王 曉，郭 軍，朱邦彥，王愛學(xué)，秦天天

(1. 淮海工學(xué)院測繪與海洋信息學(xué)院，江蘇 連云港 222000； 2. 廣州海洋地質(zhì)調(diào)查局，廣東 廣州 510075； 3. 南京市測繪勘察研究院股份有限公司海豹工作室，江蘇 南京 210019； 4. 武漢大學(xué)測繪學(xué)院，湖北 武漢 430079； 5. 墾利區(qū)國土資源局，山東 東營 257500)

側(cè)掃聲吶(side scan sonar,SSS)是一種高分辨率、多用途、低成本的海洋調(diào)查設(shè)備，其圖像在水下工程選址，飛機殘骸、沉船、魚雷、水雷等水下目標(biāo)的探測和識別，油氣、硫化物等海洋資源的開發(fā)和利用，海底底質(zhì)分類，深海熱液形成機制及活動，珊瑚礁生態(tài)系統(tǒng)分析及其周圍環(huán)境的動態(tài)變化評估，海洋調(diào)查和海洋科學(xué)研究等方面具有重要的應(yīng)用價值[1-5]。與光學(xué)和雷達圖像相比，SSS圖像具有誤差源不一致、Ping掃描線姿態(tài)各異、相鄰條帶間共視特征圖像位置和灰度不一致等缺點。SSS圖像總的來說存在斑點噪聲強、目標(biāo)輪廓模糊、輻射畸變和幾何畸變嚴重的問題。在測量過程中受其他船只，以及作業(yè)船速、尾流、儀器自身等因素的綜合影響，SSS圖像噪聲復(fù)雜且條帶內(nèi)灰度不均衡，嚴重時會遮蓋和歪曲海底的真實地貌，誤導(dǎo)圖像判讀[6-7]。如測量過程中存在如圖1(豎線為海底線)所示的復(fù)雜噪聲，圖像中遠端的條紋噪聲及灰度不均衡現(xiàn)象嚴重影響了SSS圖像的判讀，給后續(xù)圖像分割及目標(biāo)自動探測、識別帶來困難。

1 側(cè)掃聲吶圖像去噪方法

高斯和椒鹽噪聲是側(cè)掃聲吶圖像中最常見的兩種噪聲。高斯噪聲往往分布于圖像的整個區(qū)域，它是導(dǎo)致SSS圖像目標(biāo)輪廓模糊、像素顆?；黠@的主要原因，高斯噪聲可通過選擇合適尺寸的模板，采用均值濾波或高斯濾波來消除；椒鹽噪聲主要是由于換能器在接收回波時受到隨機信號干擾，從而導(dǎo)致在單Ping回波內(nèi)出現(xiàn)孤立強回波，但在相鄰Ping之間則沒有連續(xù)性，一般可選擇沿縱向的帶狀模板，利用中值濾波對其進行濾除。

圖1 復(fù)雜噪聲影響下的SSS圖像

當(dāng)前針對SSS圖像復(fù)雜噪聲的去除方法總體可分為空域和多尺度變換域兩大類。田曉東[8]通過對聲吶圖像背景灰度分布模型的研究，得出威布爾分布比瑞利分布能夠更好地逼近圖像灰度分布曲線，并通過各種濾波算法對圖像進行處理，取得了一定的濾波效果。隨著多尺度分析的不斷深入，國內(nèi)外學(xué)者將小波變換、Curvelet變換引入到SSS圖像降噪的研究中。喻琪等[9]提出一種改進的基于小波系數(shù)相關(guān)性與模糊理論的聲吶圖像混響抑制與增強算法，與其他常規(guī)算法相比，明顯降低了SSS圖像的均方誤差(mean squared error,MSE)和平均絕對誤差(mean absolute error,MAE)，提高了峰值信噪比(peak signal to noise ratio,PSNR)；霍冠英等[10]提出了一種基于貝葉斯估計的Curvelet域聲吶圖像降斑方法，在客觀評價指標(biāo)和主觀視覺效果方面，均取得了優(yōu)于傳統(tǒng)的空間濾波及基于小波函數(shù)的降斑效果；趙春暉等[11]通過與其他經(jīng)典方法及單獨使用正交有限Ridgelet(FRIT)方法作比較，論證了FRIT在水下SSS圖像去噪、輸出信噪比及邊緣保持等方面的優(yōu)勢；張雷[12]提出一種基于Contourlet變換和改進NeighShink的圖像去噪方法，能有效地去除圖像中的噪聲，獲得更高的峰值信噪比，并且圖像的邊緣細節(jié)得到很好的保留。上述方法均針對局部圖像進行處理，應(yīng)用于條帶SSS圖像的效率并不理想。

