CN117853346B - 基于洗消机器人的放射源三维辐射图像智能增强方法 - Google Patents

Abstract

本发明涉及图像增强技术领域，具体涉及一种基于洗消机器人的放射源三维辐射图像智能增强方法。该方法首先通过像素点和所有参考像素点之间的所有颜色通道的像素值差异，获取像素点的颜色特征值；根据所有区域像素点的梯度方向以及颜色特征值，获取像素点的周围一致程度值；根据各像素点的颜色特征值和周围一致程度值，获取各个像素点的增强系数；根据各个像素点的增强系数，对放射源三维辐射初始图像中各个像素点进行增强，获取放射源三维辐射增强图像。本发明通过像素点位于辐射污染区域的可能性，构建针对性的增强系数，对辐射污染区域进行针对性的图像增强，改善辐射污染区域增强效果。

Description

基于洗消机器人的放射源三维辐射图像智能增强方法

技术领域

本发明涉及图像增强技术领域，具体涉及一种基于洗消机器人的放射源三维辐射图像智能增强方法。

背景技术

洗消机器人是一种多功能机器人，具备清洗、消毒等功能。机器人能根据设定的方案，自动进行清洗。在核医学场所中，存在辐射污染区域，利用洗消机器人进行辐射污染区域清洁，能减少人工操作的风险，提高清洁效率。在洗消机器人的工作过程中，能够利用设备配备的γ射线探测器和光学摄像头，对行驶过程中的三维空间进行图像采集，获取放射源三维辐射图像；进而通过放射源三维辐射图像识别出辐射污染区域，完成辐射污染区域的洗消工作。然而，辐射污染区域受到光线以及其他环境因素的影响，导致放射源三维辐射图像中辐射污染区域在图像中显示效果不明显，使得洗消机器人难以准确识别出辐射污染区域，因此需要对放射源三维辐射图像中辐射污染区域进行增强处理。

现有技术线性变换法能进行图像增强，在利用线性变换法对放射源三维辐射图像进行图像增强的过程中，会对图像整体进行增强，辐射污染区域增强效果不明显，同时会对其他区域进行增强，使得存在过曝导致细节损失的问题，导致放射源三维辐射图像中辐射污染区域的增强效果不佳。

发明内容

为了解决在利用线性变换法对放射源三维辐射图像进行图像增强的过程中，难以对辐射污染区域进行针对性的图像增强，导致辐射污染区域增强效果不明显的技术问题，本发明的目的在于提供一种基于洗消机器人的放射源三维辐射图像智能增强方法，所采用的技术方案具体如下：

一种基于洗消机器人的放射源三维辐射图像智能增强方法，所述方法包括以下步骤：

获取洗消机器人的放射源三维辐射初始图像；

在所述放射源三维辐射初始图像中，确定像素点在预设参考范围中的参考像素点；在像素点的预设参考范围中，根据像素点和所有参考像素点之间的所有颜色通道的像素值差异，获取像素点的颜色特征值；确定像素点在预设周围区域中的区域像素点，在像素点的预设周围区域中，根据所有区域像素点的梯度方向以及颜色特征值，获取像素点的周围一致程度值；根据各像素点的所述颜色特征值和所述周围一致程度值，获取各个像素点的增强系数；

根据各个像素点的增强系数，对所述放射源三维辐射初始图像中各个像素点进行增强，获取放射源三维辐射增强图像。

进一步地，所述颜色特征值的获取方法包括：

根据颜色特征值公式获取所述颜色特征值，所述颜色特征值公式包括：

；其中，/>为第/>个像素点的所述颜色特征值；/>为所有颜色通道的总数量；/>为在第/>个像素点的预设参考范围中，所有所述参考像素点的总数量；/>为在第/>个像素点的所述预设参考范围中，与第/>个像素点的第/>颜色通道的像素值相同的参考像素点的总数量；/>为第/>个像素点的第/>颜色通道的像素值；/>为在第/>个像素点的预设参考范围中，第/>个参考像素点的第/>颜色通道的像素值；/>为归一化函数；/>为绝对值符号；/>为以自然数/>为底数的指数函数。

