一种移动放射源定位校正与优化方法技术

本发明专利技术公开了一种移动放射源定位校正与优化方法，其步骤包括：1)获取放射源移动过程中的辐射图像，将每一所述辐射图像中像素最大值位置(x,y)作为放射源在辐射图像中的中心位置；2)采用卡尔曼滤波算法，从x、y方向分别对各辐射图像中的放射源位置进行校正和优化；3)将步骤2)校正和优化后的t时刻采集的辐射图像中的放射源位置与t时刻辐射图像对应的光学图像进行匹配融合。本发明专利技术使用卡尔曼滤波算法和平滑方法对放射源运动位置进行校正与优化，获得高准确，无跳动且运动轨迹连续的放射源定位；最后将放射源位置与光学图像进行匹配融合，可应用于移动放射源定位检测的多种场合。

【技术实现步骤摘要】
一种移动放射源定位校正与优化方法
本专利技术应用于编码孔径的伽马相机，涉及核安全检测领域，具体针对移动放射源检测的应用场景，是一种新的对移动放射源定位进行校正和优化的方法。
技术介绍
基于编码孔径的伽马相机成像需要一定的统计计数才能得到信噪比高、真实可信的核辐射分布图像。传统的伽马相机，采用静止成像的方式，在探测器和放射源保持相对位置固定不变的情况下，经过长时间探测累积充分的计数进行成像，从而获得高质量的成像结果。在运动成像过程中，由于探测器与放射源之间的相对位置不断变化，放射源在探测器视野中位置也不断发生变化。放射源的运动一方面将运动伪影引入数据中，另一方面数据的信号与噪声比值也发生变化。通常认为，核辐射分布图像中像素最大值所在位置即代表放射源位置。由于伽马相机采集数据运动伪影与噪声的干扰，辐射分布图像中放射源位置存在定位不准确的问题。在连续采集时放射源位置往往在某几帧发生跳动，会大幅度偏离正确位置。放射源被行人携带，伽马相机采集所得放射源位置与行人位置偏差较大，定位不准确。此外，由于辐射图像像素远小于光学图像像素，在进行热点与移动目标的匹配与融合时，热点定位的变化往往不够连续，不能紧跟移动的目标物体。为了解决伽马相机在移动放射源成像中放射源定位跳动问题与定位不连续问题，本专利技术提供了基于卡尔曼滤波算法的放射源定位优化方法。针对移动放射源定位，一方面提高定位的连续性，另一方面可校正放射源定位偏离移动目标正确位置的数据点，使得伽马相机对移动放射源定位更连续与准确。使用伽马相机对移动放射源进行检测与定位，传统方法通常使用逆互相关解码算法对采集数据进行解码重建，并叠加一段时间内的重建图像作为放射源在某点的辐射图像，其中选取辐射图像像素的最大值所在位置作为放射源位置。传统方法未对辐射图像的放射源定位做优化，常出现放射源定位跳动与定位不连续问题。若通过提高探测器面积，在同等采集时长内可获取更多计数减少定位跳动，但势必会极大增加成本。
技术实现思路
针对伽马相机测量移动放射源的应用场景，本专利技术提供一种新的对移动放射源定位进行校正和优化的方法。对伽马相机采用逆互相关解码后的重建图像的放射源定位进行优化，从而提高放射源定位的准确性。同时该算法也可应用于移动放射源定位检测的多种场合。本专利技术首先使用伽马相机或其他探测设备对移动反射源数据进行采集；其次通过逆相关解码获得放射源重建辐射图像；接着使用卡尔曼滤波算法和平滑方法对放射源运动位置进行校正与优化，获得高准确，无跳动且运动轨迹连续的放射源定位；最后将放射源位置与光学图像进行匹配融合。本专利技术对技术方案为：一种移动放射源定位校正与优化方法，其步骤包括：1)获取放射源移动过程中的辐射图像，将每一所述辐射图像中像素最大值位置(x，y)作为放射源在辐射图像中的中心位置；2)采用卡尔曼滤波算法，从x、y方向分别对各辐射图像中的放射源位置进行校正和优化；3)将步骤2)校正和优化后的t时刻采集的辐射图像中的放射源位置与t时刻辐射图像对应的光学图像进行匹配融合。进一步的，步骤2)中，从x方向对各辐射图像中的放射源位置进行校正和优化的方法为：21)根据放射源的移动特性设置卡尔曼滤波算法中初始时刻t0的状态转移矩阵均方误差P0、过程噪声的协方差Q0和测量噪声的协方差R0；22)采用卡尔曼滤波算法根据放射源x方向tk-1时刻的最优估计值xk-1和tk时刻的观测值zk，计算x方向tk时刻的状态最优估计值xk；23)计算tk时刻的状态预测值和观测值zk之间的正则化残差ek，然后利用正则化残差ek调整tk时刻的过程噪声的协方差Qk和测量噪声的协方差Rk。进一步的，当前时刻状态预测值和状态观测值的正则化差值ek表达式为：其中，Hk-1为卡尔曼滤波算法tk-1时刻的滤波增益参数，Pk-1为tk-1时刻的均方误差，Rk-1为tk-1时刻的测量噪声的协方差；设定阈值为Thresh，当ek＞Thresh时，调整当前时刻tk的过程噪声的协方差Qk和测量噪声的协方差Rk的值，使得Qk增大，Rk减小。进一步的，步骤2)中，从y方向分别对各辐射图像中的放射源位置进行校正和优化的方法为：21)根据放射源的移动特性设置卡尔曼滤波算法中初始时刻t0的状态转移矩阵均方误差P0、过程噪声的协方差Q0和测量噪声的协方差R0；22)采用卡尔曼滤波算法根据放射源y方向tk-1时刻的最优估计值yk-1和tk时刻的观测值Lk，计算y方向tk时刻的状态最优估计值yk；23)计算tk时刻的状态预测值和观测值Lk之间的正则化残差ek，然后利用正则化残差ek调整tk时刻的过程噪声的协方差Qk和测量噪声的协方差Rk。进一步的，当前时刻状态预测值和状态观测值的正则化差值ek表达式为：其中，Hk-1为卡尔曼滤波算法tk-1时刻的滤波增益参数，Pk-1为tk-1时刻的均方误差，Rk-1为tk-1时刻的测量噪声的协方差；设定阈值为Thresh，当ek＞Thresh时，调整当前时刻tk的过程噪声的协方差Qk和测量噪声的协方差Rk的值，使得Qk增大，Rk减小。进一步的，根据校正和优化后各辐射图像中的放射源位置生成该放射源的运动轨迹。进一步的，采用平滑方法对放射源的运动轨迹进行平滑处理。进一步的，所述平滑方法为RTS平滑方法。进一步的，采集放射源移动过程中的光学图像，并对采集的光学图像进行逆相关解码获得该放射源移动过程中的辐射图像。进一步的，使用伽马相机或探测设备采集放射源的光学图像。与现有技术相比，本专利技术的积极效果为：(1)在伽马相机对移动放射源检测和定位中，提高放射源定位的准确性；(2)在伽马相机对移动放射源检测和定位中，提高放射源定位的连续性；(3)在伽马相机对移动放射源检测和定位中，减少放射源定位跳动；附图说明图1为伽马相机对移动放射源采集并定位流程图；图2为伽马相机逆相关解码重建辐射图像；(a)t＝0s，(b)t＝8s，(c)t＝9s，(d)t＝10s，(e)t＝11s，(f)t＝12s；图3伽马相机逆相关解码重建辐射图像中放射源位置；(a)t＝0s、x＝7、y＝6，(b)t＝8s、x＝6、y＝7，(c)t＝9s、x＝5、y＝7，(d)t＝10s、x＝7、y＝1，(e)t＝11s、x＝3、y＝8，(f)t＝12s、x＝2、y＝9；图4为对放射源x方向位置进行卡尔曼滤波效果图；图5为对放射源y方向位置进行卡尔曼滤波效果图；图6为对放射源x方向位置进行RTS滤波效果图；图7为对放射源y方向位置进行RTS滤波效果图；图8为t＝7s时刻对比示意图；(a)为滤波处理前匹配示意图，(b)为滤波处理后匹配示意图；图9为t＝8s时刻对比示意图；(a)为滤波处理前匹配示意图，(b)为滤波处理后匹配示意图；图10为t＝10s时刻对比示意图；本文档来自技高网...

