阿尔法成像系统图像融合技术研究进展

摘要：辐射事故发生后，工作人员甚至公众会在无防备的情况下受到辐射照射，造成一定伤害。事故发生后应尽快对放射性物质进行定位，以便进行应急处理。目前，国外多用伽马相机对放射性物质定位，但对于一些特殊环境内（如高本底或低伽马光子产额环境），使用时存在一定局限性。阿尔法成像系统作为一种新兴技术，近年来受到广泛关注。大量研究已证实其可行性，并显示出其在弥补现有检测技术不足方面的潜力。图像融合算法是阿尔法相机技术的关键环节，其精度直接影响定位的准确性。文章将介绍阿尔法成像系统和图像融合技术，并综述国内外相关研究进展，为阿尔法成像系统图像处理算法的进一步研究奠定基础。

关键词：阿尔法成像系统；图像融合算法；辐射监测

中图分类号：TP311 文献标识码：A

文章编号：1009-3044（2024）22-0124-03

开放科学（资源服务）标识码（OSID）

0 引言

《中国核安全》白皮书（2019年）指出：“要把核安保作为保障核安全的重要屏障，按照最严格标准对核材料实施管制，大力开展核安全技术研发[1]。”随着核技术的迅速发展，核相关应用越来越广泛，我国制定了严格的放射性物质管理标准和规范，但在人员疏忽、设备故障或其他意外情况下，发生一些如放射性物质的丢失、散落，放射性同位素和射线装置失控等的辐射事故[2-3]，此类事故可能导致工作人员和公众遭受未知辐射照射，造成较大伤害，应尽快对放射性物质进行定位后进行应急处理。辐射事故通常形成未知剂量场，因此，最佳探测方法是先采用远程手段进行粗测，确定大致范围后再进行精确定位，以减少人员伤害。目前多用伽马相机对放射性物质定位，作为一种快速、直观的显像设备，伽马相机能够远距离获取放射性物质的位置分布信息。伽马相机诞生于20世纪50年代，最初广泛应用于医学领域。随着其技术不断发展，伽马相机应用领域不断扩大，实现了远距离条件下对放射性物质的特性（强度、核素种类等）和位置进行识别及快速成像[4-5]。伽马相机成像系统图如图1所示。

如图1所示，放射性物质发射伽马射线，被配有准直器的伽马探测器探测后，通过复杂的算法和电路处理，构建出放射性图像。然而，在某些特殊环境下，伽马相机的应用存在一定局限性，例如：

① 实际测量中，由于本底辐射水平较高，小范围或是少量的放射性物质难以分辨，加大了放射性物质定位的不确定度；

② 对于伽马产额较低的放射性物质，会增加测量时间，加大测量难度。

近几年世界各国加大了对科技产品技术的封锁，同时随着国内核探测技术和图形处理芯片的发展，国内的图像处理技术有了极大的发展。目前我国已具备研发适用性更高，具有自主知识产权的核探测及成像设备。

阿尔法粒子具有强电离和射程短的特点，其与空气中的氮气分子相互作用可以产生紫外荧光，利用这一特性可实现阿尔法放射性核素的空间定位。近年来，阿尔法成像技术受到越来越多的关注，国内外学者对其相关特性进行了深入研究，并通过实验证明了其可行性。图像处理作为阿尔法相机设计中很重要的一部分，通过图像滤波、图像配准、图像融合等一系列算法将紫外相机和可见光相机拍摄的图片进行融合，进而展示出放射性物质的具体位置，其中图像融合算法的准确度决定着定位的准确度，是阿尔法相机技术中很重要的一环，下面将对国内外在图像融合成果进行综述。

1 阿尔法成像系统

常见的放射性射线主要包括阿尔法射线、贝塔射线和伽马射线三种。阿尔法射线具有电离能力强，穿透力弱的特点。自上世纪以来，光学成像技术就被尝试用于放射性物质的定位，其中基于伽马射线的成像系统已经较为成熟 。但在一些特殊环境中，伽马相机测量有着很大的局限性。近年来，阿尔法粒子在空气中的发光特性得到了深入研究。阿尔法粒子产生的离子对会进一步激发空气中的氮气分子，氮气分子退激时产生紫外荧光，一个能量为5MeV的阿尔法粒子与空气相互作用，可以产生约100个紫外光子，其波长主要集中在 300～400 nm 范围内。紫外光穿透能力强且可反射、折射，可以利用阿尔法放射性产生的二次荧光进行成像。阿尔法粒子成像技术主要分为两类：自放射成像和阿尔法诱导闪烁光成像。前者使用薄膜、存储荧光粉或微模式气体探测器进行成像；后者则采用位置敏感光倍增器和 CCD/CMOS 相机捕捉阿尔法粒子诱导的闪烁光进行成像[6]。

