劉加銀，劉海行，蘇天赟，李新放

（國家海洋局第一海洋研究所，山東 青島 266061）

目前的海底探測主要依賴于聲學探測技術，包括多波束測深、側掃聲吶影像和淺地層剖面探測，其工作原理基本相似，只是探測目標的不同而有所區(qū)別（金翔龍，2007）。

多波束聲吶系統(tǒng)以獲得高密度、高精度的位置信息為主，覆蓋廣，但成像質量不高，主要用于描繪海底地形地貌；側掃聲吶以成像為主，能直觀的反映海底地貌形態(tài)、沉積物類型等信息（陽凡林，2003）；淺地層剖面勘測是一種基于水聲學原理的連續(xù)走航式探測水下淺部地層和構造的地球物理方法，可以有效獲得海底以下的淺部地層結構和構造，并分析出海底以下存在的災害地質因素如埋藏古河道、淺層氣、淺部斷層、軟弱地層和淺部基巖等（李平等，2011）。綜合利用多波束測深數(shù)據(jù)、側掃聲吶數(shù)據(jù)和淺地層剖面探測數(shù)據(jù)，對海底地形地貌的認知、水下目標的探測、海底地質結構的鑒別和分類等都具有重要意義（趙建虎，2002）。然而，由于數(shù)據(jù)獲取方式和數(shù)據(jù)格式的不同，多波束測深數(shù)據(jù)、側掃聲吶影像和淺地層剖面的數(shù)據(jù)集相互獨立，這給海底地形地貌特征和地層結構的識別帶來了困難。數(shù)據(jù)綜合可視化是解釋和理解海底淺層聲學探測數(shù)據(jù)的有效手段。

為實現(xiàn)多波束數(shù)據(jù)和側掃聲吶影像的綜合利用，陽凡林（2003） 對多波束和側掃聲吶數(shù)據(jù)的融合進行了論述，提出基于等深線和輪廓線的同名特征點對不同圖像源進行匹配，然后對匹配后的數(shù)字信息使用小波變換進行融合可視化。趙建虎等（2013） 提出了ISURF 多波束圖像和側掃聲吶圖像改進匹配算法，以及適合二者融合的拉普拉斯金字塔法和小波變換法；利用該方法可以獲得具有高精度位置信息和高質量圖像信息的海床地貌影像?；诙S空間的數(shù)據(jù)融合可視化方法雖然能獲得較高的精度，但并不能較全面的反映海底地質環(huán)境，也不能進行交互操作，在具體應用中給信息的進一步提取帶來了困難。

姜小?。?009） 提出了SFBAO 模型對淺地層剖面和側掃聲吶、多波束數(shù)據(jù)融合后進行GIS 表達。該模型將淺剖數(shù)據(jù)作為航跡線的一個屬性，然后將航跡線與側掃聲吶或多波束數(shù)據(jù)基于統(tǒng)一的空間參考系進行融合可視化。SFBAO 模型實質上是以數(shù)據(jù)庫的方式綜合管理海量的多波束數(shù)據(jù)、側掃聲吶影像和淺剖數(shù)據(jù)，并且在此基礎上添加可視化模塊。由于側掃聲吶影像、多波束和側掃淺剖數(shù)據(jù)并沒有在同一視圖下顯示，在相對較小尺度的空間，該方法對海底地質三維環(huán)境顯示不夠直觀。陳超等（2012） 提出利用多重紋理對海底地形與海底底質分類紋理進行三維可視化。然而側掃聲吶影像比海底地質分類紋理數(shù)據(jù)大很多，具體的實現(xiàn)又對紋理尺寸做出了比較嚴格的限制（Segal et al，2012）。此外，側掃聲吶影像分辨率較高，多波束數(shù)據(jù)分辨率較低，使用多重紋理時對地形三角網(wǎng)頂點指定紋理坐標容易出現(xiàn)錯誤。

側掃聲吶影像的分辨率很高，在局部范圍內數(shù)據(jù)量也非常大，一些經(jīng)典工具往往通過金字塔模型或者紋理切片的方式處理這樣超大的紋理數(shù)據(jù)，如ArcGIS 和OSGEarth。然而，金字塔或者紋理切片的方式處理繁瑣，并且在實際應用中需要反復進行紋理數(shù)據(jù)切換，此時經(jīng)典方法效率不高，影響視覺效果的流暢性。

