摘要：輻射事故發(fā)生后，工作人員甚至公眾會在無防備的情況下受到輻射照射，造成一定傷害。事故發(fā)生后應(yīng)盡快對放射性物質(zhì)進行定位，以便進行應(yīng)急處理。目前，國外多用伽馬相機對放射性物質(zhì)定位，但對于一些特殊環(huán)境內(nèi)（如高本底或低伽馬光子產(chǎn)額環(huán)境），使用時存在一定局限性。阿爾法成像系統(tǒng)作為一種新興技術(shù)，近年來受到廣泛關(guān)注。大量研究已證實其可行性，并顯示出其在彌補現(xiàn)有檢測技術(shù)不足方面的潛力。圖像融合算法是阿爾法相機技術(shù)的關(guān)鍵環(huán)節(jié)，其精度直接影響定位的準確性。文章將介紹阿爾法成像系統(tǒng)和圖像融合技術(shù)，并綜述國內(nèi)外相關(guān)研究進展，為阿爾法成像系統(tǒng)圖像處理算法的進一步研究奠定基礎(chǔ)。

關(guān)鍵詞：阿爾法成像系統(tǒng)；圖像融合算法；輻射監(jiān)測

中圖分類號：TP311 文獻標識碼：A

文章編號：1009-3044（2024）22-0124-03

開放科學（資源服務(wù)）標識碼（OSID）

0 引言

《中國核安全》白皮書（2019年）指出：“要把核安保作為保障核安全的重要屏障，按照最嚴格標準對核材料實施管制，大力開展核安全技術(shù)研發(fā)[1]?！彪S著核技術(shù)的迅速發(fā)展，核相關(guān)應(yīng)用越來越廣泛，我國制定了嚴格的放射性物質(zhì)管理標準和規(guī)范，但在人員疏忽、設(shè)備故障或其他意外情況下，發(fā)生一些如放射性物質(zhì)的丟失、散落，放射性同位素和射線裝置失控等的輻射事故[2-3]，此類事故可能導致工作人員和公眾遭受未知輻射照射，造成較大傷害，應(yīng)盡快對放射性物質(zhì)進行定位后進行應(yīng)急處理。輻射事故通常形成未知劑量場，因此，最佳探測方法是先采用遠程手段進行粗測，確定大致范圍后再進行精確定位，以減少人員傷害。目前多用伽馬相機對放射性物質(zhì)定位，作為一種快速、直觀的顯像設(shè)備，伽馬相機能夠遠距離獲取放射性物質(zhì)的位置分布信息。伽馬相機誕生于20世紀50年代，最初廣泛應(yīng)用于醫(yī)學領(lǐng)域。隨著其技術(shù)不斷發(fā)展，伽馬相機應(yīng)用領(lǐng)域不斷擴大，實現(xiàn)了遠距離條件下對放射性物質(zhì)的特性（強度、核素種類等）和位置進行識別及快速成像[4-5]。伽馬相機成像系統(tǒng)圖如圖1所示。

如圖1所示，放射性物質(zhì)發(fā)射伽馬射線，被配有準直器的伽馬探測器探測后，通過復雜的算法和電路處理，構(gòu)建出放射性圖像。然而，在某些特殊環(huán)境下，伽馬相機的應(yīng)用存在一定局限性，例如：

① 實際測量中，由于本底輻射水平較高，小范圍或是少量的放射性物質(zhì)難以分辨，加大了放射性物質(zhì)定位的不確定度；

② 對于伽馬產(chǎn)額較低的放射性物質(zhì)，會增加測量時間，加大測量難度。

近幾年世界各國加大了對科技產(chǎn)品技術(shù)的封鎖，同時隨著國內(nèi)核探測技術(shù)和圖形處理芯片的發(fā)展，國內(nèi)的圖像處理技術(shù)有了極大的發(fā)展。目前我國已具備研發(fā)適用性更高，具有自主知識產(chǎn)權(quán)的核探測及成像設(shè)備。

