运用图像处理技术处理数字信号外文翻译资料

英语原文共 6 页，剩余内容已隐藏，支付完成后下载完整资料

南京信息工程大学

文 献 翻 译

专 业 信息与计算科学________

运用图像处理技术处理数字信号

王鹏 张软玉 袁学东 许祖润 安竹

在本文中，我们提出和认可了基于图像处理的数字核信号处理的新方法，这可以有效地在不改变信号形状的情况下提高数字信号核武器的信噪比。以“时间 - 幅度”系列的数字核信号被转换成可调像素大小的灰度级图像。转换后的图像模板通过现代图像处理装置的提取方法，如空间数字低通滤波，图像二进制和图像的骨架提取。该所需的参数从模板图像中提取。在本文中模板的提取方法可以灵活地用于提取核信号模板的全部或一部分，得到相应于整个或部分信号模板。通过这种方法获得的gamma;射线能量谱的图像处理的结果，表明新方法提供了一种制造高效率，高灵活性，高密度和多参数的未来数字核仪器的方法。

关键词：数字信号核，骨架提取，波形信息提取的图像

I．引言

数字化的核仪器已被广泛使用在高能物理，核物理和核应用物理领域。时域分析是在数字核信号处理中用到常规方法，如过滤或整形，用于描述那些以同样的时间间隔为振幅而提取的采样信号。例如，核信号通常在能量谱测[1,2]呈梯形或三角形信号和在时间测量时[3,4]呈双极性信号。应根据不同的测量要求配置不同的硬件和软件。实时和多任务的复杂测量系统花费了巨大的成本和资源，降低了系统的实时性能。

为了解决这些问题，我们提出了用数字核信号处理的方法去获得核信息，在应用图像处理的方法过程中，我们要考虑到：（1）从核探测器中得到的输出信号的形状要确定在系统设置的参数之后; （2）核辐射的不同的信息由整个信号的上升沿，平顶和由核脉冲的形状承载; （3）有价值的成果，理论或实验，数字图像处理的可由[5，6]采用。在本文中，我们专注于将一个数字化的核信号波形转换成数字图像，从转换后的图像模板提取，并重建波形模板。与原数字信号相比，在不改变其形状的情况下，多余的信号的消除和信噪比明显提高。镅241中gamma;射线的收集验证我们的图像处理算法。结果表明，我们的算法所取得的能量谱的分辨率优于ORTEC公司的MCA。

II。数字核的图像转换信号

A原理和方法

假设核探测器输出信号nu;（T）随着时间T的推移和幅度A的变换，离散数字信号nu;（n）的n位精度ADC和1 / Ts采样频率。换句话说，nu;（n）是由一系列的等时间间隔为1 / Ts的振幅值。下一步，我尝试将其转换为灰度级的图像2M（M是一个正整数）。在这里，我们可以推断出图像的最大水平和垂直分辨率分别为W = [ T / Ts]和H = [A/V OM · 2 M] ,V OM是ADC的最大输出值，n是ADC比特数，当A= V OM，我们得到H = 2 N。符号[ ]表示，W和H可以是整数。转换过程描述如下。首先，假设每个像素的宽度和高度是∆w和∆H，Wtimes;H网格的波形nu;（N）分为矩形∆wtimes;∆h，所以我们w = [W/∆w]和[∆H = H /∆h]，每个网格表示转换后的图像的像素，如图所示图1（a）的厚边框。通常情况下，∆Wge;1,∆Hge;1，即，不同采样点的采样数时间可能是“绘制”到相同的网格，如果他们的幅度和时间分辨率属于相同的像素（x,y）。其次，计数每个像素，如图1（b），计算每个像素的灰度（psi;）根据方程（1）：