进一步地，所述周围一致程度值的获取方法包括：

在像素点的预设周围区域中，根据各个区域像素点的位置分布，确定各个区域像素点的序号；

在像素点的预设周围区域中，按照区域像素点的序号，对所有区域像素点的颜色特征值进行排序，得到像素点的区域像素颜色特征序列；

根据各个区域像素点的梯度方向，获取各个区域像素点的特征方向值；按照区域像素点的序号，对所有区域像素点的特征方向值进行排序，得到像素点的区域像素特征方向序列；

根据所述周围一致程度值公式获取所述周围一致程度值，所述周围一致程度值公式包括：

；其中，/>为第/>个像素点的所述周围一致程度值；/>为第/>个像素点的所述区域像素颜色特征序列；/>为第/>个像素点的所述区域像素特征方向序列；/>为绝对值符号；/>为在第/>个像素点的预设周围区域中，所有所述区域像素点的总数量；/>为在第/>个像素点的预设周围区域中，第/>个所述区域像素点的特征方向值；/>在第/>个像素点的预设周围区域中，所有所述区域像素点的特征方向值的均值；/>为在第/>个像素点的预设周围区域中，第/>个所述区域像素点的所述颜色特征值；/>在第/>个像素点的预设周围区域中，所有所述区域像素点的所述颜色特征值的均值；为绝对值符号；/>为以自然数/>为底数的指数函数；/>为取皮尔逊相关系数符号。

进一步地，所述区域像素点的序号的获取方法包括：

在像素点的预设周围区域中，以预设周围区域中左上角作为区域像素点的起点，按照从左到右顺序，从上到下的顺序，逐行对所有区域像素点进行标号，获取各个区域像素点的序号。

进一步地，所述特征方向值的获取方法包括：

基于二维空间坐标系，将各个区域像素点的梯度方向和X轴的夹角，作为各个区域像素点的特征角度；计算各个区域像素点的特征角度的余弦值，得到各个区域像素点的特征方向值。

进一步地，所述增强系数的获取方法包括：

根据所述增强系数公式获取所述增强系数，所述增强系数公式包括：

；其中，/>为第/>个像素点的所述增强系数；/>为第/>个像素点的所述颜色特征值；/>为第/>个像素点的所述周围一致程度值；/>为在第/>个像素点的预设周围区域中，所有所述区域像素点的总数量；/>在第/>个像素点的预设周围区域中，第/>个所述区域像素点的所述周围一致程度值；/>为归一化函数；/>为分母调节因子。

进一步地，所述放射源三维辐射增强图像的获取方法包括：

在所述放射源三维辐射初始图像中，根据各个像素点的增强系数和对应的像素值，获取各个像素点的更新后像素值；根据各像素点的更新后像素值替换对应的像素值，获取所述放射源三维辐射增强图像。

进一步地，所述预设周围区域的获取方法包括：

所述预设周围区域是以像素点为矩形窗口的中心，以预设尺寸为矩形窗口的边长构建的矩形窗口。

进一步地，所述所有颜色通道包括：R颜色通道、G颜色通道和B颜色通道。

进一步地，预设参考范围的获取方法包括：

所述预设参考范围是以像素点为矩形窗口的中心，以预设规格为矩形窗口的大小构建的矩形窗口。

本发明具有如下有益效果：

本方案主要针对在对洗消机器人的放射源三维辐射初始图像进行增强时，为了针对性增强放射源三维辐射初始图像中辐射污染区域，通过根据像素点位于辐射污染区域的可能性，构建像素点的增强系数，使得辐射污染区域的像素点的增强系数较大，而其他像素点的增强系数较小，从而提高放射源三维辐射初始图像中辐射污染区域的凸显程度。为了分析像素点位于辐射污染区域的可能性，考虑到辐射污染区域中颜色差异比物体表面结构区域的颜色差异更大，获取像素点的颜色特征值；颜色特征值越大，像素点越符合辐射污染区域的像素点特征，像素点越可能处于辐射污染区域。为了更准确反映像素点处于辐射污染区域的可能性，考虑到物体表面结构区域相较于辐射污染区域颜色分布均匀，即颜色具有较高的一致性，通过像素点的区域像素点的梯度方向和像素点的区域像素点的颜色特征值，获取像素点的周围一致程度值；周围一致程度值越大，像素点周围颜色一致性越高，像素点越不可能处于辐射污染区域；综合了像素点的颜色特征值和周围一致程度值，更全面反映像素点位于辐射污染区域中的可能性，获取各个像素点的增强系数。

