2. 武汉市第十四中学,湖北 武汉 430062
2. No. 14 Middle School of Wuhan, Wuhan 430062, China
在核动力船舶的反应堆舱内,往往运行着很多重要的液压、气压管路和液动、气动设备,堆舱内通常温度较高且具有一定的辐射性,巡检人员不便进入观测和检查。虽然会设置一些传感器来实时监测这些管路和设备的运行状况,但依然需要辅助一定的视频监控手段,以便让技术人员实时掌握现场的视频信息。当出现异常情况时,可以帮助技术人员快速定位故障并加快问题的解决[1]。
目前,用于核动力船舶反应堆舱的视频采集设备主要有以下2种[1]:
1)电子摄像管摄像机;虽然其具有一定的耐高温和耐辐射特性,但其体积和重量较大、集成度低且技术落后。
2)CCD(Charge Coupled Device,电荷耦合器件)或CMOS(Complementary Metal Oxide Semiconductor,互补金属氧化物半导体)摄像机。虽然其体积小、集成度高且技术先进,但其耐高温和耐辐照性能很差。温度较高或累积辐射剂量达到一定程度时,会大大降低摄像机的成像质量和使用寿命。
当应用于核动力船舶反应堆舱时,仅在外壳结构上做了一些适应性改进,比如给摄像机加装防护罩,再用铅包覆并在内部设置散热模块。这种结构形式只是稍微提高了摄像机的使用寿命,并未从根本上解决视频采集设备的耐高温和耐辐照问题。
核动力船舶反应堆舱内空间狭小,管路复杂,设备众多,故视频采集装置的安装位置有限,线缆敷设不便且取电困难。同时,金属材质的管路、设备和舱壁会严重干扰无线信号的传输。因此,无线视频传输方式并不适用于核动力船舶反应堆舱内。
1 光纤阵列成像针对现有技术手段中存在的诸多不足和缺陷,用于核动力船舶反应堆舱内的视频采集装置应该是小型化的、无源的,采用有线传输方式且对高温和辐射不敏感。考虑到后期维修性和保障性需求,其还应具有模块化设计的特点。
1.1 系统组成根据核动力船舶反应堆舱内特殊的环境条件和具体应用需求,视频采集装置主要由“前端模块”、“传输模块”、“后端接收模块”和“图像重建模块”等组成,如图1所示。其中,“前端模块”安装在反应堆舱内,“后端接收模块”和“图像重建模块”安装在反应堆舱外,“传输模块”连接“前端模块”和“后端接收模块”。
“前端模块”包括前端镜头、安装支架和前端机壳。“前端模块”是无源的,不包括任何对温度和辐射敏感的元器件,因此具有良好的耐高温和耐辐射特性,可以安装在具有较高温度和较大辐射的核动力船舶反应堆仓内,并且可以长时间正常工作。
“传输模块”包括前端光纤阵列基片、光纤阵列和后端光纤阵列基片。通过在光纤阵列外面加设合适的光纤包层,可以使传输模块具备良好的耐高温、耐辐射特性。“传输模块”主要用来直接传输现场观测图像的光信号。众多光纤按一定的顺序排列成需要的几何形状,组成光纤阵列,其端面被安装在光纤阵列基片上。阵列两端的光纤排列位置一一对应,阵列中一条光纤相当于一个像素,在光纤阵列一端的光图像就会在阵列的另一端重现[2]。
“后端接收模块”包括后端镜头、CCD/CMOS图像传感器、信号处理单元、后端机壳和安装支架。
“图像重建模块”基于开放式的、功能强大的ARM+DSP(Digital Signal Processor,数字信号处理器)嵌入式硬件平台(如TI DVM6467T)开发,结合光纤阵列传像具有压缩感知的特性,通过图像学习及稀疏表达算法,能够实时对输入的每一帧图像实现不低于X4的图像超分辨率重建,进而恢复现场观测图像的特征信息,然后输出给视频显示设备。另外,“图像重建模块”定义了标准化的软件协议接口,可根据用户需要或视频监控现场的需求提供不同分辨率的输出视频。
1.2 工作原理前端镜头将反应堆舱内的光线会聚到前端光纤阵列基片上,经由光纤阵列传输后即可在后端光纤阵列基片上重现反应堆舱内的光图像,再经后端镜头汇聚于CCD/CMOS图像传感器,完成光电信号转换后再由信号处理单元进一步处理,然后传输给“图像重建模块”,根据光纤阵列传像具有压缩感知的特性[3],通过图像学习及稀疏表达算法,结合一定的先验知识,对所获得的原始图像进行超分辨率重建,恢复观测图像中丢失的部分细节信息,保证后端获取到高质量的视频图像,最后再传输给视频显示设备。
1.3 基于稀疏表示的图像重建算法图像的稀疏表示[4 – 6]是指可完全或近似地利用很少的一组原子图像的线性组合来表示图像,所有的原子图像能构造一个过完备的词典。图像的稀疏表示主要分为2个步骤:过完备词典的构造和图像的稀疏分解。图像超分辨率重建算法是一种利用一幅(或序列)低分辨率退化图像重建出一幅(或序列)具有高像素密度且包含更多特征信息的高分辨率图像的复原方法。图像的稀疏表示模型如下式所示:
$ \min {\left\| \alpha \right\|_0}\;\;{\rm{s}}.{\rm{t}}.\;\;\left\| {X - D\alpha } \right\|_2^2 \text{≤} \varepsilon \text{,} $ | (1) |
其中,
过完备词典就是求解图像稀疏表示时最优基的构造,它不仅满足稀疏表示唯一性条件的约束,同时在这个词典上能够使用一种更稀疏、更精确的表示来近似原始图像[7]。过完备词典
$ \min \left\| {Fx - F{D_l}\alpha } \right\|_2^2\;\;{\rm{s}}.{\rm{t}}.\;\;{\left\| \alpha \right\|_0} \text{≤} p\text{,} $ | (2) |
其中,
式(2)对每个图像块单独进行处理,并没有考虑相邻图像块之间的匹配问题。为保证并有效增强相邻图像块之间的兼容性,对式(2)进行优化,利用
$ \min \left\| {\widetilde D\alpha - \widetilde x} \right\|_2^2\;\;{\rm{s}}.{\rm{t}}.\;\;{\left\| \alpha \right\|_0} \text{≤} p\text{,} $ | (3) |
式中:
基于稀疏表示的图像重建算法[11]的主要计算步骤为:
1)构建低分辨率图像块词典
2)输入低分辨率图像块词典
① 将输入的低分辨率图像
② 计算每一个低分辨率图像块的均值
③ 对每一个低分辨率图像块
④ 相应的高分辨率词典
⑤ 加上对应的低分辨率图像块的均值
⑥ 经重构得到高分辨率图像
3)满足重构约束,则有:
${Y^*} = \arg \min \left\| {SHY - X} \right\|_2^2 + c\left\| {Y - {Y_0}} \right\|_2^2;$ |
4)输出超分辨率图像
分别采用双三次插值[12 – 14]和基于稀疏表示的算法进行超分辨率图像重建,结果如图4和图5所示。
经观察易知,双三次插值算法造成所获得图像的结构特征比较模糊,而稀疏表示算法获得的高分辨率图像仍然能够保持图像的结构特征,比如帽沿、脸部轮廓特征等。由此可见,在进行图像超分辨率重建时,稀疏表示算法明显优于双三次插值算法。因此,可采用基于稀疏表示的图像重建算法恢复观测图像中丢失的特征信息,从而在后端获得高质量的视频图像。
2 耐高温和耐辐射实验研究选用CCD彩色摄像机WAT-221S、利用彩色CMOS图像传感器OV7960-E62W开发的摄像机OVAP50S、电子摄像管摄像机IRC304、以及基于光纤阵列成像技术和OV7960-E62W开发的视频采集装置HHP50S[15]进行了耐高温和耐辐照性能的对比实验。
2.1 图像质量评价方法目前,虽然提出了各种图像质量的客观评价方法,比如峰值信噪比(PSNR,Peak Signal to Noise Ratio)、拉普拉斯因子法、对比度熵信息和均方误差(MSE,Mean Square Error)等,这些方法具有方便、快捷的特点,容易实现并能结合到应用系统中,但它们往往和人们的主观感受有较大出入,因此没有得到推广应用。主观评价方法虽然稍显复杂且费时费力,但它非常直观并且天然地和人们的主观感受相符。因此,在本实验中,采用主观质量评分法(MOS,Mean Opinion Score)对吸收不同剂量后的视频采集装置的输出图像进行评价。
主观质量评分法采用国际上通行的5级绝对评价尺度,如表1所示。选取10位非图像处理领域的人员对随机抽取的10组视频样本分别进行评价,最后对他们的所有打分进行归一化平均。
将以上几种类型的视频采集装置放入电热鼓风干燥箱中,设置好温度并进行耐高温考核,在每种温度环境中均考核2 h,实验结果如表2所示。
WAT-221S在50 ℃时已无法正常工作,OVAP50S在60 ℃环境中工作0.5 h后就损坏。从表2中的实验数据可以看出,HHP50S在不同温度条件下的质量尺度得分和妨碍尺度得分均高于IRC304,尤其在高温环境中,二者的图像质量主观评价得分差距更为明显。
在60 ℃环境中考核2 h后,IRC304和HHP50S均能够正常工作,随机分别截取IRC304和HHP50S的1幅视频画面,如图6和图7所示。IRC304的视频画面变暗,存在明显的噪点,而HHP50S的画面依然非常清晰[16],无明显干扰,几乎看不出图像质量变坏,不妨碍观看。