【技术保护点】
1.一种移动放射源定位校正与优化方法，其步骤包括：/n1)获取放射源移动过程中的辐射图像，将每一所述辐射图像中像素最大值位置(x，y)作为放射源在辐射图像中的中心位置；/n2)采用卡尔曼滤波算法，从x、y方向分别对各辐射图像中的放射源位置进行校正和优化；/n3)将步骤2)校正和优化后的t时刻采集的辐射图像中的放射源位置与t时刻辐射图像对应的光学图像进行匹配融合。/n

【技术特征摘要】
1.一种移动放射源定位校正与优化方法，其步骤包括：
1)获取放射源移动过程中的辐射图像，将每一所述辐射图像中像素最大值位置(x，y)作为放射源在辐射图像中的中心位置；
2)采用卡尔曼滤波算法，从x、y方向分别对各辐射图像中的放射源位置进行校正和优化；
3)将步骤2)校正和优化后的t时刻采集的辐射图像中的放射源位置与t时刻辐射图像对应的光学图像进行匹配融合。


2.如权利要求1所述的方法，其特征在于，步骤2)中，从x方向对各辐射图像中的放射源位置进行校正和优化的方法为：
21)根据放射源的移动特性设置卡尔曼滤波算法中初始时刻t0的状态转移矩阵均方误差P0、过程噪声的协方差Q0和测量噪声的协方差R0；
22)采用卡尔曼滤波算法根据放射源x方向tk-1时刻的最优估计值xk-1和tk时刻的观测值zk，计算x方向tk时刻的状态最优估计值xk；
23)计算tk时刻的状态预测值和观测值zk之间的正则化残差ek，然后利用正则化残差ek调整tk时刻的过程噪声的协方差Qk和测量噪声的协方差Rk。


3.如权利要求2所述的方法，其特征在于，当前时刻状态预测值和状态观测值的正则化差值ek表达式为：其中，Hk-1为卡尔曼滤波算法tk-1时刻的滤波增益参数，Pk-1为tk-1时刻的均方误差，Rk-1为tk-1时刻的测量噪声的协方差；设定阈值为Thresh，当ek＞Thresh时，调整当前时刻tk的过程噪声的协方差Qk和测量噪声的协方差Rk的值，使得Qk增大，Rk减小。


4.如权利要求1所述的方法，其特征在于，步骤2)中，从y方向分别对各辐射图像中的放射源位置...

【专利技术属性】
技术研发人员：邹艺，刘双全，魏龙，于月，
申请(专利权)人：中国科学院高能物理研究所，
类型：发明
国别省市：北京;11