辐射源压缩感知成像重建算法研究.pdf

第卷第期年月核电子学与探测技术 辐射源压缩感知成像重建算法研究姚志明，盛亮，宋岩，宋顾周，马继明，段宝军，严 维鹏（西北核技术研究所强脉冲辐射环境模拟与效应国家重点实验室，西安）摘要：提出将超快压缩成像技术应用于脉冲功率加速器焦斑图像测量。采用软件模拟正向成像过程，实现迭代收缩等种重建算法。以相关系数作为评价标准，优化重建算法经验参数。采用快速投影梯度算法，迭代次数次、正则化参数，去噪效果最优。采用两步迭代收缩算法收敛速度快，可调参数（）设置为（，），可获得高质量的重建图像。结果表明，重建算法满足基于压缩感知的脉冲功率加速器焦斑超快成像应用需求。关键词：辐射成像；压缩感知；图像重建；迭代收缩中图分类号：；文献标志码：文章编号：（）辐射源多分幅成像技术能够获取辐射源的强度分布随时间 的演化过程图像，在脉冲功率加速器性能诊断中应用广泛，。图像采集通常基于快门控制的像增强型相机实现，时间分辨为量级。受到相机芯片信号采集存储和读出速度限制，一套系统在量级的时间尺度内只能获得一幅图像，限制了特定物理过程的深人分析。年，等人首创了一种基于压缩感知的超快成像技术，时间分辨率可达量级，有望大幅提升辐射源多分幅成像的时间分辨率。该技术在生物学、物理光学等领域得到了广泛的应用，但相关文献资料中重建算法源代码因涉及特殊行业领域未公开发布，而已发布的正则化问题通用求解算法应用于该技术需要参数优化设计。为此，针对脉冲功率加速器收稿日期基金项目：强脉冲辐射环境模拟与效应国家重点 实验室基金（）资助。作者 简介：姚志明（），男，吉林白山人，在读研究生，攻读方向为加速器焦斑图像测量技术研究。焦斑超快成像应用需求，本文将基于压缩感知的超快成像技术引入脉冲功率加速器焦斑图像测量。针对典型的焦斑图像，探讨图像重建算法的实现及参数优化。压缩感知成像原理辐射源压缩感知成像前向模型如图所示。为简化分析，假设辐射源图像到可见光图像的转换过程是实时和等强度的。辐射源二维数字化时间序列图像与可见光图像均 为（；，）。镜头将可见光图像聚焦于编码板处，编码过程由和组成的矩阵（，力表示，编码图像为（，）（，）。条纹相机将编码图像沿方向扫描偏转后为（，）（，）。相机记录的时间积分图像为（，）。假设原始图像、编码板和相机像素尺寸 均相同。（，）由式计算。，），（，）（）以晨光号脉冲功率加速器为例，焦斑形状为中间强、边缘弱、形状不规则的椭球形。建立焦斑模型如式（）、图（）所示，图像尺寸为。第幅图像均与图（）相同，前向模型成像结果）如图（）所示。第幅图像与图（）相同，第、幅依次顺时针旋转，其余图像灰度为，前向模型成像结果（，）如图（）所示。闪錄编錄枏机娜？身）（）（）（）（，）（）时间機时顺播图辐射源压缩感知成像前向模型原理示意图（）（）（；）由前向模型成像结果（，）重建原始图像）可看作解函数（）的参数最小化问题：（）（），（）式中：为线性传输矩阵；为正则化参数；？为正则化函数（）焦斑（）静止焦斑前向（）旋转焦斑前向模型成像结果模型成像结果图焦斑图像与前向模型成像结果去噪算法及参数优化去矂算法求解（）的参数最小化问题包含去噪过程。正则化参数为、去噪对象为（，）、去噪结果为（；，）的去噪过程表示为式（）：（，）（，）（）记、为（）矩阵，、为？（）矩阵。线性操作，）转置操作（），？）、投影操作、投影操作（，）的函数运算定义详见文献。采用软件实现投影梯度和快速投影梯度去噪算法，算法流程如图所示。，凡，尸装私、？，！），古（卜）：心，？彳扣巧小，片：的、，？、（）投影梯度去 噪算法（）快速投影梯度去 噪算法图去噪算法流程图参数优化对象（，），将去噪结果与原始焦斑去噪算法的可调参数包括和迭代次数图像（）（，）的相关系数作为去噪效果评以图（）经编码板编码后的 图像为去噪价标准。