根据各个像素点的增强系数对放射源三维辐射初始图像中各个像素点进行增强，在能够增强辐射污染区域的情况下尽可能地保留其原来的图像信息，获取放射源三维辐射增强图像。通过对辐射污染区域进行针对性增强，改善图像的辐射污染区域表现效果，使得洗消机器人能准确识别出辐射污染区域。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。

图1为本发明一个实施例所提供的一种基于洗消机器人的放射源三维辐射图像智能增强方法的流程图。

具体实施方式

为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种基于洗消机器人的放射源三维辐射图像智能增强方法，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。

下面结合附图具体的说明本发明所提供的一种基于洗消机器人的放射源三维辐射图像智能增强方法的具体方案。

请参阅图1，其示出了本发明一个实施例提供的一种基于洗消机器人的放射源三维辐射图像智能增强方法的流程图，该方法包括以下步骤：

步骤S1，获取洗消机器人的放射源三维辐射初始图像。

在核医学场所中，存在辐射污染区域，利用洗消机器人进行辐射污染区域清洁，辐射污染区域受到光线以及其他环境因素的影响，导致采集图像中辐射污染区域在图像中显示效果不明显，使得洗消机器人难以准确识别出辐射污染区域，以提高对辐射污染区域识别和分析的准确性，从而提高洗消机器人对辐射污染区域清洁效率。为了洗消机器人能够准确识别出核医学场所中的辐射污染区域，需要针对性的增强辐射污染区域。本方案首先需要获取洗消机器人的放射源三维辐射初始图像，以供后续对放射源三维辐射初始图像进行针对性增强。

本发明一个实施例中，放射源三维辐射初始图像的获取方法包括：

在核医学场所中，将存在放射性污染物的区域作为辐射污染区域，在洗消机器人进行辐射污染区域清洁过程中，洗消机器人往往需要移动，按照预设采样频率，利用洗消机器人配备的γ射线探测器和光学摄像头，对行驶过程中的三维空间进行图像采集，获取各个采样时刻的放射源三维辐射图像；由于在核医学场所中存在具有放射性污染物的辐射污染区域，通过γ射线探测器，可以检测到放射性污染物发出的γ射线，并记录每个像素的辐射剂量率，可以显示放射性物质的分布和强度，有助于识别辐射污染区域和确定污染程度。光学摄像头可以获取物体的可见光图像，提供有关场景的直观视觉信息。将γ射线探测器与光学摄像头结合使用，可以更全面地了解辐射污染区域的分布和形态。由于采集的放射源三维辐射图像存在噪声，噪声会影响图像准确性，所以对放射源三维辐射图像进行降噪操作，消除噪声和部分外界干扰造成的影响，增强后续分析的准确性，从而获取采样时刻的放射源三维辐射初始图像。本发明一个实施例中，预设采样频率为1次/0.1秒。需要说明的是，放射源三维辐射图像是一种能够显示放射源在三维空间中分布和辐射强度的图像，具体的获取过程为本领域技术人员熟知的现有技术，在此不做限定。

优选地，本发明一个实施例中，放射源三维辐射初始图像为RGB颜色空间，所以放射源三维辐射初始图像对应所有颜色通道包括：R颜色通道，G颜色通道和B颜色通道。在本发明的其他实施例中，放射源三维辐射初始图像可以为Lab颜色空间，对应的所有颜色通道为L颜色通道，a颜色通道和b颜色通道，在此不做限定。

需要说明的是，为了方便运算，本发明实施例中所参与运算的所有指标数据均经过数据预处理，进而取消量纲影响。具体去量纲影响的手段为本领域技术人员熟知的技术手段，在此不做限定。