其中Z（x，y）是像素的计数数（x，y）和Z MAX是所有像素的最大计数。

图1.（彩线）数字图像转换的插图信号：

（a）划分波形进瓦特行和h列的网格，

（b）计算每个网格的灰度值，（C）转换成灰度图片。

将最终的图纸，对应每个像素灰度值，“振幅采样”序列的波形等时间间隔转换成“X–Y”系列二维灰度图像（图1（c））。

B．图像转换的参数确认

转换后的图像数据量的确定为∆w和∆h.最大的数据量确定的波形图像像素是Wtimes;H，而实际上一个转换后的图像的像素依赖于Delta;W和Delta;h的大小。在图2中，数字化的核波形由不同的Delta;w和Delta;h值转换成灰度级图像。可以看出，最大的Delta;wtimes;Delta;h，即最小数据量，是最鲜明的图像轮廓。这是适合的波形低频ADC采样图像转换。相反，最小的∆Wtimes;∆H，即最大的数据量，呈现最详细的波形。这是适用于波形高频ADC采样图像转换。

图2.（彩色在线）比较（a）和图像转换结果以20times;25的（b）的像素尺寸，10times;25的（c）和20times;23（d）所示。

III.图像增强和模板提取

转换后的图像还包括噪声和干扰核信号的叠加。他们可以减少图像增强的图像处理程序数字核信号（IES）。IES的本质是削弱空间上对波形的加扰噪声图像的平滑滤波，提高了图像的平滑性波形的分析和识别的波形如下。

A．空间的数字低通滤波

假设一个图像大小的f（x，y）是w，空间对波形的灰度图像滤波平均完成通过二维卷积滤波器Mtimes;n中omega;的大小，我们有滤波结果Eq.（2）[ 7 ]：

其中s= 1,2，...，m和t= 1,2，...，n是独立的—掩模函数变量；f（xplusmn;s，y T）表示图像像素的灰度值（xplusmn;s，y T）在图像中，x = 0,1,2，···，Wminus;1、y=0,1,2，···，Hminus;1。这个过滤结果如图3所示。图3（a）是图像核信号过滤前，图3（b）到图3（d）是用方程（2）使用不同的滤波器图像过滤后。这个滤波效果与滤波器的掩模大小有关。一般，一较小的滤波器掩模的空间平滑性能较差过滤，但啤酒过滤口罩引发更大的统计误差在获得信号幅度。所以，在选择过滤器面具大小，实际噪声对信号的属性所施加的被考虑在内。考虑的均方值所获得的信号幅度的噪声和统计误差，15x15的滤波器是我们的最佳选择。

图3.和不具有（a）和具有间平均滤波的比较过滤器，10times;10的（b）的尺寸，15times;15（c）和20times;20（d）所示。

B.图像骨架和模板提取

在数字核测量和分析构建一个最佳的信号处理系统的一个关键因素是准确识别该检测器系统的参数。从发达国家数学形态学理论来看，一个称为“模板提取”即可完成基于图像骨架的任务。

骨架的不同图像f（X，Y）的S（f）可被表示为一系列的侵蚀和张开的形态学图像处理的结合，可以表示为如下[ 8 ]：

式中，B是结构元素，“o”表示开口操作和（fTheta;kB）表示k次连续的F侵蚀。

其中，k是侵蚀前的最后迭代的时间（fTheta;kB）变为空集，可表示为公式 （6）：

为实际应用，K可被设置为一个固定的值作为计算速度和骨架效应折中提取。根据数字图像处理的理论，空间低通滤波后的波形图像被转换成二值图像，其中的任何像素灰度值大于1是被强制“开”和低于1被强制“关”。该图像的模板然后通过的骨架提取与对应结构元素的二进制图象[9,10]。

在这项工作中，我们使用MATLA中函数“bwmorph（BW，”skel，K）“来执行骨架的二进制图象提取。函数“bwmorph”可以执行各种关于二值图像形态学运算出它的参数。“bwmorph”有三个参数：“BW”表示要被处理的图像，“skel”意味着该操作用于通过删除对象边界上的像素提取图象的骨架，但不允许对象分开，“K”是指该操作被应用于K次。在这里，我们使用的3times;3结构元素大小（等式（7）），以用于实现快速侵蚀算法，查表[11]。