阿尔法成像系统主要由可见光成像模块、阿尔法粒子成像模块以及图像处理电路模块三部分组成。阿尔法成像系统主要由可见光成像模块、阿尔法粒子成像模块以及图像处理电路模块三部分组成。其中，可见光成像模块用于采集可见光波段图像，提供探测物质的背景信息；阿尔法粒子成像模块则用于采集阿尔法粒子产生的紫外荧光，其主要由紫外透镜、紫外滤光片、紫外像增强器和CMOS图像传感器组成；图像处理电路模块负责对可见光和紫外图像进行采集、处理和融合显示。阿尔法粒子成像系统原理图如图2所示：

2 图像融合原理

由于放射性物质产生的紫外光强度远低于可见光，即使使用紫外增强器，也难以获得清晰的紫外图像。此外，测量环境中的高本底计数和辐射尘埃也会干扰紫外成像 。因此，需要采用有效的图像处理技术对采集到的图像进行处理，以提高图像质量。如图3所示展示了紫外成像图像处理过程。

1） 紫外光相机拍摄环境图像将经数字化处理后传输图像处理电路模块，形成的紫外图像中除放电信号以外，还含有噪声。为了降低对紫外图像的干扰，需要进行滤波处理，保留原始图像细节特征的前提下抑制目标图像的噪声，常见的方法包含：非线性滤波、中值滤波，双边滤波等；

2） 紫外图像和可见光图像在不同的拍摄条件下形成，两种图像可能存在大小和位置上的偏差，为了提高放射性物质定位准确度，需要进行图像配准处理，常见的方法大致可分为基于灰度信息配准法、基于特征信息配准法等；

3） 要确定放射性物质位置，就要将配准后的紫外图像和可见图像进行融合处理。图像融合技术是将多个传感器获取的多幅图像信息整合到一幅图像中的关键技术，其目标是生成信息更精确、更完整、更易于人眼识别和计算机处理的图像。根据融合层级的不同，图像融合方法主要分为基于像素级、基于特征级和基于决策级三类，三种方法的优缺点如表1所示：

4） 对最后生成的新图像进行评价，主要分为主观评价和客观评价，在实际情况中需要结合两种评价指标进行综合评价，其中客观评价的类别及指标参数如表2所示。

3 图像融合目前成果

图像处理技术不断发展并成功应用于各个领域，本节将对目前国内外应用于可见光、不可见光图像融合技术的进展进行阐述。

卢嘉琪[7]以自研光子计数读出电路为硬件基础，结合日盲紫外线的特性，设计了多尺度分解图像融合算法，算法模拟结果显示多尺度分解的图像融合算法很多客观评价指标均优于常见的图像融合算法；马立新等[8]为提升高压设备电晕放电定位的准确性提出了一种基于小波算法的图像融合算法，模拟结果显示，基于小波算法的融合图像算法有效地保留了图像的原始细节和边缘，融合效果优于普通加权平均方法和拉普拉斯金字塔变换方法，提高了对电晕的识别度；贾梦涵等[9]提出了一种基于显著性检测的多尺度特征异构图像融合算法，通过定向异构融合方法，对不同尺度特征进行融合，最大限度上保留了图像信息，优先解决了融合图像信息丢失，检测率低的问题。崔宝京等[10]研究发现紫外光与可见光成像原理不同会导致图像融合效果较差的问题，提出了一种基于深度神经网络与果蝇优化算法小波融合的紫外光与可见光的图像的配准融合算法，仿真结果显示融合图像有着信息熵较高的优点。陈宇[11]为提高紫外成像仪在电气设备受损部位定位准确度，提出了一种基于非下采样剪切波和自适应稀疏表示的紫外光与可见光图像融合算法，该算法在主观视觉和客观评价方面具有双优性。贾镕[12]提出一种紫外偏振图像模糊自适应融合算法，通过模糊自适应选择算法对偏振算法进行优化进而获得融合图像，结果显示改进后的算法提高了目标对比度最大程度上保留了目标细节特征。谢沈阳[13]针对目前用于电力检测和故障定位的紫外成像系统存在的融合精度不高、清晰度较差等问题，提出了一套针对图像处理的方案。针对图像融合算法他对基础的非下采样剪切波算法进行了优化和改进，对高频图像和低频图像分别用不同方法进行融合后，采用非下采样剪切波算法反变换得到最终的融合图像。对比结果，改进后的图像融合算法在主、客观评价上均优于其他算法。