步骤S2，在放射源三维辐射初始图像中，确定像素点在预设参考范围中的参考像素点；在像素点的预设参考范围中，根据像素点和所有参考像素点之间的所有颜色通道的像素值差异，获取像素点的颜色特征值；确定像素点在预设周围区域中的区域像素点，在像素点的预设周围区域中，根据所有区域像素点的梯度方向以及颜色特征值，获取像素点的周围一致程度值；根据各像素点的颜色特征值和周围一致程度值，获取各个像素点的增强系数。

本方案主要针对在对洗消机器人的放射源三维辐射初始图像进行增强时，为了针对性增强放射源三维辐射初始图像中辐射污染区域，通过根据像素点位于辐射污染区域的可能性，构建像素点的增强系数，使得辐射污染区域的像素点的增强系数较大，而其他像素点的增强系数较小，从而提高放射源三维辐射初始图像中辐射污染区域的凸显程度。

为了分析像素点位于辐射污染区域的可能性，考虑到辐射污染区域中颜色差异比物体表面结构区域的颜色差异更大，获取像素点的颜色特征值；颜色特征值越大，像素点越符合辐射污染区域的像素点特征，像素点越可能处于辐射污染区域。

为了更准确反映像素点处于辐射污染区域的可能性，考虑到物体表面结构区域相较于辐射污染区域颜色分布均匀，即颜色具有较高的一致性，通过像素点的区域像素点的梯度方向一致性和像素点的区域像素点的颜色特征值一致性，获取像素点的周围一致程度值；周围一致程度值越大，像素点周围颜色一致性越高，像素点越不可能处于辐射污染区域；综合了像素点的颜色特征值和周围一致程度值，更全面反映像素点位于辐射污染区域中的可能性，获取各个像素点的增强系数，以供后续利用像素点的增强系数对各个像素点进行针对性增强。

优选地，为了后续分析像素点和周围的像素点之间的颜色差异，本发明一个实施例中，预设参考范围的获取方法包括：以像素点为中心像素点，构建预设规格为50*50的预设参考范围，预设参考范围的中心为中心像素点。本发明中将预设参考范围中的除了中心像素点以外的所有像素，作为参考像素点。在本发明的其他实施例中，像素点的预设参考范围可以为放射源三维辐射初始图像。

优选地，考虑到辐射污染的像素点区别于物体表面结构区域的像素点，辐射污染区域中颜色差异比物体表面结构区域的颜色差异更大，辐射污染区域的像素点和参考像素点之间的颜色差异比较大，通过构建颜色特征值，反映像素点处于辐射污染区域可能性。本发明一个实施例中，颜色特征值的获取方法包括：

本发明一个实施例中，颜色特征值公式包括：

；其中，/>为第/>个像素点的颜色特征值；/>为所有颜色通道的总数量；/>为在第/>个像素点的预设参考范围中，参考像素点的总数量；/>为在第/>个像素点的预设参考范围中，与第/>个像素点的第/>颜色通道的像素值相同的参考像素点的总数量；/>为第/>个像素点的第/>颜色通道的像素值；/>为在第/>个像素点的预设参考范围中，第/>个参考像素点的第/>颜色通道的像素值；/>为归一化函数；/>为绝对值符号；/>为以自然数/>为底数的指数函数。需要说明的是，本发明一个实施例中，放射源三维辐射初始图像为RGB颜色空间，所以放射源三维辐射初始图像对应所有颜色通道包括：R颜色通道，G颜色通道和B颜色通道，所以所有颜色通道的总数量为3个，/>为3，在此不做限定。需要说明的是，/>的具体获取过程包括：首先，将第/>个像素点的第/>颜色通道的像素值作为第一像素值；在第/>个像素点的预设参考范围中，将具有相同第一像素值的参考像素点，标记为相同颜色特征像素点，统计第/>个像素点的预设参考范围中所有相同颜色特征像素点总数量，得到/>。

