一种基于红外热像仪的托卡马克第一壁温度测量方法与流程

1.本发明涉及托卡马克装置图像稳像技术领域，特别涉及一种基于红外热像仪的托卡马克第一壁温度测量方法。


背景技术：

2.托卡马克装置是一种利用磁约束来实现受控核聚变的装置，这类装置的主要科学目标是实现装置的高参数稳态运行以及研究相关物理和工程问题。在托卡马克装置进行放电实验的过程中，面向等离子体的第一壁材料经常会受到高能粒子的轰击，如偏滤器靶板材料经常需要承受mw量级的瞬态热通量，这极大考验了材料的承热能力。当材料发生融化以及脱落时，很可能会向真空室内引入大量杂质，从而破坏等离子体的平衡状态，使得放电实验终止。因此，需要利用现有的技术手段和方法来实时监测真空室内第一壁等材料的受热状态。目前，国际上主流的聚变装置，如jet、diii
‑
d、nstx、mast等都在使用红外热像仪进行第一壁材料的温度监测。通过这种非接触、可观察式的测量手段，能够实现打击点区域的温度监测并进行温度反馈控制。此外，可以利用红外测温系统，建立一套温度反馈控制的系统，利用红外测温仪给出的温度数据，反馈温度信息供其他诊断调节相关参数，从而使得放电过程能够更加安全、稳定的进行下去，最终实现长脉冲稳态放电。因此，国内的核聚变装置east(experimental advanced superconducting tokamak)也紧跟国际潮流，也相应的开发出了适合于自身装置特点的红外测温系统。
3.east托卡马克装置的可见/红外内窥镜诊断系统与装置之间通过大量螺杆和螺母固定在一起，二者连接处不存在任何相对运动。但是由于整个光路结构只在与托卡马克装置连接的一端进行了固定，在光线的出射端，也就是面向红外热像仪的一端为悬空状态。因此装置的光路结构类似于一个悬臂梁结构，当悬臂梁结构的固定端跟随托卡马克装置进行无规律的小幅震动时，位于自由端的光路结构就会产生相对较大的振幅。对于采集放电数据的红外热像仪而言，虽然红外热像仪与光路没有直接接触，二者之间也采用了一定的机械固定方式，但红外热像仪的工作环境异常复杂，其周围有大量运行的设备，使得支撑红外热像仪的底座也处于一个无规律的震动状态下，这就导致红外热像仪采集的视频数据存在肉眼可见的画面抖动情况。由于红外热像仪与光路通过支架进行了刚性连接，使得红外热像仪与光路结构的自由端之间沿着光路中轴线的相对位置基本不会发生改变，同时也使得红外热像仪相对于光路结构的自由端不会产生旋转位移，所以红外热像仪采集的红外图像数据的抖动因子只存在水平和垂直两个方向的自由度，实际运动属于刚性变换并且只有平移运动。实验人员在处理红外视频数据时，经常需要根据数据计算模型选取固定的特征区域进行温度数据的计算，但是由于实验数据存在图像抖动的问题，就会导致选取的特征区域脱离计算模型，由此计算出的温度数据就会不准确，进而在利用观测部件表面的温度进行热负荷分析时就无法得出准确的实验数据。这种不确定的图像抖动对于实验人员获取理论依据和验证材料性能造成了极大的困扰，因此必须对红外热像仪采集的红外图像数据进行视频稳像的处理。


技术实现要素：

4.本发明的目的在于提供一种基于红外热像仪的托卡马克第一壁温度测量方法，解决红外热像仪在实验过程中因为装置温漂和抖动等因素导致偏滤器靶板在红外图像测量靶板准确，温度不准确的问题。
5.为了实现上述目的，本发明采用以下技术方案予以实现：
6.一种基于红外热像仪的托卡马克第一壁温度测量方法，包括以下步骤：
7.(1)基于红外热像仪测量系统的参数标定；
8.(2)托卡马克第一壁红外图像的抖动消除；
9.(3)基于红外图像的托卡马克第一壁修正温度的获取。
10.优选地，步骤(1)具体包括以下步骤：
11.(1.1)将光路的一端与红外热像仪连接，另一端与托卡马克装置的窗口连接，所述托卡马克装置内部的红外辐射可通过所述窗口进入光路，被红外热像仪测得；
12.(1.2)将一块黑色的恒温金属圆板安装在托卡马克装置与光路相连接的窗口处，所述金属圆板的直径大于所述窗口的直径；