海洋信息可視化時，需要注意體現(xiàn)科學數(shù)據(jù)的可視化和滿足視覺感受的可視化的統(tǒng)一，它們的區(qū)別在于是否可以從可視化結果中讀取數(shù)值（蘇奮振等，2014）?，F(xiàn)有工具難以滿足在對海底淺層聲學探測數(shù)據(jù)三維綜合可視化的同時，進行海底地質環(huán)境信息的提取。

為更加全面、直觀、高效地反映海底地質環(huán)境和方便進行信息提取，本文提出了一種基于OpenGL 可編程管線的海底淺層聲學探測數(shù)據(jù)三維可視化方法，并利用南海海底某峽谷區(qū)域獲得的高分辨率多波束測深數(shù)據(jù)、側掃聲吶影像和淺地層剖面數(shù)據(jù)對該方法進行實現(xiàn)和應用。

1 GPU 原理

目前的OpenGL 可編程管線包括頂點處理器（Vertex Processor）、細分控制處理器（Tessellation Control Processor）、細分計算處理器（Tessellation Evaluation Processor）、幾何處理器（Geometry Processor）、片元處理器（Fragment Processor） 和計算處理器（Compute Processor）。頂點處理器一次只能操作一個頂點，主要用于對圖元頂點位置變換和顏色設置；細分控制處理器和細分計算處理器可以在GPU 中對模型對象進行細化，提升圖像的渲染質量；幾何處理器可以對整個圖元進行處理，計算法線和改變原始的拓撲結構，如將三角形轉變成點；片元處理器是著色器的最后一個階段，最終的像素顏色由它來設置；計算處理器比較特殊，它并不是圖像繪制管線的一部分，但是卻可以對圖像和存儲緩沖區(qū)等OpenGL 對象中的數(shù)據(jù)進行改變（Kessenich et al，2012）。

處于效率的考慮，OpenGL 提供了緩沖區(qū)對象用于在顯卡中存儲頻繁使用的數(shù)據(jù)。頂點緩沖區(qū)對象適合存儲頂點數(shù)據(jù)，一致緩沖區(qū)對象以Group 的形式存放uniform 變量，紋理緩沖區(qū)對象則可以存儲比一維紋理大幾萬倍的數(shù)據(jù)（付飛 等，2012）。幀緩沖區(qū)對象封裝了幀緩沖區(qū)的狀態(tài)，如像素的顏色值、深度值、模板值等。OpenGL 提供了機制，能夠將幀緩沖區(qū)的狀態(tài)渲染到紋理，從而可以在內存中獲得這些狀態(tài)值，實現(xiàn)內存與幀緩沖區(qū)的交互。

2 繪制流程

根據(jù)海底淺層環(huán)境建模的需求，本文采用的繪制流程如圖1 所示。在內存中對多波束數(shù)據(jù)進行三角化處理，生成地形三角網(wǎng)后和淺剖數(shù)據(jù)進行求交運算，得到淺剖數(shù)據(jù)的實際深度值。將側掃聲吶影像數(shù)據(jù)轉換成色度盤的形式也在內存中完成，并且詳細記錄側掃聲吶影像的坐標，大小等信息。經(jīng)內存處理后的數(shù)據(jù)通過總線傳輸?shù)斤@卡進行可視化處理：頂點處理器完成光照計算和顏色設置；側掃聲吶影像數(shù)據(jù)和多波束數(shù)據(jù)的三維綜合顯示在片元處理器中完成。通過OpenGL 提供的接口讀取像素的深度值反算出屏幕像素點對應的實際坐標，而計算出的實際坐標可以用來提取地形剖面線和淺地層剖面的相關信息。

圖1 本文采用的繪制管線

3 算法描述

3.1 海底地形可視化

海底地形可視化首先需要根據(jù)點云數(shù)據(jù)生成DTM，為增強三維效果，還需要設置顏色、通過法線計算光照。多波束測深點云數(shù)據(jù)重構海底地形已經(jīng)有許多相關的探討和成熟的工具（Joseph，1998；武強等，2011；Zhang et al，2012），一些開源代碼也可以用來生成每個頂點的法線（Wang et al，2012；VTK 6.2.0，2014；PCL 2014）。

對海底地形顏色和光照的設置在頂點處理器中完成。先根據(jù)地形的高程分布設置多個邊界值height [i]，每個邊界值分別對應一種顏色color [i]。設頂點的高程值為z，且，則該點的顏色通過公式（1） 進行插值得到。