在颜色特征值公式中，反映第/>个像素点的第/>颜色通道的像素值与第个参考像素点的第/>颜色通道的像素值的差异，/>反映第/>个像素点的第/>颜色通道的像素值与预设参考范围整体的参考像素点的第/>颜色通道的像素值的差异，差异越大，说明像素点与周围的像素点在第/>颜色通道的颜色差异越大，第/>个像素点的颜色特征越明显，颜色特征值越大；/>作为/>的权重，反映与第/>个像素点的第/>颜色通道的像素值相同的参考像素点的占比，占比越小，说明像素点越不容易被发现，对监测系统进行监测时不容易识别和发现，是需要重点分析的像素点，调大权重；颜色特征值综合了所有颜色通道的像素点和参考像素点之间像素值差异，更加全面反映了颜色差异。考虑到辐射污染区域中颜色差异比物体表面结构区域的颜色差异更大，颜色特征值越大，像素点和参考像素点之间颜色差异越大，像素点越符合辐射污染区域的像素点特征，颜色特征值越大，像素点处于辐射污染区域可能性越大。

由于颜色特征值较高的像素点不一定处于辐射污染区域，也有可能是其他区域的像素点，为了更准确反映像素点辐射污染区域的可能性。考虑到物体表面结构区域相较于辐射污染区域颜色分布均匀，即颜色具有较高的一致性，所以需要分析像素点所处区域的颜色一致性。

优选地，为了分析像素点和周围区域中像素点的颜色一致性，首先需要确定像素点的预设周围区域，本发明一个实施例中，预设周围区域的获取方法包括：

以像素点为中心，构建大小为BZ*BZ的预设周围区域，BZ为预设尺寸。其中，本发明中将预设周围区域中所有像素点作为区域像素点。本发明一个实施例中，预设尺寸为7，实施者可根据实施场景自行设定。

优选地，为了后续分析预设周围区域中区域像素点的梯度方向的一致性，通过梯度方向，获取特征方向值，本发明一个实施例中，特征方向值的获取方法包括：

基于Sobel（Sobel Operator，索贝尔算子）算子，获取每个区域像素点的梯度方向，需要说明的是，Sobel算子获取区域像素点的梯度方向简要过程包括：本发明一个实施例中，放射源三维辐射初始图像为RGB颜色空间，在RGB颜色空间中计算区域像素点的梯度时，通常会分别对R、G和B三个颜色通道进行梯度计算，每个颜色通道都代表了颜色空间中的一个维度，进而将所有颜色通道的梯度组合成一个最终的梯度。其中，区域像素点的梯度方向可以反映区域像素点的像素值变化的最大方向。在本发明的其他实施例中，还可以先将放射源三维辐射初始图像转化为灰度图像，之后利用Sobel算子获取每个区域像素点的梯度方向。

基于二维空间坐标系，将各个区域像素点梯度方向和X轴的夹角，作为各个区域像素点的特征角度；计算各个区域像素点的特征角度的余弦值，得到各个区域像素点的特征方向值。特征方向值可以反映像素点的像素值变化的最大方向。需要说明的是，二维空间坐标系为本领域技术人员熟知的现有技术，在此不作赘述。

优选地，为了后续逐个分析预设周围区域中像素点的颜色一致性，首先确定预设周围区域中区域像素点的序号，本发明一个实施例中，区域像素点的序号的获取方法包括：

基于二维空间坐标系，在像素点的预设周围区域中，以预设周围区域中左上角作为区域像素点的起点，按照从左到右的顺序，从上到下的顺序，逐行逐列对所有区域像素点进行标号，获取各个区域像素点的序号。需要说明的是，本发明的其他实施例中，区域像素点的序号的获取方法包括：基于二维空间坐标系，在像素点的预设周围区域中，以预设周围区域中右下角作为区域像素点的起点，按照从右到左的顺序，从下到上的顺序，逐行逐列对所有区域像素点进行标号，获取各个区域像素点的序号，在此不做限定。