阿爾法粒子具有強電離和射程短的特點，其與空氣中的氮氣分子相互作用可以產(chǎn)生紫外熒光，利用這一特性可實現(xiàn)阿爾法放射性核素的空間定位。近年來，阿爾法成像技術(shù)受到越來越多的關(guān)注，國內(nèi)外學者對其相關(guān)特性進行了深入研究，并通過實驗證明了其可行性。圖像處理作為阿爾法相機設(shè)計中很重要的一部分，通過圖像濾波、圖像配準、圖像融合等一系列算法將紫外相機和可見光相機拍攝的圖片進行融合，進而展示出放射性物質(zhì)的具體位置，其中圖像融合算法的準確度決定著定位的準確度，是阿爾法相機技術(shù)中很重要的一環(huán)，下面將對國內(nèi)外在圖像融合成果進行綜述。

1 阿爾法成像系統(tǒng)

常見的放射性射線主要包括阿爾法射線、貝塔射線和伽馬射線三種。阿爾法射線具有電離能力強，穿透力弱的特點。自上世紀以來，光學成像技術(shù)就被嘗試用于放射性物質(zhì)的定位，其中基于伽馬射線的成像系統(tǒng)已經(jīng)較為成熟 。但在一些特殊環(huán)境中，伽馬相機測量有著很大的局限性。近年來，阿爾法粒子在空氣中的發(fā)光特性得到了深入研究。阿爾法粒子產(chǎn)生的離子對會進一步激發(fā)空氣中的氮氣分子，氮氣分子退激時產(chǎn)生紫外熒光，一個能量為5MeV的阿爾法粒子與空氣相互作用，可以產(chǎn)生約100個紫外光子，其波長主要集中在 300～400 nm 范圍內(nèi)。紫外光穿透能力強且可反射、折射，可以利用阿爾法放射性產(chǎn)生的二次熒光進行成像。阿爾法粒子成像技術(shù)主要分為兩類：自放射成像和阿爾法誘導閃爍光成像。前者使用薄膜、存儲熒光粉或微模式氣體探測器進行成像；后者則采用位置敏感光倍增器和 CCD/CMOS 相機捕捉阿爾法粒子誘導的閃爍光進行成像[6]。

阿爾法成像系統(tǒng)主要由可見光成像模塊、阿爾法粒子成像模塊以及圖像處理電路模塊三部分組成。阿爾法成像系統(tǒng)主要由可見光成像模塊、阿爾法粒子成像模塊以及圖像處理電路模塊三部分組成。其中，可見光成像模塊用于采集可見光波段圖像，提供探測物質(zhì)的背景信息；阿爾法粒子成像模塊則用于采集阿爾法粒子產(chǎn)生的紫外熒光，其主要由紫外透鏡、紫外濾光片、紫外像增強器和CMOS圖像傳感器組成；圖像處理電路模塊負責對可見光和紫外圖像進行采集、處理和融合顯示。阿爾法粒子成像系統(tǒng)原理圖如圖2所示：

2 圖像融合原理

由于放射性物質(zhì)產(chǎn)生的紫外光強度遠低于可見光，即使使用紫外增強器，也難以獲得清晰的紫外圖像。此外，測量環(huán)境中的高本底計數(shù)和輻射塵埃也會干擾紫外成像 。因此，需要采用有效的圖像處理技術(shù)對采集到的圖像進行處理，以提高圖像質(zhì)量。如圖3所示展示了紫外成像圖像處理過程。

1） 紫外光相機拍攝環(huán)境圖像將經(jīng)數(shù)字化處理后傳輸圖像處理電路模塊，形成的紫外圖像中除放電信號以外，還含有噪聲。為了降低對紫外圖像的干擾，需要進行濾波處理，保留原始圖像細節(jié)特征的前提下抑制目標圖像的噪聲，常見的方法包含：非線性濾波、中值濾波，雙邊濾波等；