为验证视频各种视频采集装置的耐辐照性能,在湖北省农科院辐照实验中心利用钴-60γ射线对其进行了辐照实验,具体实验结果如表3所示。
WAT-221S和OVAP50S分别在吸收剂量为3×102Gy、1×103Gy之后,已清楚看出图像质量明显变坏且妨碍观看。从表3中的实验数据可以看出,HHP50S在不同辐照条件下的质量尺度得分和妨碍尺度得分均高于IRC304,尤其在吸收剂量达到1×105Gy之后,二者的图像质量主观评价得分差距更为明显。
在吸收剂量为5×105Gy后,IRC304和HHP50S均能够正常工作,随机分别截取IRC304和HHP50S的1幅视频画面,如图8和图9所示。可以明显看出,IRC304的视频画面变暗,图像模糊,已丢失较多细节信息,而HHP50S的画面依然非常清晰,图像中几乎保留了所有的特征细节,几乎看不出图像质量变坏,不妨碍观看。
根据光纤阵列成像的工作原理,“前端模块”内没有对温度和辐射敏感的器件,同时它们也均为无源器件,因此可以应用于高温、辐射较强和供电不便的场所。图2和图3中的实验数据、图6~图9的对比结果证明了基于光纤阵列成像的视频采集装置具有良好的耐高温、耐辐照性能。
根据基于稀疏表示的图像重建算法的原理,图2~图5的对比结果表明:“图像重建模块”可以对所获得的原始低分辨率图像进行超分辨率重建,获得高质量的输出视频。另外,还可以根据不同的应用场所和用户的具体应用需求输出不同分辨率的视频,从而满足对图像不同清晰度的要求。
图1表明,基于光纤阵列成像的视频采集装置采用模块化设计,结构简单,具有良好的维修性和保障性。另外,放入反应堆舱的“前端模块”还具有体积小、重量轻,连线简单,安装方便的特点。
4 结 语根据对核动力船舶反应堆舱内高能管路、重要设备的实际监测需求,考虑到其内温度较高、辐射较强的特殊应用环境,结合现有技术手段的不足和缺陷,研制了基于光纤阵列成像的视频采集装置,同时根据光纤阵列成像具有压缩感知的特性,提出利用基于稀疏表达的图像重建算法,对所获得的低分辨率现场观测图像进行超分辨率重建,恢复观测图像中丢失的部分细节信息,从而保证在后端可以获得高质量的视频图像。通过对该视频采集装置、传统电子摄像管摄像机、CCD摄像机和CMOS摄像机进行一系列的耐高温、耐辐照对比实验研究,证明了本文所研制的视频采集装置和所提出的图像重建算法的优良性能。
另外,基于光纤阵列成像的视频采集装置采用模块化设计思想,具有扩展能力强,后期维护、升级便捷等优点,可无缝集成到现有的视频监控体系结构中。稍加适应性设计,也可推广到类似的应用场景中。
[1] |
彭晓钧, 谢仁富, 刘畅, 等. 船用视频图像增强装置的模块化设计[J]. 舰船科学技术, 2015, 37(3): 105-108. DOI:10.3404/j.issn.1672-7649.2015.03.022 |
[2] |
RJ DE, NP BAMES. Profiling atmospheric water vapor using a fiber laser lidar system[J]. Applied Optics, 2010, 49(4): 562-567. DOI:10.1364/AO.49.000562 |
[3] |
JHG ENDER. On compressive sensing applied to radar[J]. Signal Processing, 2010, 90(5): 1402-1414. DOI:10.1016/j.sigpro.2009.11.009 |
[4] |
Y PENG, BL LU. Robust structured sparse representation via half-quadratic optimization for face recognition[J]. Multimedia Tools & Applications, 2016, 1-22. |
[5] |
Y XU, L YU, H XU, et al. Vector sparse representation of color image using quaternion matrix analysis[J]. IEEE Transactions on Image Processing, 2015, 24(4): 1315. DOI:10.1109/TIP.2015.2397314 |
[6] |