优选地，通过像素点的区域像素点的梯度方向和像素点所处区域的颜色特征值一致性，获取像素点的周围一致程度值。本发明一个实施例中，周围一致程度值的获取方法包括：

在像素点的预设周围区域中，按照区域像素点的序号，对所有区域像素点的颜色特征值进行排序，得到像素点的区域像素颜色特征序列；

根据各个区域像素点的梯度方向，获取各个区域像素点的特征方向值；按照区域像素点的序号，对所有区域像素点的特征方向值进行排序，得到像素点的区域像素特征方向序列；

根据周围一致程度值公式获取周围一致程度值，周围一致程度值公式包括：

；其中，/>为第/>个像素点的周围一致程度值；/>个像素点的区域像素颜色特征序列；/>为第/>个像素点的区域像素特征方向序列；/>为绝对值符号；/>为在第/>个像素点的预设周围区域中，所有区域像素点的总数量；/>为在第/>个像素点的预设周围区域中，第/>个区域像素点的特征方向值；/>在第/>个像素点的预设周围区域中，所有区域像素点的特征方向值的均值；/>为在第/>个像素点的预设周围区域中，第/>个区域像素点的颜色特征值；/>在第/>个像素点的预设周围区域中，所有区域像素点的颜色特征值的均值；/>为绝对值符号；/>为以自然数/>为底数的指数函数；/>为取皮尔逊相关系数符号。

在周围一致程度值公式中，由于物体表面结构区域颜色存在差异时，对应像素点梯度方向存在差异，像素点的颜色特征值存在差异，梯度方向和颜色特征值的相关性高；反映区域像素特征方向序列和区域像素特征方向序列的相关性，相关性越大，说明像素点越可能处于物体表面结构区域，越不可能处于辐射污染区域；/>反映区域像素点和整体区域像素点的特征方向值的差异；/>反映区域像素点和整体区域像素点的颜色特征值的差异；/>综合了所有区域像素点和整体区域像素点的特征方向值差异，以及所有区域像素点和整体区域像素点的颜色特征值差异，更全面反映纹理一致程度，纹理一致程度越高，像素点越可能处于物体表面结构区域，越不可能处于辐射污染区域；周围一致程度值综合反映了像素点的预设周围区域中像素点的一致程度，像素点周围颜色一致性越高，像素点越不可能处于辐射污染区域。

优选地，综合了像素点的颜色特征值和周围一致程度值，更全面反映像素点位于辐射污染区域中的可能性，获取各个像素点的增强系数。本发明一个实施例中，增强系数的获取方法包括：

本发明一个实施例中，增强系数公式包括：

；其中，/>为第/>个像素点的增强系数；/>为第/>个像素点的颜色特征值；/>为第/>个像素点的周围一致程度值；/>为在第/>个像素点的预设周围区域中，所有区域像素点的总数量；/>在第/>个像素点的预设周围区域中，第/>个区域像素点的周围一致程度值；/>为归一化函数；/>为分母调节因子。本发明一个实施例中，分母调节因子为0.01。

在增强系数公式中，为了后续利用增强系数对像素值进行增强，数字1是为了保留原有像素值；为像素点的颜色特征值，颜色特征值越大，像素点处于辐射污染区域可能性越大，增强系数越大；/>为像素点的周围一致程度值，周围一致程度值综合反映了像素点的预设周围区域中像素点的一致程度，像素点周围颜色一致性越大，像素点越不可能处于辐射污染区域，增强系数越小；/>表示像素点和整体的区域像素点之间周围一致程度值差异，该值越大则说明像素点与预设周围区域中像素点变化的周围一致程度值差异越大，那么像素点相较于预设周围区域是比较特殊的，像素点处于辐射污染区域的可能性越大，增强系数越大；/>表示对像素值的增强部分，反映像素点处于辐射污染区域的可能性，可能性越大，增强程度越大，相应的增强部分越大。增强系数能够增强辐射污染区域的情况下尽可能地保留其原来的图像信息，提高图像表现准确性。