本文采用Phong 模型對海底地形進行光照渲染，公式如（2） 所示。

式中：La、Ld、Ls分別為環(huán)境光、漫反射光和鏡面反射光的強度，Ka、Kd、Ks對應地形表面環(huán)境光反射率、漫反射光反射率和鏡面光反射率，s 為光源方向向量，n 為頂點法線向量，r 為反射光的方向向量，v 為視點方向向量，參數(shù)f 可以根據(jù)需要進行調節(jié)（Wolf，2011）。

地形剖面可以直觀地對目標路徑的地形變化情況進行表達。交互操作時，在屏幕上指定一條線段，結合模型視點投影矩陣和像素點的位置以及深度值得到線段端點對應的空間三維坐標；然后將指定線段進行細分，得到一系列（x，y） 坐標對，每個坐標對可以生成一條端點坐標為（x，y，10 000）、（x，y，-10 000） 的線段，通過該線段和地形三角網(wǎng)求交可以得到坐標對的深度值。

3.2 側掃聲吶影像與多波束數(shù)據(jù)綜合顯示

側掃聲吶影像和多波束測深數(shù)據(jù)綜合顯示是通過將側掃聲吶影像作為紋理添加到多波束測深數(shù)據(jù)所構建的三角網(wǎng)上實現(xiàn)的。側掃聲吶影像數(shù)據(jù)經(jīng)過了領域專家的相關處理，具有可靠的位置信息，但此時側掃聲吶影像還只是二維數(shù)據(jù)，與多波束數(shù)據(jù)相比，具有分辨率高、數(shù)據(jù)量大等特點。側掃聲吶影像之間的格式并不一致，有jpg 和Geotif 兩種格式，jpg 格式的影像只有四個角點的坐標，對應的區(qū)域不規(guī)則；側掃聲吶影像對應的地形區(qū)域之間也有重疊。傳統(tǒng)的空間數(shù)據(jù)處理軟件難以將兩種數(shù)據(jù)進行鑲嵌匹配和綜合顯示。

3.2.1 側掃聲吶影像數(shù)據(jù)存儲

側掃聲吶影像的分辨率很高，在局部范圍內數(shù)據(jù)量非常大，尺寸也不統(tǒng)一。通常情況下OpenGL要求紋理對象（TO） 的大小是2 的n 次冪，并且對TO 的大小作出了限制；而紋理緩沖區(qū)對象（TBO）的限制卻十分寬松。如，在本文所使用的編程環(huán)境中，TO 的最大值為16 384 Byte，一張大小為3 950×9 500 的側掃聲吶影像即使只用1 Byte 記錄每個像素的灰度值，也至少需要分割成2 291 份紋理瓦片，同時需要保證每張圖像的尺寸為2 的n 次冪；而TBO 的最大值為134 217 728 Byte，可以一次存儲3 張以上這樣的側掃聲吶影像，避免實際應用中反復切換紋理數(shù)據(jù)帶來的延遲問題，且不必將紋理的尺寸處理成2 的n 次冪。

側掃聲吶影像數(shù)據(jù)在CPU 中處理后，得到影像的色度盤，像素的顏色索引值存儲在TBO 中，這樣對于RGB 格式的圖像可以節(jié)省大約2/3 的顯存空間。單個TBO 存儲空間有限，無法容納所有的側掃聲吶影像數(shù)據(jù)，因此要將側掃聲吶影像進行分組和切割，分別存進多個TBO 中。為在片元處理器中獲得正確的側掃聲吶影像數(shù)據(jù)，需要計算每個TBO 覆蓋的范圍、單張影像的覆蓋范圍、在紋理緩沖區(qū)的位置、側掃聲吶影像的尺寸等信息；由于相關信息的數(shù)量較多，超出了著色器對uniform變量個數(shù)的限制，所以將它們和色度盤組織在一起存儲到UBO 中。這些數(shù)據(jù)只會通過總線（Bus） 往GPU 傳輸一次，因此減輕了帶寬的限制。