13.(1.3)所述金属圆板的表面温度恒定为t0，在红外热像仪的控制软件中将发射率设置为1，然后对金属圆板进行测温，从红外热像仪测得的图像中获取各个像素点的测量值，并保存为温度矩阵t1，t1(i，j)表示所测得的图像中第i行，第j列的温度值；
14.(1.4)重复进行三次步骤(1.3)，分别将测温结果保存为温度矩阵t1，t2和t3，红外热像仪测量结果的矫正系数矩阵c为：
[0015][0016]
优选地，步骤(2)的具体包括以下步骤：根据矫正系数矩阵c和当前采集的红外图像，得到矫正后的图像温度值为：
[0017]
pix(x,y)＝pix(x
i
,y
i
)
‑
c(x0,y0)
ꢀꢀꢀ
(2)
[0018]
其中，pix(x
i
,y
i
)是采集图片的一个像数值，c(x0,y0)是矫正系数矩阵c与采集图像对应坐标位置的数值，pix(x,y)是这个位置矫正后的像素值。
[0019]
优选地，步骤(3)具体包括以下步骤：
[0020]
(3.1)选取红外图像参考帧，选取红外图像视频序列第一帧图像为后续所有帧图像的参考帧；
[0021]
(3.2)确定参考帧图片后，进一步确定红外参考帧中的特征点：
[0022]
在输入的一帧红外图像数据中基于fast算法选取图像中的一系列显著点作为图像的特征点，提取特征点的标准如式(3)所示：
[0023][0024]
其中，i(x)为圆周上任意一点的灰度，i(p)为圆心的灰度，ε
d
为灰度值差的阈值；
[0025]
选取四分之三个周围圆圈上的点作差，如果求得的n大于给定阈值，则认为p是一个特征点；
[0026]
(3.3)采用brief算法来描述这些特征点的属性，来解决旋转一致性问题，这些属性的输出称之为特征点的描述子，以特征点p为圆心，以d为半径做圆o，在圆o内某一模式选
取n个点对，假设当前选取的n个点对如下所示分别标记为：p1(a,b),p2(a,b),p3(a,b),
…
,p
n
(a,b)；根据式(4)分别赋值，其中i
a
表示a点的灰度；
[0027][0028]
(3.4)将得到的结果进行组合，即可得到图片中的特征和其描述子；
[0029]
(3.5)红外图像特征点的匹配：
[0030]
根据汉明距离判断两幅图像中的对应特征点是否可以进行匹配，当a和b的描述子的汉明距离小于等于阈值时，判定a，b是相同的特征点，即a，b匹配成功；
[0031]
基于该红外图像特征点匹配算法找出当前帧和参考帧的对应点集如式(5)所示：
[0032]
p＝{((x
i
,y
i
)
t
,(x
i
',y
i
')
t
)}i＝1,2,...,n
ꢀꢀꢀ
(5)
[0033]
其中，(x
i
,y
i
)
t
为特征点，(x
iˊ
,y
iˊ
)
t
为匹配特征点；
[0034]
(3.6)筛选正确特征匹配点
[0035]
采用随机抽样一致算法对图像中匹配的特征点进行筛选，某一时刻该帧图像和参考帧图像的一系列特征对应点额集合p为式(5)，在集合p中随机取两对对应点构成p的子集合s1；
[0036]
s1＝{(x
m
,y
n
)
t
,(x
m
',y
n
')
t
(x
j
,y
k
)
t
,(x
j
',y
k
')
t
}
ꢀꢀꢀ
(6)
[0037]
其中，m,n,j,k为随机数；
[0038]
将子集合s1带入式(7)得到一个解集m＝(a,b,dx,dy)
t
；
[0039][0040]
如式(8)，m中的元素满足小于误差范围t则认为是正确匹配点；
[0041][0042]
其中，误差范围t是一个经验值；
[0043]
(3.7)全局运动矢量计算：
[0044]
假设抖动方程为式(9)：
[0045][0046]
该式(9)也可以转化为式(10)：
[0047][0048]
筛选后的匹配特征使用最小二乘法解求解式(9)，现在求出了当前时刻图像相对
于参考帧图像的运动参量(α
t
,dx
t
,dy
t
)
t
；其中，t表示当前帧的时间序号；
[0049]
(3.8)抖动消除后红外图像像素值计算
[0050]