步骤S3，根据各个像素点的增强系数对放射源三维辐射初始图像中各个像素点进行增强，获取放射源三维辐射增强图像。

通过上述步骤，利用像素点处于辐射污染区域的可能性，构建增强系数，增强系数能够增强辐射污染区域的情况下尽可能地保留其原来的图像信息，根据各个像素点的增强系数对放射源三维辐射初始图像中各个像素点进行增强，获取放射源三维辐射增强图像。通过对辐射污染区域进行针对性增强，改善放射源三维辐射增强图像的辐射污染区域表现效果。

优选地，本发明一个实施例中，放射源三维辐射增强图像的获取方法包括：

在放射源三维辐射初始图像中，根据各个像素点的增强系数和像素值，获取各个像素点的更新后像素值；本发明一个实施例中，更新后像素值公式包括：

；其中，/>为第/>个像素点的更新后像素值；/>为第/>个像素点的像素值；/>为第/>个像素点的增强系数；/>表示向下取整符号；/>为归一化函数。本发明一个实施例中，放射源三维辐射初始图像为RGB颜色空间，对应的第/>个像素点的像素值/>为/>；其中/>为第/>个像素点的/>颜色通道的像素值；/>为第/>个像素点的颜色通道的像素值；/>为第/>个像素点的/>颜色通道的像素值。需要说明的是，向下取整符号能对/>的各个通道进行取整，例如，向下取整符号对向量[3.7,2.3,5.9]的每个通道进行向下取整，得到向量[3,3,5]。

在更新后像素值公式中，增强系数反映像素点处于辐射污染区域的可能性，可能性越大，增强系数越大，增强系数通过增大辐射污染区域的像素点的像素值，提高辐射污染区域的表现准确性；255为最大像素值；利用函数归一化/>并乘以最大像素值，用以增强处于辐射污染区域的像素点的凸显程度，同时防止像素点的像素值超出像素值范围。

在放射源三维辐射初始图像中，根据各像素点的更新后像素值替换对应的像素值，获取放射源三维辐射增强图像。改善放射源三维辐射初始图像中辐射污染区域的显示效果，以提高洗消机器人对辐射污染区域识别和分析的准确性，从而提高洗消机器人对辐射污染区域清洁效率。

综上，本发明实施例提供了一种基于洗消机器人的放射源三维辐射图像智能增强方法，本发明实施例中通过像素点和所有参考像素点之间的所有颜色通道的像素值差异，获取像素点的颜色特征值；根据所有区域像素点的梯度方向以及颜色特征值，获取像素点的周围一致程度值；根据各像素点的颜色特征值和周围一致程度值，获取各个像素点的增强系数；根据各个像素点的增强系数，对放射源三维辐射初始图像中各个像素点进行增强，获取放射源三维辐射增强图像。本发明通过像素点位于辐射污染区域的可能性，构建针对性的增强系数，对辐射污染区域进行针对性的图像增强，改善辐射污染区域增强效果。

需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。

Claims (7)

1.一种基于洗消机器人的放射源三维辐射图像智能增强方法，其特征在于，所述方法包括以下步骤：

获取洗消机器人的放射源三维辐射初始图像；

在所述放射源三维辐射初始图像中，确定像素点在预设参考范围中的参考像素点；在像素点的预设参考范围中，根据像素点和所有参考像素点之间的所有颜色通道的像素值差异，获取像素点的颜色特征值；确定像素点在预设周围区域中的区域像素点，在像素点的预设周围区域中，根据所有区域像素点的梯度方向以及颜色特征值，获取像素点的周围一致程度值；根据各像素点的所述颜色特征值和所述周围一致程度值，获取各个像素点的增强系数；

根据各个像素点的增强系数，对所述放射源三维辐射初始图像中各个像素点进行增强，获取放射源三维辐射增强图像；

所述颜色特征值的获取方法包括：

根据颜色特征值公式获取所述颜色特征值，所述颜色特征值公式包括：

；其中，/>为第/>个像素点的所述颜色特征值；/>为所有颜色通道的总数量；/>为在第/>个像素点的预设参考范围中，所有所述参考像素点的总数量；/>为在第/>个像素点的所述预设参考范围中，与第/>个像素点的第/>颜色通道的像素值相同的参考像素点的总数量；/>为第/>个像素点的第/>颜色通道的像素值；/>为在第/>个像素点的预设参考范围中，第/>个参考像素点的第颜色通道的像素值；/>为归一化函数；/>为绝对值符号；/>为以自然数/>为底数的指数函数；