Aghamaleki[14]等采用基于优化过程的双树离散小波变换算法对图像视觉特征信息进行提取后再进行融合，与在标准数据库上的实验对比发现，该算法在主观客观在主观和客观评价上都有较好的结果。Rajakumar [15]等为提高可见光和不可见光图像的融合效果，提出了基于列支点正交矩形矩阵分解的图像融合算法，他将原图像分为基础层和细节层，再对两个图层分别进行处理，得到的融合图像是最终基层和最终细节层的线性组合，所提的方法在客观评价指标上优于大部分现有算法。Alghamdi [16]等针对目前成像仪存在的中视场深度有限，无法识别不明显的目标的问题，提出一种基于中智模糊集最大最小运算的不可见光信息提取方法，实验表明，该方法达到了突出的视觉性能和优秀的客观指标。

4 结论

本文介绍了阿尔法成像系统的原理和应用，并综述了国内外在可见光和不可见光图像融合领域的应用。作为阿尔法成像系统的关键技术之一，图像融合算法通过融合可见光和紫外图像，可以更准确地识别和定位放射性物质，其精度直接影响着系统的整体性能。由于阿尔法成像技术仍处于发展阶段，针对其开发的图像融合算法相对较少。目前，图像融合算法已广泛应用于紫外成像、遥感、医学等领域，并取得了丰硕的成果。这些研究成果对阿尔法成像系统中图像融合方法的开发具有重要的借鉴意义，为未来放射性物质的精准定位和其他相关应用提供了新的思路。

参考文献：

[1] 刘镇江，刘振中.习近平对中国共产党核安全理论的创新发展及其意义[J].南华大学学报（社会科学版），2023，24（4）：1-11.

[2] 张彦，杨端节，乔清党，等.辐射事故应急预案管理现状及对策研究[J].辐射防护，2021，41（3）：260-263.

[3] 肖云鹏，郑晓荧，朱涛.电离辐射监测技术在核事故应急响应中的应用研究[J].中国高新科技，2024（2）：135-137.

[4] 党晓军.基于γ相机图像的放射源三维分布重构技术研究[D].绵阳：中国工程物理研究院，2012.

[5] IVANOV O P，POTAPOV V N，SAMOILOVA M A，et al.Gamma-imaging for remote dosimetry in the nuclear industry[J].Atomic Energy，2021，130（4）：244-247.

[6] 秦李鑫.载能α粒子诱发空气中氮气荧光模拟研究[D].兰州：兰州大学，2022.

[7] 卢嘉琪.光子计数成像系统的数据处理与图像融合算法研究[D].南京：东南大学，2021.

[8] 马立新，张建宇，项庆.一种用于紫外成像系统的PCNN图像融合算法[J].电力科学与工程，2016，32（4）：14-19.

[9] 贾梦涵，刘刚，徐世杰，等.异构图像融合算法及其在电力设施检测中的应用研究[J].发电技术，2024（3）：558-565.

[10] 崔宝京，程晓荣.基于深度学习的紫外成像仪的图像配准与融合[J].计算机仿真，2023，40（9）：151-157，201.

[11] 陈宇.紫外成像仪中图像融合技术研究[D].北京：华北电力大学，2020.

[12] 贾镕，王峰，袁宏武，等.潜指纹紫外偏振图像模糊自适应融合算法研究[J].计算机工程，2020，46（11）：267-272，278.

[13] 谢沈阳.紫外光和可见光图像融合方法的研究[D].北京：华北电力大学，2019.

[14] AGHAMALEKI J A，GHORBANI A.Image fusion using dual tree discrete wavelet transform and weights optimization[J].The Visual Computer，2023，39（3）：1181-1191.

[15] RAJAKUMAR C，SATHEESKUMARAN S.QRCP decomposition-based hybrid approach for fusion of visible and infrared images[J].Circuits，Systems，and Signal Processing，2021，40（12）：6146-6172.

[16] ALGHAMDI R S，ALSHEHRI N O.Fusion of infrared and visible images using neutrosophic fuzzy sets[J].Multimedia Tools and Applications，2021，80（17）：25927-25941.

【通联编辑：光文玲】