J YANG, Y ZHANG, NM NASRABADI, et al. Close the loop: Joint blind image restoration and recognition with sparse representation prior[J]. International Conference on Computer Vision, 2011, 24(4): 770-777. |
[7] |
R PANDA, AR CHOWDHURY. Multi-view surveillance video summarization via joint embedding and sparse optimization[J]. IEEE Transactions on Multimedia, 2017, PP(99): 1-1. |
[8] |
A REHMAN, M ROSTAMI, Z WANG, et al. SSIM-inspired image restoration using sparse representaiton[J]. Eurasip Journal on Advances in Signal Processing, 2012, 2012(1): 16. DOI:10.1186/1687-6180-2012-16 |
[9] |
M YANG, L ZHANG, X FENG, et al. Sparse representation based Fisher discrimination dictionary learning for image classification[J]. International Journal of Computer Vision, 2014, 109(3): 209-232. DOI:10.1007/s11263-014-0722-8 |
[10] |
J MAIRAL, M ELAD, G SAPIRO. Sparse representation for color image restoration[J]. IEEE Transactions on Image Processing, 2008, 17(1): 53. DOI:10.1109/TIP.2007.911828 |
[11] |
H ZHANG, Y ZHANG, TS HUANG. Pose-robust face recognition via sparse representation[J]. Pattern Recognition, 2013, 46(5): 1511-1521. DOI:10.1016/j.patcog.2012.10.025 |
[12] |
S AMAT, MA HEMANDEZ, N ROMERO. On a family of high-order iterative methods under gamma conditions with applications in denoising[J]. Numerische Mathematik, 2014, 127(2): 201-221. DOI:10.1007/s00211-013-0589-6 |
[13] |
CR VOGEL, ME OMAN. Iterative methods for total variation denoising[J]. Siam Journal on Scientific Computing, 2007, 17(1): 227-238. |
[14] |
DE SMITH, MT ZUBER, X SUN, et al. Tow-way laser link over interplanetary distance[J]. Science, 2006, 311(5757): 53. DOI:10.1126/science.1120091 |
[15] |
彭晓钧, 李文甫. 船用OSD和双绞线传输系统的模块化设计[J]. 电视技术, 2012, 36(21): 139-141. DOI:10.3969/j.issn.1002-8692.2012.21.038 |
[16] |
R FERGUS, B SINGH, A HERTZMANN, et al. Removing camera shake form a single photograph[J]. Acm Siggraph, 2006, 25(3): 787-794. DOI:10.1145/1141911 |