所述周围一致程度值的获取方法包括：

在像素点的预设周围区域中，根据各个区域像素点的位置分布，确定各个区域像素点的序号；

在像素点的预设周围区域中，按照区域像素点的序号，对所有区域像素点的颜色特征值进行排序，得到像素点的区域像素颜色特征序列；

根据各个区域像素点的梯度方向，获取各个区域像素点的特征方向值；按照区域像素点的序号，对所有区域像素点的特征方向值进行排序，得到像素点的区域像素特征方向序列；

根据所述周围一致程度值公式获取所述周围一致程度值，所述周围一致程度值公式包括：

；其中，/>为第/>个像素点的所述周围一致程度值；/>为第/>个像素点的所述区域像素颜色特征序列；为第/>个像素点的所述区域像素特征方向序列；/>为绝对值符号；/>为在第/>个像素点的预设周围区域中，所有所述区域像素点的总数量；/>为在第/>个像素点的预设周围区域中，第/>个所述区域像素点的特征方向值；/>在第/>个像素点的预设周围区域中，所有所述区域像素点的特征方向值的均值；/>为在第/>个像素点的预设周围区域中，第/>个所述区域像素点的所述颜色特征值；/>在第/>个像素点的预设周围区域中，所有所述区域像素点的所述颜色特征值的均值；/>为绝对值符号；/>为以自然数/>为底数的指数函数；/>为取皮尔逊相关系数符号；

所述增强系数的获取方法包括：

根据所述增强系数公式获取所述增强系数，所述增强系数公式包括：

；其中，/>为第/>个像素点的所述增强系数；/>为第/>个像素点的所述颜色特征值；/>为第/>个像素点的所述周围一致程度值；/>为在第/>个像素点的预设周围区域中，所有所述区域像素点的总数量；/>在第/>个像素点的预设周围区域中，第/>个所述区域像素点的所述周围一致程度值；/>为归一化函数；/>为分母调节因子。

2.根据权利要求1所述的一种基于洗消机器人的放射源三维辐射图像智能增强方法，其特征在于，所述区域像素点的序号的获取方法包括：

在像素点的预设周围区域中，以预设周围区域中左上角作为区域像素点的起点，按照从左到右顺序，从上到下的顺序，逐行对所有区域像素点进行标号，获取各个区域像素点的序号。

3.根据权利要求1所述的一种基于洗消机器人的放射源三维辐射图像智能增强方法，其特征在于，所述特征方向值的获取方法包括：

基于二维空间坐标系，将各个区域像素点的梯度方向和X轴的夹角，作为各个区域像素点的特征角度；计算各个区域像素点的特征角度的余弦值，得到各个区域像素点的特征方向值。

4.根据权利要求1所述的一种基于洗消机器人的放射源三维辐射图像智能增强方法，其特征在于，所述放射源三维辐射增强图像的获取方法包括：

在所述放射源三维辐射初始图像中，根据各个像素点的增强系数和对应的像素值，获取各个像素点的更新后像素值；根据各像素点的更新后像素值替换对应的像素值，获取所述放射源三维辐射增强图像。

5.根据权利要求1所述的一种基于洗消机器人的放射源三维辐射图像智能增强方法，其特征在于，所述预设周围区域的获取方法包括：

所述预设周围区域是以像素点为矩形窗口的中心，以预设尺寸为矩形窗口的边长构建的矩形窗口。

6.根据权利要求1所述的一种基于洗消机器人的放射源三维辐射图像智能增强方法，其特征在于，所述所有颜色通道包括：R颜色通道、G颜色通道和B颜色通道。

7.根据权利要求1所述的一种基于洗消机器人的放射源三维辐射图像智能增强方法，其特征在于，预设参考范围的获取方法包括：

所述预设参考范围是以像素点为矩形窗口的中心，以预设规格为矩形窗口的大小构建的矩形窗口。