2） 紫外圖像和可見光圖像在不同的拍攝條件下形成，兩種圖像可能存在大小和位置上的偏差，為了提高放射性物質(zhì)定位準確度，需要進行圖像配準處理，常見的方法大致可分為基于灰度信息配準法、基于特征信息配準法等；

3） 要確定放射性物質(zhì)位置，就要將配準后的紫外圖像和可見圖像進行融合處理。圖像融合技術(shù)是將多個傳感器獲取的多幅圖像信息整合到一幅圖像中的關(guān)鍵技術(shù)，其目標是生成信息更精確、更完整、更易于人眼識別和計算機處理的圖像。根據(jù)融合層級的不同，圖像融合方法主要分為基于像素級、基于特征級和基于決策級三類，三種方法的優(yōu)缺點如表1所示：

4） 對最后生成的新圖像進行評價，主要分為主觀評價和客觀評價，在實際情況中需要結(jié)合兩種評價指標進行綜合評價，其中客觀評價的類別及指標參數(shù)如表2所示。

3 圖像融合目前成果

圖像處理技術(shù)不斷發(fā)展并成功應(yīng)用于各個領(lǐng)域，本節(jié)將對目前國內(nèi)外應(yīng)用于可見光、不可見光圖像融合技術(shù)的進展進行闡述。

盧嘉琪[7]以自研光子計數(shù)讀出電路為硬件基礎(chǔ)，結(jié)合日盲紫外線的特性，設(shè)計了多尺度分解圖像融合算法，算法模擬結(jié)果顯示多尺度分解的圖像融合算法很多客觀評價指標均優(yōu)于常見的圖像融合算法；馬立新等[8]為提升高壓設(shè)備電暈放電定位的準確性提出了一種基于小波算法的圖像融合算法，模擬結(jié)果顯示，基于小波算法的融合圖像算法有效地保留了圖像的原始細節(jié)和邊緣，融合效果優(yōu)于普通加權(quán)平均方法和拉普拉斯金字塔變換方法，提高了對電暈的識別度；賈夢涵等[9]提出了一種基于顯著性檢測的多尺度特征異構(gòu)圖像融合算法，通過定向異構(gòu)融合方法，對不同尺度特征進行融合，最大限度上保留了圖像信息，優(yōu)先解決了融合圖像信息丟失，檢測率低的問題。崔寶京等[10]研究發(fā)現(xiàn)紫外光與可見光成像原理不同會導致圖像融合效果較差的問題，提出了一種基于深度神經(jīng)網(wǎng)絡(luò)與果蠅優(yōu)化算法小波融合的紫外光與可見光的圖像的配準融合算法，仿真結(jié)果顯示融合圖像有著信息熵較高的優(yōu)點。陳宇[11]為提高紫外成像儀在電氣設(shè)備受損部位定位準確度，提出了一種基于非下采樣剪切波和自適應(yīng)稀疏表示的紫外光與可見光圖像融合算法，該算法在主觀視覺和客觀評價方面具有雙優(yōu)性。賈镕[12]提出一種紫外偏振圖像模糊自適應(yīng)融合算法，通過模糊自適應(yīng)選擇算法對偏振算法進行優(yōu)化進而獲得融合圖像，結(jié)果顯示改進后的算法提高了目標對比度最大程度上保留了目標細節(jié)特征。謝沈陽[13]針對目前用于電力檢測和故障定位的紫外成像系統(tǒng)存在的融合精度不高、清晰度較差等問題，提出了一套針對圖像處理的方案。針對圖像融合算法他對基礎(chǔ)的非下采樣剪切波算法進行了優(yōu)化和改進，對高頻圖像和低頻圖像分別用不同方法進行融合后，采用非下采樣剪切波算法反變換得到最終的融合圖像。對比結(jié)果，改進后的圖像融合算法在主、客觀評價上均優(yōu)于其他算法。