图4显示了骨架核信号波形模板。图4（a），是时间 - 振幅波形的通过CZT探测器探测到的241镅的gamma;射线，采用力科的WaveRunner104Xi-A滤波器在100 MSPS的采样率。图4（b）显示的波形骨架通过图像转换，图像增强和图像骨架化。此外，我们可以通过从一个系统获得的多样式模板提取不同的骨架，通过处理不同的部分的波形图象。 图5表示出所提取的模板上升沿的一部分，并根据该平顶端部分图4（b）。不同的辐射源，探测器和采样率的数字核信号都可以用这种方法完成图像骨架化，有一定的对应参数值。我们提出的方法奠定了波形参数的高精度识别的基础。

图4.镅-241gamma;射线在100 MSPS采样速率的波形（a），和波形骨架（b）。

图5。一个信号的不同部分的模板:（a）模板信号的顶部; （b）信号的上升沿。

从图4可以看出，与原图像相比，骨架上的噪声显然被减少了，对于上升和下降的边缘骨架形状几乎不变。骨架有在一定条件下，从检测系统中获取的核信号波形的整体或关键部位，可作为核信号波形的模板。

图6.实验装置的框图

Ⅳ. 结果与讨论

A.模板图像的幅度收购

我们试图描述模板图像的基本特征和图象设置后的参数形式。定义了模板图象表示的信号幅度方程（8）和（9）

其中，nu;N是由N行所代表的幅度值模板图像，N0是模板图像的行数，这表示的零幅度，Delta;nu;是由行表示的振幅值，nu;范围是数字转换器的输入范围，H是在定义在Sec. II（A）中的图像最大垂直分辨率。

1. 频谱采集

为了证明建议的有效性方法，建立一个系统，用这种方法来获得核能源光谱和常规的MCA，并比较他们的结果。

图6是系统的框图。该从CZT探测器获得的241镅的gamma;射线信号被同时送入数字化仪和MCA在ORTEC-527饿功放和ORTEC-926 的ADC。数字光谱仪是FA-001前端控制器PCI-9820数字化仪（AD-LINK）。 ADC的采样速率是66 MSPS，14位和输入范围的转换精度plusmn;1V。数字核信号的波形将数字化系统传送到工作站进行数据处理过程和结果分析[12]。数据被基于图像处理的算法处理，如上所述。 图 7展示了从数字化的算法中收集能量的流措施，步骤参数在给定的表格1中。

图7.基于数字图像处理采集能谱的算法流程图。

图8.选自（a）常规的MCA和（b）的图像处理算法的光谱的比较。

表1.在算法中使用的参数

图8比较了由传统的MCA所获得的两个光谱（图8（a））和算法基于图像处理（图8的（b））。从图8看到，我们的图象处理算法具有很好的获得核信息的能力，如采集的振幅信息的波形。在59.5keV峰的分辨率为9.7％和9.1％。图8（a）8（b），通过我们的数字图像处理方法，能明显改善能量分辨率。我们正在进一步改进新的方法。

Ⅴ.结论

根据以上的实验结果，获得以下结论：（1）采用图象处理方法可以获得数字核信号的核信息; （2）数字核信号可以被成功地转化成灰度图像，通过我们的方法可调整灰度和大小; （3）以通过提取空间线性滤波的组合的方法和数学形态学的方法提取核信号的图像的骨架，并在建立模板库核信号识别的进一步使用上具有潜在的优势;（4）我们提出的方法将使许多潜在的应用简单有效，如累积信号的识别，微弱信号的发现和数字核信号数据的压缩和传输，这将会在后面研究。

译 文 评 阅

导师评语：

指导教师：____________

年 月 日

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[28610]，资料为PDF文档或Word文档，PDF文档可免费转换为Word