[发明专利]一种基于深度学习的伽马放射性成像方法

说明书

本发明公开了一种基于深度学习的伽马放射性成像方法，属于辐射探测技术和放射性监测领域，能够缩短伽马辐射成像所需时间，提高图像质量，精确反映放射性空间分布的目的。本发明包括：采用蒙特卡罗方法模拟编码成像过程，获得数量充足的编码图像样本；将编码图像进行处理后作为样本对深度学习网络模型进行训练和测试，并对编码孔准直器的设计进行优化；使用编码孔伽马相机获得探测目标区域的伽马辐射编码图像；使用训练完成的深度学习网络对所述伽马辐射编码图像进行解码处理；使用深度视觉检测系统获得探测目标区域的深度图和光学图像；将解码得到的辐射热点图像与所述深度图、光学图像进行融合，获得探测目标区域的放射性热点分布复合图像。

技术领域

本发明属于辐射探测技术和放射性监测领域，尤其涉及一种基于深度学习的伽马放射性成像方法。

背景技术

随着核工业与核技术应用深入到国家经济发展的各个领域，放射性物质的安全监管和核事故应急能力成为核安全和核安保行业特别关注的问题。传统的放射性分布探测技术，主要采用辐射探测器对目标区域各点进行测量，或者采用阵列式探测器对目标区域进行二维成像，但是均无法获得放射性物质在现实环境中的准确位置。特别地，在复杂场景下的放射性定位，还需要考虑放射性物质的三维空间位置，准确判断辐射来源及与探测装置的位置关系，对成像系统提出了更高要求。

编码孔径成像（Coded Aperture Imaging）是一种多孔成像技术，在远距离辐射成像领域应用广泛。伽马光子通过按照特定方式排列的多孔准直器后，在阵列探测器上形成编码图像，编码图像经过特殊算法进行解码可以还原目标平面的二维辐射分布情况。但是，传统的编码孔准直器按照复杂的数学公式进行设计，其编码和解码算法较为复杂，限制了编码孔准直器的设计，在低剂量率辐射环境下需要较长成像时间，所获得的伽马辐射图像与测量时间密切相关，在短测量时间时无法获得高分辨率的图像。

发明内容

本发明提供了一种基于深度学习的伽马放射性成像方法，使用模拟成像结果训练深度学习模型，优化编码准直器设计，并将训练完成的深度学习网络用于编码图像的解码过程，结合深度检测视觉系统的深度图和光学图像，用以快速获取可以精确反映放射性物质空间分布的辐射分布图像。

为实现以上目的，本发明采用以下技术方案：

一种基于深度学习的伽马放射性成像方法，包括以下步骤：

(1)使用蒙特卡罗方法对编码孔伽马相机的成像过程进行建模，模拟探测平面内不同位置的放射源的成像过程，获得不同位置、不同数量、不同类型的放射源编码孔伽马相机上形成的编码图像；

(2)将所述的编码图像作为样本对深度学习网络模型进行训练和测试，并对编码孔伽马相机的设计进行优化；

(3)使用编码孔伽马相机获得探测目标区域的伽马辐射编码图像；

(4)使用步骤(2)中所述的训练完成的深度学习网络模型对步骤(3)所述伽马辐射编码图像进行解码处理，获得目标区域的辐射热点分布图像；

(5)使用深度检测视觉系统获得目标区域的深度图和光学图像；

(6)将步骤(4)和步骤(5)中所述的辐射热点分布图像、深度图和光学图像进行图像配准，得到可以精确反映放射性空间分布和周围环境特征的复合图像，通过图像显示装置所述的复合图像可视化，为指导放射性物质跟踪定位和有效监管提供参考。