（）（）（）（；）（；（）云）式中：和客。分另！，）和（，）的灰度平均值。值越接近，去噪效果越好。采用投影梯度和快速投影梯度去噪算法。选取范围为。在特定值条件下计算出 值随迭代次数的关系曲线，读取极大值和对应的迭代次数。图给出 了 极大值随的变化关系曲线。所示；快速 投影梯度 去噪算法的值（）大于投影梯度去噪算法（），迭代次数（）小于投影梯度去噪算法（），对应的最小值为。为缩短重建时间，获得更优的去噪效果，后续重建算法中采用快速投影梯度去噪算法，迭代次数设置为，正则化参数设置为 丨丨（）编码图像（）去噪图像 图极大值随变化关系曲线及去噪图像由图（）可知，两种算法均可由信息缺失的编码图像获得值大于的去噪结果，典型的去噪前后图像如图（）、图（）（）投影梯度去噪算法快速投影梯度去噪算法重建算法及参数优化重建算法基于软件实现了种图像重建算法：迭代收缩算法两步迭代收缩算法和快速迭代收缩算法，算法流程如图所示。去噪函数？的运算对象为二维图像，需 将的去噪对象转换为的矩阵，对幅的图像分别去噪，去噪结果重新转换为参与后续迭代运算。将图（）和图（）作为重建对象，分别采用种算法重建。以第、幅重建图像与原始图像的平均相关系数作为重建效果评价标准，优化选取各重建算法参数。（）迭代收缩算法（）丨步迭代收缩算法（）快速迭代收缩算法图重建算法流程图参数优化迭代收缩算法的可 调参数为），表给出了随的变化关系，同时给出 了取极大值对应的迭代次数。可以看出，取值范围为，图（）重建图像 极大值均为，办取值范围为？，图（）重建图像 极大值均为，且随着芦增大，迭代次数减小。进一步增大，极大值开始减小，重建图像质量变差。综合图（）、图（）重建结果，设置为，迭代次数设置为次。表、与对应关系卢（图（）（图（）（图（）（图（）？两步迭代收缩算法的可 调参数为和）。参数选取需要计算矩阵的最大特征值，本文算例为，特征值较难计算。（、沒）在较宽范围内取值，重建过程均 收敛，极大值均可达。图给出 了图（）重建过程迭代次数与（、）才应关系。（、）取值为（、）时，迭代次数取最小值次。图迭代次数与（）对应关系图快速迭代收缩算法的可变参数为仏可由进行估计取，为。重建结果的值为，迭代次数为。调整和未能得到更高 值的重建结果。快速迭代收缩算法比迭代收缩算法和两步迭代收缩算法图像重建质量稍差，但迭代次数最少，适用于大画幅数目标场景的快速重建。图给出了与图（）对应的原始图像的典型画幅和两步迭代收缩算法的重建结果。由图可知：重建图像与原始图像形状轮廓和中心亮区的强度分布基本一致，验证了重建方法的有效性。原始图像第幅全部为，而图（）所示重建图像第幅出现了伪影，原因是重建算法中未考虑相邻画幅间的正则化约束，改进正则化约束条件并限制重建图像的灰度取值范围有望消除伪影，进一步提高图像重建精度。（）原始图像（）（）原始图像（）（）原始图像（）（）原始图像（）（）重建图像（）（）重建图像（）（）重建酉像（）（）重建麗像：）重建围 像（）图原始图像与重建图像结论本文提出将超快压缩成像技术应用于脉冲功率加速器焦斑图像测量。采用软件模拟了晨光号焦斑正向成像过 程，实现了种去噪算法和种重建算法，并对算法经验参数进行了优化设计。结果表明，采用快速投影梯度算法，、分别为、，可获得较好的去噪效果。采用两步迭代收缩算法，（）为（，），为，可获得高质量重建图像。基于遗传迭代算法和机器学习的图像重建算法有望获取更高精度的图像重建结果，是下一步工作中需要深人研究的 问题。参考文献：，（），（）：，：，（）：，：，（）：，：，（）：，：，（）：，（，）：（）（，）：；