分内容：1)采集γ相机图像；2)提取γ相机图像中的放射性区域轮廓；3)采集普通相机图像；4)匹配γ相机图像和普通相机图像；5)在普通相机图像中重映射出放射性区域轮廓。

1)采集伽马相机图像

GetGamaView(PicGama)；

2)提取伽马相机图像中的放射性区域轮廓

GenerateGamaAera(PicGama)；//阈值运算得到伽马图像中的放射性区域；

Outline(PicGama，GamaLine)；//提取放射性区域的边缘轮廓。

3)采集普通相机图像

GetCommonView(PicComn)；

4)匹配伽马相机图像以及普通相机图像

ExtractKeyPoint(PicGama，GamaPoint)；//从伽马相机中提取关键点；

Generate(GamaPoint，Scale，Direction)；//赋予关键点尺度和方向；

GenerateDesc(GamaPoint，Scale，Direction，GamaPointDesc)；//生成关键点特征描述器；

MatchPoint(PicGama，PicComn，GamaPointDesc，CloudPoint)；//在普通相机中寻找匹配的关键点，生成匹配点云。

5)普通相机图像中重映射出放射性区域轮廓

TransForm(CloudPoint，Matrix)；//计算伽马相机图像到普通相机图像的变换矩阵；

ReMapOutline(GamaLine，MappingLine，Matrix)；//根据变换矩阵，把伽马相机图像中的轮廓点映射到普通相机图像中。

2实验

实验中，利用C语言和OpenCV2.3函数库实现了上述算法，并开展了实验测试：计算机采用Intel的3.20 GHz(4核)处理器，内存容量为4 Gbyte，操作系统为Windows7，实验图片分辨率为800×600。

2.1模拟测试放射性区域定位效果

图4a为模拟γ相机图像(在普通相机拍摄的灰度图中贴上标识放射性区域的彩色等高图)；图4b为普通相机水平旋转60°后拍摄的图像(φ表示相机水平旋转的角度)；图4c为关键点的匹配过程；图4d为普通相机图像中映射出的轮廓。该测试证明：γ相机与普通相机存在一定水平转角时，本方法可在普通相机中找出放射性区域。

图4　γ相机与普通相机存在水平旋转角度时的测试效果

图5a为模拟γ相机图像(在普通相机拍摄的灰度图中贴上标识放射性区域的彩色等高图)；图5b为普通相机垂直旋转60°后拍摄的图像(θ表示相机垂直旋转的角度)；图5c为关键点的匹配过程；图5d为普通相机图像中映射出的轮廓。该测试证明：γ相机与普通相机存在一定垂直转角时，本方法可在普通相机中找出放射性区域。

图5　γ相机与普通相机存在垂直旋转角度时的测试效果

2.2模拟测试放射性区域定位准确性和稳定性

测试中，在一块有文字的木板上画出三角形、圆形和正方形分别模拟3块不同的放射性区域。用普通相机拍摄该木板得到图6a所示的图像，并假设该图为γ相机图像。此后，相机从3个不同方向拍摄该木板图像，并通过本方法在图像中画出上面3块区域的轮廓：图6b为相机正对木板拍摄得到的图像以及找到的区域轮廓；图6c为相机水平旋转45°后拍摄得到的图像以及找到的区域轮廓；图6d为普通相机水平后退3m后拍摄得到的图像以及找到的区域轮廓。在图6b～6d中，外面的三角形(圆形和正方形)线条是本方法通过匹配画出的轮廓，里面的三角形(圆形和正方形)是最初画在木板上的轮廓。实验证明，本方法在图像中找出的放射性区域总能覆盖实际的放射性区域，没有出现找偏、找错或者漏掉情况。

图6　定位准确性测试

2.3现场实测

为进一步验证本方法的实用性，实验进行了图7所示的现场测试：通过型号为Cartogam50的γ相机检测一个有放射性污染物的废料桶，采集的γ图像如图7a所示；在γ相机旁边安装了一台FCB-EX980SP的普通相机，采集的普通相机图像如图7b所示；图7b中的轮廓对应着图7a中的放射性区域，通过本方法计算得到。

图7　现场放射性区域定位

3结论

在核退役、核应急处理期间，放射性区域定位将帮助工程人员发现有害目标，从而准确、彻底地去除放射性物质。利用γ相机事先采集的有放射性特征的图像，本文通过匹配γ相机图像和普通相机图像实现放射性区域定位。在去污和拆除时，采用本方法还能避免γ相机被损坏的风险。本文方法工作步骤为：首先，利用γ相机辐射成像找出环境中的放射性区域，并从γ相机图像中提取放射性区域轮廓；然后，通过图像匹配方法从γ相机和普通相机图像中找出匹配点云，并计算得到两个相机的变换矩阵；最后，利用变换矩阵将γ相机图像中的放射性区域轮廓映射到普通相机图像，从而完成放射性区域的重定位。实验安排的测试分别表明：本文方法可通过普通相机准确找到模拟放射性区域；γ相机与普通相机存在较大位置偏差时，该方法仍然能准确找到目标；该方法在现场应用效果比较稳定。

参考文献：

[1]许鹏，霍勇刚，邱晓林. 核辐射信号数字测量与分析方法研究[J]. 核技术，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]杨彬华，凌球，殷国利，等. 基于RFID的放射源在线监管系统设计与实现[J]. 核电子学与探测技术，2011，30(10)： 1135-1138.

[5]周伟，方方，周建斌，等. 辐射成像技术的初步应用研究[J]. 核电子学与探测技术，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]袁春兰，熊宗龙，周雪花，等. 基于Sobel算子的图像边缘检测研究[J]. 激光与红外，2009，39(1)：85-87.

[8]白廷柱，侯喜报. 基于SIFT算子的图像匹配算法研究[J]. 北京理工大学学报，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.

责任编辑：闫雯雯

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

中图分类号：TP391

文献标志码：A

DOI：10.16280/j.videoe.2016.05.024

基金项目：核能开发科研项目(2011-1137)；四川省教育厅重点项目(14ZA0091)；四川省科技支撑计划项目(2015GZ0035)

作者简介：

肖宇峰(1978— )，副研究员，主要从事计算机视觉与网络通信研究。

收稿日期：2015-03-31

文献引用格式：肖宇峰， 王瑞， 姜军，等. 基于图像匹配的放射性区域定位方法[J].电视技术，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.