Aghamaleki[14]等采用基于優(yōu)化過程的雙樹離散小波變換算法對圖像視覺特征信息進行提取后再進行融合，與在標準數(shù)據(jù)庫上的實驗對比發(fā)現(xiàn)，該算法在主觀客觀在主觀和客觀評價上都有較好的結(jié)果。Rajakumar [15]等為提高可見光和不可見光圖像的融合效果，提出了基于列支點正交矩形矩陣分解的圖像融合算法，他將原圖像分為基礎(chǔ)層和細節(jié)層，再對兩個圖層分別進行處理，得到的融合圖像是最終基層和最終細節(jié)層的線性組合，所提的方法在客觀評價指標上優(yōu)于大部分現(xiàn)有算法。Alghamdi [16]等針對目前成像儀存在的中視場深度有限，無法識別不明顯的目標的問題，提出一種基于中智模糊集最大最小運算的不可見光信息提取方法，實驗表明，該方法達到了突出的視覺性能和優(yōu)秀的客觀指標。

4 結(jié)論

本文介紹了阿爾法成像系統(tǒng)的原理和應(yīng)用，并綜述了國內(nèi)外在可見光和不可見光圖像融合領(lǐng)域的應(yīng)用。作為阿爾法成像系統(tǒng)的關(guān)鍵技術(shù)之一，圖像融合算法通過融合可見光和紫外圖像，可以更準確地識別和定位放射性物質(zhì)，其精度直接影響著系統(tǒng)的整體性能。由于阿爾法成像技術(shù)仍處于發(fā)展階段，針對其開發(fā)的圖像融合算法相對較少。目前，圖像融合算法已廣泛應(yīng)用于紫外成像、遙感、醫(yī)學等領(lǐng)域，并取得了豐碩的成果。這些研究成果對阿爾法成像系統(tǒng)中圖像融合方法的開發(fā)具有重要的借鑒意義，為未來放射性物質(zhì)的精準定位和其他相關(guān)應(yīng)用提供了新的思路。

參考文獻：

[1] 劉鎮(zhèn)江，劉振中.習近平對中國共產(chǎn)黨核安全理論的創(chuàng)新發(fā)展及其意義[J].南華大學學報（社會科學版），2023，24（4）：1-11.

[2] 張彥，楊端節(jié)，喬清黨，等.輻射事故應(yīng)急預案管理現(xiàn)狀及對策研究[J].輻射防護，2021，41（3）：260-263.

[3] 肖云鵬，鄭曉熒，朱濤.電離輻射監(jiān)測技術(shù)在核事故應(yīng)急響應(yīng)中的應(yīng)用研究[J].中國高新科技，2024（2）：135-137.

[4] 黨曉軍.基于γ相機圖像的放射源三維分布重構(gòu)技術(shù)研究[D].綿陽：中國工程物理研究院，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.載能α粒子誘發(fā)空氣中氮氣熒光模擬研究[D].蘭州：蘭州大學，2022.

[7] 盧嘉琪.光子計數(shù)成像系統(tǒng)的數(shù)據(jù)處理與圖像融合算法研究[D].南京：東南大學，2021.

[8] 馬立新，張建宇，項慶.一種用于紫外成像系統(tǒng)的PCNN圖像融合算法[J].電力科學與工程，2016，32（4）：14-19.

[9] 賈夢涵，劉剛，徐世杰，等.異構(gòu)圖像融合算法及其在電力設(shè)施檢測中的應(yīng)用研究[J].發(fā)電技術(shù)，2024（3）：558-565.

[10] 崔寶京，程曉榮.基于深度學習的紫外成像儀的圖像配準與融合[J].計算機仿真，2023，40（9）：151-157，201.

[11] 陳宇.紫外成像儀中圖像融合技術(shù)研究[D].北京：華北電力大學，2020.

[12] 賈镕，王峰，袁宏武，等.潛指紋紫外偏振圖像模糊自適應(yīng)融合算法研究[J].計算機工程，2020，46（11）：267-272，278.

[13] 謝沈陽.紫外光和可見光圖像融合方法的研究[D].北京：華北電力大學，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.

【通聯(lián)編輯：光文玲】