由红外热像仪的数据提取函数提取出整个红外图像序列中所有像素点在各个时刻的像素值，并将像素值存储在矩阵中待用；由于采用ransac算法得到的红外图像抖动分量通常都是浮点小数，然而二维图像像素点的下标都是整数；采用双线性插值的方法，利用待计算像素点周围的四个最邻近像素点的像素值在水平和竖直方向做线性内插值计算，进而求得该点的像素值；
[0051]
假设待计算像素点的坐标为(i u,j v)，该点最近邻的四个像素点的坐标分别为：(i,j)、(i 1,j)、(i,j 1)、(i 1,j 1)，位移点(i,j)处的像素点的灰度值记为f(i,j)，对于待计算像素点在水平方向做线性内插值运算，则有：
[0052]
f(i u,j)＝[f(i 1,j)
‑
f(i,j)]
×
u f(i,j)
ꢀꢀꢀꢀ
(11)
[0053]
对于待计算像素点在竖直方向做线性内插值运算，则有：
[0054]
f(i,j v)＝[f(i,j 1)
‑
f(i,j)]
×
v f(i,j)
ꢀꢀꢀꢀ
(12)
[0055]
同理，点(i u,j v)在此条件下的插值计算表达式可以表示为：
[0056][0057]
改写为矩阵形式，可以表示为：
[0058][0059]
根据双线性插值法所得到的红外图像序列中每帧图像相对于参考帧图像在x方向的平移分量dx和在y方向的平移分量dy。
[0060]
优选地，步骤(3.5)中，所述的阈值优选为2。
[0061]
优选地，步骤(3.6)中，所述的误差范围t优选为3。
[0062]
优选地，步骤(3)中，由相机抖动处理过程可以得到偏移后的像素坐标，但由于两者测量高温的红外像素的温度值可能存在不同，则需要对匹配抖动后的温度值和参考帧中的温度的特点采用式(15)进行滤波拟合；其中，t(pix(x,y))是参考帧的某坐标点的温度值，t(pix(x’,y’))是抖动后的对应坐标的温度，δ是设立相差的阈值，当超过这个值则认为噪点，进行舍弃；
[0063][0064]
优选地，δ为1℃。
[0065]
与现有技术相比，本发明具有以下技术效果：
[0066]
1.本发明提供的基于红外热像仪的托卡马克第一壁温度测量方法，具有温度测量精度高的优点；
[0067]
2.本发明提供的方法图像去抖动效果较好，处理步骤简单具有较强的可实现性；
[0068]
3.本发明中，利用ransac算法计算得到的全局运动估计精准可靠；
[0069]
4.本发明提供的基于红外热像仪的托卡马克第一壁温度测量方法，通过结合去抖动算法和双线性插值法实现了靶板温度变化趋势的准确检测，对实验人员获取理论依据和验证材料性能起到了很好的辅助作用。
附图说明
[0070]
图1示出为根据本发明具体实施方式提供的一种基于红外热像仪的托卡马克第一壁温度测量方法的流程图；
[0071]
图2示出为本发明中红外热像仪在托卡马克装置中的空间分布位置及视场示意图；
[0072]
图3示出为本发明中红外热像仪采集到的托卡马克装置的运行图像；
[0073]
图4示出为红外图像抖动消除方法的流程图；
[0074]
图5示出为红外图像特征点匹配图；
[0075]
图6示出为ransac算法筛选后红外图像特征点匹配图；
[0076]
图7示出为红外图像全局运动的dx和dy图；
[0077]
图8示出为抖动校正前后靶板上弦线温度变化趋势图。
具体实施方式
[0078]
为了使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体附图，进一步阐明本发明。
[0079]
结合图1、2所示，本发明中，红外热像仪通过光路系统与托卡马克装置连接，该红外热像仪能够通过光路系统采集实验过程中托卡马克装置内部的红外图像。
[0080]
基于该红外热像仪对托卡马克装置第一壁温度测量的方法包括以下步骤：
[0081]
(1)基于红外热像仪测量系统的参数标定，具体的包括：
[0082]
(1.1)将光路的一端与红外热像仪连接，另一端与托卡马克装置的窗口连接，所述托卡马克装置内部的红外辐射可通过所述窗口进入光路，被红外热像仪测得；
[0083]
(1.2)将一块黑色的恒温金属圆板安装在托卡马克装置与光路相连接的窗口处，所述金属圆板的直径大于所述窗口的直径，如此，圆板可以完全覆盖住窗口；
[0084]