3.2.2 紋理映射

傳統(tǒng)的紋理貼圖方法需要為三角網(wǎng)的每個頂點指定紋理坐標，該過程不僅耗時，并且在側掃聲吶影像和地形數(shù)據(jù)分辨率不一致的情況下，會出現(xiàn)圖2 所示的情況。其中，三角形ACD、ABC 代表多波束數(shù)據(jù)生成的三角網(wǎng)，紅色網(wǎng)格代表側掃聲吶影像，黑色虛線代表屏幕上的像素。由于側掃聲吶影像數(shù)據(jù)的分辨率比多波束數(shù)據(jù)的分辨率高很多，所以三角形ACD、ABC 只有部分頂點被側掃聲吶影像覆蓋。傳統(tǒng)方法只指定三角形的各個頂點的紋理坐標，三角形區(qū)域內的紋理坐標通過這三個點自動插值得到，然后固定管線依據(jù)紋理坐標進行紋理貼圖。如果給C、D 點指定紋理坐標，那么四邊形CDFE 覆蓋范圍內的像素點P1 會獲得不該有的紋理，三角形AFE 覆蓋區(qū)域內的像素點P2 的紋理值也會出現(xiàn)錯誤。若不給CD 指定紋理坐標，那么AFE 區(qū)域內的像素就會丟失紋理。通過細化三角形ACD 然后再指定紋理坐標的方法效率較低。

圖2 分辨率不一致的紋理貼圖

本文提出根據(jù)像素對應的實際坐標值求取紋理坐標的方法。在頂點著色器中設置一個傳出變量作為頂點的屬性，并將該變量初始化為三角網(wǎng)頂點的坐標值；經(jīng)過圖1 的柵格化階段時，該變量會自動進行插值，片元處理器中獲得的就是每個像素對應的三維空間坐標。在進行紋理貼圖時，首先判斷該像素是否被紋理覆蓋，然后才從紋理緩沖區(qū)中獲取正確的灰度值進行疊加。在小比例尺顯示時，每個像素對應的是一塊相對較大的區(qū)域，覆蓋該區(qū)域的可能是側掃聲吶影像的多個灰度值，本文的方法只取其中一個代表整個區(qū)域。由于海底地質環(huán)境的連續(xù)性，該方法不會對宏觀效果產(chǎn)生影響。在大比例尺顯示時，屏幕上每個像素能夠對應側掃聲吶影像的一個像素，所以并不影響側掃聲吶影像的分辨率。算法流程如圖3 所示。

圖3 紋理貼圖過程

其中初始化階段包括側掃聲吶影像灰度數(shù)據(jù)及坐標信息的加載，記錄當前片元覆蓋影像張數(shù)的變量和累加顏色清零等。側掃聲吶影像數(shù)據(jù)具有Qmips、.SDF、.JSF、.XTF 等多種格式。在實際應用中，通常是將原始的側掃聲吶數(shù)據(jù)轉換成通用的tif、Geotiff 或JPG 格式（韓春花 等，2011）。計算側掃聲吶影像和片元的對應關系時，因側掃聲吶影像的格式不同而有所區(qū)別。本文針對JPG 格式和Geotiff 格式的數(shù)據(jù)進行闡述。

（1） Geotiff 圖像

Geotiff 是TIFF 格式的一種擴展，在TIFF 的基礎上定義了一些GeoTag 來對各種坐標系統(tǒng)、橢球基準、投影信息等進行定義和存儲（Ritter，2000）。本文利用GDAL 對Geotiff 進行處理。GDAL 使用抽象數(shù)據(jù)模型來解析它所支持的數(shù)據(jù)格式，抽象數(shù)據(jù)模型包括數(shù)據(jù)集、坐標系統(tǒng)、仿射地理坐標變換、大地控制點、元數(shù)據(jù)、圖像結構域、柵格波段和顏色表等（GDAL，2014）。其中仿射變換包含6 個參數(shù)，可以通過GDAL 接口GDALDataset::GetGeoTransform（GT [6]） 獲取。在朝北方向的圖像中，GT [2] 和GT [4] 的值為0，（GT [0]，GT[3]） 表示圖像左上角的橫縱坐標值，GT [1] 表示像元寬度，GT [5] 表示像元高度。圖像行列號和地理空間之間的變換關系如下:

其中Yline、Xpixel 表示片元在它所在側掃聲吶影像中的行列號，由于處理的是正北朝向的圖像，所以很容易判斷當前片元是否被側掃聲吶影像覆蓋，被覆蓋片元對應的側掃聲吶影像像素計算公式為:

式中：floor 為向下取整函數(shù)，texelBufferSampler 對應OpenGL 的紋理緩沖區(qū)對象，texelFetch 為紋理獲取函數(shù)，xsize和offset 分別對應圖像的寬度和在紋理緩沖區(qū)中的起始位置。紋理緩沖區(qū)中只存儲了顏色的索引值，colArray 是UBO 中存儲真實顏色的色度表。Pixel.x 和pixel.y 分別代表當前像素對應的實際地理坐標。

（2） JPG 圖像

JPG 圖像只提供了四個角點坐標，如圖4 所示：ABCD 4 個頂點坐標及其紋理映射關系已知。首先將圖像對應的區(qū)域分為兩個三角形，以三角形ABC 為例，獲得任意像素P 的實際坐標后，可得到如下3 個變量：

圖4 紋理空間和坐標空間之間的映射

式中：大寫字符代表該點對應的三維坐標。若s1，s2，s3 的第3 個分量均不小于零，則當前像素被側掃聲吶影像覆蓋。該像元的紋理坐標需要通過插值計算獲得，計算公式如（6） 所示。

式中：coordA、coordB、coordc為三角形ABC 頂點的紋理坐標值，本例中分別為（0.0，0.0），（1.0，0.0），（0.0，1.0）；S（△PBC） 為三角形PBC 的面積，依此類推。落入BC 邊的點只在B、C 兩點之間插值即可。最終灰度值索引在紋理緩沖區(qū)中的位置為：

其中，offset 為覆蓋側掃聲吶影像在紋理緩沖區(qū)中的起始位置，height，width 為影像的高度和寬度，Px、Py分別為點P 紋理坐標的橫坐標值和縱坐標值。

3.3 淺地層剖面數(shù)據(jù)可視化

原始的淺地層剖面圖像內容包括干擾圖像、多次反射圖像、地層界面線、地層層位圖像等。這些圖像顯示具有一定灰度的點狀、線狀和面狀圖形，不具有整體的地理方位性和可量測性，一般將淺地層剖面數(shù)據(jù)作為航跡線的一個屬性和其他聲學探測數(shù)據(jù)進行集成（姜小俊，2009）。原始淺地層剖面圖像經(jīng)過領域專家的地質解釋之后，得到一系列解釋剖面點，格式為（x，y，id，layer1，layer2，layer3，layer4….），其中x，y 為測點的地理坐標，id 為該點的編號，layer1 代表第一層地層界面和海底地形之間的厚度，layer2 代表第二層地層和第一層地層之間的厚度，依此類推；缺失的地層用無效值標記。進行綜合可視化處理時，首先作經(jīng)過淺剖測點的直線和地形求交得到該測點對應的地形坐標，然后和各層厚度累加得到各層界面的實際坐標值。

轉換后的數(shù)據(jù)按測線對地層進行分層渲染得到柵狀圖，把同一層的離散頂點進行三角化處理得到層面圖，通過似三棱柱三維數(shù)據(jù)建模方法（武強等，2011） 可以得到體模型。

4 實例分析

本文提出的方法在南海海底峽谷區(qū)域的海底地質環(huán)境綜合顯示和分析中進行了應用，數(shù)據(jù)來源于國家海洋局第一海洋研究所2011年的海洋調查成果。其中多波束測深系統(tǒng)的分辨率為20 m，采用EM302 多波束測深系統(tǒng)收集；淺地層剖面數(shù)據(jù)通過全海洋淺地層剖面儀（Topographic Parametric Sonar，TOPAS） 探測獲得，使用的脈沖信號頻率為3.3 kHz；側掃聲吶影像使用無纜水下機器人（AUV） 獲取。數(shù)據(jù)覆蓋區(qū)域的面積為214.15 km2，多波束測深數(shù)據(jù)生成的DTM 由372 687 個三角形組成，側掃聲吶影像580M，淺地層剖面處理后形成的測點7 萬多個。在配置GTX650Ti 顯卡的機器上，基于vc++和OSG 實現(xiàn)了系統(tǒng)原型。圖5 為實驗數(shù)據(jù)的綜合顯示效果，在實現(xiàn)海底淺層聲學數(shù)據(jù)綜合可視化的同時，可以提取地形剖面和淺地層剖面數(shù)據(jù)。圖中藍色矩形內的粗線為拉選航跡線的高亮顯示，右上角小窗口為該航跡線對應的淺地層剖面數(shù)據(jù)和地形數(shù)據(jù)提取結果的可視化界面，通過拉選可以實現(xiàn)海底淺層數(shù)據(jù)的查詢和提取。圖6為地形和側掃聲吶影像的貼圖效果，從圖6（b）可以看出，大比例尺環(huán)境下，側掃聲吶影像可以很好的與地形進行匹配顯示，分辨率幾乎與原始影像一致。