(1.3)所述金属圆板的表面温度恒定为t，在红外热像仪的控制软件中将发射率设置为1，然后对金属圆板进行测温，从红外热像仪测得的图像中获取各个像素点的测量值，并保存为温度矩阵t1，t1(i，j)表示所测得的图像中第i行，第j列的温度值；
[0085]
(1.4)重复进行三次步骤(1.3)，分别将测温结果保存为温度矩阵t1，t2和t3，红外热像仪测量结果的矫正系数矩阵c为：
[0086][0087]
(2)托卡马克第一壁红外图像的抖动消除；根据矫正系数矩阵c和当前采集的红外图像，得到矫正后的图像温度值为：
[0088]
pix(x,y)＝pix(x
i
,y
i
)
‑
c(x0,y0)
ꢀꢀꢀ
(2)
[0089]
其中，pix(x
i
,y
i
)是采集图片的一个像素值，c(x0,y0)是矫正系数矩阵c于采集图
像对应坐标位置的数值，pix(x,y)是这个位置矫正后的像素值。红外热像仪采集到的红外图像如图3所示。
[0090]
(3)基于红外图像的托卡马克第一壁修正温度的获取。
[0091]
本领域人员知晓，在实际的工作过程中，红外热像仪的工作环境异常复杂，如east装置在放电过程中会产生超强电场和超强磁场等，这样会形成巨大的电磁力，在等离子体平稳运行阶段，这些电磁力会处于相对平衡的状态，east装置只会出现轻微的震动。需要对红外图像进行抖动处理，抖动处理方法原理是从一组序列图像中选出参考帧及其特征区域，通过图像处理算法检测续序列图像中的特征区域相对于参考帧的运动矢量，得出全局运动模型。通过反向的运动补偿得出经过稳像操作的序列图像。具体步骤如图4所示，包括：参考帧选取，特征点选取，特征点匹配，正确特征匹配点的筛选，全局运动矢量计算，运动补偿，红外图像计算，靶板温度变化趋势。
[0092]
具体包括以下步骤：
[0093]
(3.1)选取红外图像参考帧：由于要获得准确的靶板位置坐标，需要选取一帧图像为所有待匹配图像的参考图像，故而，选取红外图像视频序列第一帧图像为后续所有帧图像的参考帧；
[0094]
(3.2)确定参考帧图片后，进一步确定红外参考帧中的特征点：
[0095]
在输入的一帧红外图像数据中基于fast算法选取图像中的一系列显著点作为图像的特征点，提取特征点的标准如式(3)所示：
[0096][0097]
其中，i(x)为圆周上任意一点的灰度，i(p)为圆心的灰度，ε
d
为灰度值差的阈值；
[0098]
选取四分之三个周围圆圈上的点作差，如果求得的n大于给定阈值，则认为p是一个特征点；
[0099]
(3.3)采用brief算法来描述这些特征点的属性，来解决旋转一致性问题，这些属性的输出称之为特征点的描述子，以特征点p为圆心，以d为半径做圆o，在圆o内某一模式选取n个点对，假设当前选取的n个点对如下所示分别标记为：p1(a,b),p2(a,b),p3(a,b),
…
,p
n
(a,b)；根据式(4)分别赋值，其中i
a
表示a点的灰度；
[0100][0101]
(3.4)将得到的结果进行组合，即可得到图片中的特征和其描述子；具体的，假如：t(p1(a,b))＝0,t(p2(a,b))＝0,t(p3(a,b))＝0,t(p
n
(a,b))＝0。则最终的描述子为：011...0；即可得到图片中的特征和其描述子。
[0102]
(3.5)红外图像特征点的匹配：根据汉明距离判断两幅图像中的对应特征点是否可以进行匹配，当a和b的描述子的汉明距离小于等于阈值时，判定a，b是相同的特征点，即a，b匹配成功；优选的，该阈值设定为2。具体的，假如特征点a的描述子为(1010101101)、b的描述子为(1010101100)。a,b的汉明距离为1，小于2，故而特征点a和b是匹配的。
[0103]
基于该红外图像特征点匹配算法找出当前帧和参考帧的对应点集如式(5)所示：
[0104]
p＝{((x
i
,y
i
)
t
,(x
i
',y
i
')
t
)}i＝1,2,...,n
ꢀꢀꢀ
(5)
[0105]
其中，(x
i
,y
i
)
t
为特征点，(x
iˊ
,y
iˊ
)
t
为匹配特征点；根据点集合可在第一壁的图片
上，标出特征点和匹配点如图5所示；
[0106]
(3.6)筛选正确特征匹配点
[0107]
红外图像中存在大量噪声且在实验过程中红外图像的特征信息会受到温度的变化而造成一定的失真，在特征点匹配过程中不可避免的产生一些匹配错误的特征点，称之为“坏点”。
[0108]
采用随机抽样一致算法对图像中匹配的特征点进行筛选，某一时刻该帧图像和参考帧图像的一系列特征对应点的集合p为式(5)，在集合p中随机取两对对应点构成p的子集合s1；
[0109]
s1＝{(x
m
,y
n
)
t
,(x
m
',y
n
')
t
(x
j
,y
k
)
t
,(x
j
',y
k
')
t
}
ꢀꢀꢀ
(6)
[0110]
其中，m,n,j,k为随机数；
[0111]
将子集合s1带入式(7)得到一个解集m＝(a,b,dx,dy)
t
；
[0112][0113]
如式(8)，m中的元素满足小于误差范围t则认为是正确匹配点；
[0114][0115]
其中，误差范围t是一个经验值；所述的误差范围t优选为3，进行滤波后，结果如图6所示。
[0116]
(3.7)全局运动矢量计算：
[0117]
抖动运动方程以旋转和平移为主，因此假设抖动方程为式(9)：
[0118][0119]
α表示图像绕中心逆时针旋转角度，(dx,dy)
t
表示图像在x轴和y轴的位移；
[0120]
该式(9)也可以转化为式(10)：
[0121][0122]
其中，(a,b,dx,dy)
t
为变化矩阵。
[0123]
筛选后的匹配特征使用最小二乘法解求解式(9)，现在求出了当前时刻图像相对于参考帧图像的运动参量(α
t
,dx
t
,dy
t
)
t
；其中，t表示当前帧的时间序号；红外图像在x轴的偏移量dx和在y轴的偏移量dy随时间的变化如图7所示。
[0124]
(3.8)抖动消除后红外图像像素值计算
[0125]
由红外热像仪的数据提取函数提取出整个红外图像序列中所有像素点在各个时刻的像素值，并将像素值存储在矩阵中待用；由于采用ransac算法得到的红外图像抖动分
量通常都是浮点小数，然而二维图像像素点的下标都是整数；采用双线性插值的方法，利用待计算像素点周围的四个最邻近像素点的像素值在水平和竖直方向做线性内插值计算，进而求得该点的像素值；
[0126]
假设待计算像素点的坐标为(i u,j v)，该点最近邻的四个像素点的坐标分别为：(i,j)、(i 1,j)、(i,j 1)、(i 1,j 1)，位移点(i,j)处的像素点的灰度值记为f(i,j)，对于待计算像素点在水平方向做线性内插值运算，则有：
[0127]
f(i u,j)＝[f(i 1,j)
‑
f(i,j)]
×
u f(i,j)
ꢀꢀꢀꢀ
(11)
[0128]
对于待计算像素点在竖直方向做线性内插值运算，则有：
[0129]
f(i,j v)＝[f(i,j 1)
‑
f(i,j)]
×
v f(i,j)
ꢀꢀꢀꢀ
(12)
[0130]
同理，点(i u,j v)在此条件下的插值计算表达式可以表示为：
[0131][0132]
改写为矩阵形式，可以表示为：
[0133][0134]
根据双线性插值法所得到的红外图像序列中每帧图像相对于参考帧图像在x方向的平移分量dx和在y方向的平移分量dy。
[0135]
(3.9)靶板温度的拟合：
[0136]
由根据步骤(3.5)
‑
(3.8)可以确定中抖动后的像素坐标，但由于两者测量高温的红外像素的温度值可能存在不同。则需要对匹配抖动后的温度值和参考帧中的温度的特点采用式(15)进行滤波拟合；t(pix(x,y))是参考帧的某坐标点的温度值，t(pix(x’,y’))是抖动后的对应坐标的温度，δ是设立相差的阈值，当超过这个值则认为噪点，进行舍弃，优选的，δ为1℃。最终结果如图8所示。
[0137][0138]
以上显示和描述了本发明的基本原理、主要特征和本发明的特点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明的范围内。本发明要求保护的范围由所附的权利要求书及其等效物界定。