圖5 海底地質環(huán)境綜合顯示效果圖

圖6 側掃聲吶影像和多波束綜合可視化效果圖

實驗結果表明，此方法數(shù)據(jù)加載量大，視覺效果好，能直觀、全面的反映海底淺層環(huán)境，滿足實際應用中高效運行的需求。

5 結論與展望

與二維表達方式相比，三維GIS 能更加直觀、真實的表達海底地形、地貌和地質結構。本文提出了一種基于OpenGL 可編程管線的海底淺層聲學探測數(shù)據(jù)三維綜合可視化方法，在滿足視覺感受的同時實現(xiàn)了多維數(shù)據(jù)的交互式提取。使用該方法可以對多種格式的側掃聲吶影像進行紋理貼圖，具有數(shù)據(jù)加載量大的優(yōu)點，并且不受側掃聲吶影像和多波束數(shù)據(jù)分辨率不一致的限制。

下一步將根據(jù)實際應用需求，在現(xiàn)有工作基礎上參考紋理切片和金字塔模型，研究在超大規(guī)模場景中多種高分辨率海底地質環(huán)境數(shù)據(jù)的綜合可視化。

Estimating Surface Normals in a PointCloud. http://pointclouds.org/documentation/tutorials/normal_estimation.php

GDAL Data Model. http://www.gdal.org/gdal_datamodel.html.

Joseph O R, 1998. Computional Geometry In C. Cambridge University Press.

Kessenich J, Lunar G. The OpenGL Shading Language. 2012.8/2014.5.http://www.opengl.org/registry/doc/GLSLangSpec.4.30.pdf

Niles D R. GeoTIFF Revision 1.0 Specification. 2000/2014.http://www.remotesensing.org/geotiff/spec/geotiffhome.html.

Segal M,Akeley K.The OpenGL Graphic System:A Specification.2012.6/2014.5.http://www.opengl.org/ registry / doc /glspec44. core.pdf VTK 6.2.0 Documentation. 2014.3/2014.5. http://www.vtk.org/doc/nightly/html/index.html.

Wang R, Qian X L. OpenSceneGraph 3 Cookbook. 2012/2014. http: //www.packtpub.com/openscenegrap-3-for-advanced-3d-programming-using-api-cookbook/book.

Wolf D, 2011. Open G L 4.0 Shading Lauguage Cookbook. Packt Publishing Limited.

Zhang L, Bruno J, Zheng F, 2012. 3D Reconstruction of seabed surface through sonar data of AUVs.Indian Journal of Geo-Marine Sciences(0379-5136),41 (6) :509-515

陳超，王文珂，王懷輝，等，2012.一種海底地形與底質的三維融合可視化方法.系統(tǒng)仿真學報，24（9）：1 936-1 944.

付飛，李艷輝譯，2012.OpenGL 超級寶典.北京：人民郵電出版社.

韓春花，張俊明，梁建峰，等，2011.側掃聲吶探測數(shù)據(jù)管理系統(tǒng)設計與實現(xiàn).海洋通報，30（20）：188-193.

姜小俊，2009.海底淺層聲學探測空間數(shù)據(jù)集成與融合模型及GIS表達研究.浙江：浙江大學.

金翔龍，2007.海洋地球物理研究與海底探測聲學技術的發(fā)展.地球物理學進展，22（4）：1 243-1 249.

李平，杜軍，2011. 淺地層剖面探測綜述. 海洋通報，30（3）：344-349.

蘇奮振，吳文周，平博，等，2014.海洋地理信息系統(tǒng)研究進展.海洋通報，33 (4）：361-370.

武強，徐華，2011.虛擬地質建模與可視化.北京：科學出版社.

陽凡林，2003.多波束和側掃聲吶數(shù)據(jù)融合及其在海底底質分類中的應用.武漢：武漢大學.

趙建虎，2002.多波束深度及圖像數(shù)據(jù)處理方法研究.武漢：武漢大學.

趙建虎，王愛軍，郭軍，2013.多波束與側掃聲吶圖像區(qū)塊信息融合方法研究.武漢大學學報（信息科學版），38（3）：287-289.