2 側(cè)掃聲吶圖像均衡化方法

2.1 圖像橫向均衡

聲波在海水中傳播時，受海水對聲波的吸收、散射及聲波自身擴散影響，導(dǎo)致聲波能量隨著距離的增大以指數(shù)函數(shù)形式衰減。因此，遠距離的圖像回波很弱；近距端和遠距端圖像灰度反差較大。另外，換能器發(fā)射的聲脈沖具有很強的指向性，圍繞波束主軸的能量分布并不均勻，中間較強，兩邊較弱，也造成圖像灰度分布不均勻[13-14]，導(dǎo)致SSS圖像橫向灰度不均衡。針對這些問題，SSS硬件系統(tǒng)采取了增益處理，如時間變化增益(time vary gain，TVG)。盡管采取了TVG補償，但很難實現(xiàn)與衰減過程完全吻合，有時不切實際的增益設(shè)置，會造成新的灰度畸變。目前，SSS圖像灰度的橫向均衡化方法主要有時變增益、統(tǒng)計法增益兩種。

2.1.1 時變增益

側(cè)掃聲吶的回波補償量GLr一般可以寫為

GLr=30lgr+2ar/103

(1)

式中，α為吸收系數(shù)；r為聲波的傳播距離，單位為km。

2.1.2 統(tǒng)計法增益

由于海洋環(huán)境復(fù)雜多變，在SSS圖像的時變增益過程中，很難用一套固定系數(shù)的公式來匹配整個測量過程，尤其是在海底底質(zhì)和地形變化較復(fù)雜地區(qū)。造成SSS圖像橫向上有些地方增益過度，形成偽目標(biāo)信號；有些地方則增益不夠，重要目標(biāo)無法識別，達不到整體均衡的效果。一般可通過統(tǒng)計法進行橫向均衡化處理。

原理為：在縱向一定窗口內(nèi)，認為海底地形及底質(zhì)變化平緩，回波信號強度在各行之間存在較好的連續(xù)性，聲波沿橫向的衰減系數(shù)在各行變化不大，在窗口內(nèi)，沿縱向統(tǒng)計各列信號的回波能量均值，從而得到聲波沿橫向的能量統(tǒng)計曲線。該曲線可較好地反映窗口內(nèi)聲波沿橫向的衰減規(guī)律[15]。設(shè)置合理的增益基值，利用該統(tǒng)計曲線可求得各列的改正系數(shù)。若選擇窗口內(nèi)的灰度均值作為增益基值，則改正如下

(2)

式中，d為窗口高度；l為圖像寬度；i表示行號；j表示列號；：表示列均值；α為改正系數(shù)；E為圖像原始強度值；E′為增益后的強度值。

圖2為利用統(tǒng)計法對SSS圖像進行的橫向均衡效果，在聲波未達到海底之前，理論上回波強度為零，水柱圖像為暗色調(diào)；經(jīng)過反色處理后，水柱圖像呈現(xiàn)高亮色，而目標(biāo)圖像表現(xiàn)為暗色調(diào)。伴隨聲波的傳播，SSS圖像兩端回波強度逐漸減弱，當(dāng)聲波到達兩側(cè)邊緣區(qū)域時已經(jīng)很難發(fā)現(xiàn)地物特征。經(jīng)過統(tǒng)計法橫向均衡處理后，邊緣目標(biāo)特征清晰，整個圖像灰度均衡適度。上述方法在海底地形及底質(zhì)變化緩慢時改正效果較好。

圖2 側(cè)掃聲吶圖像統(tǒng)計法橫向灰度均衡

2.2 圖像縱向均衡

受測量船速或海底地形、底質(zhì)變化的影響，SSS圖像沿航跡方向上也常常存在黑白不均的Ping，嚴重時圖像無法判讀。這種畸變的主要特點是圖像灰度按行(或縱向)分布不均?？紤]海底地形和底質(zhì)變化的漸進性原則，借鑒橫向統(tǒng)計均衡法，可用如下方法進行改正

(3)

式中各符號含義同式(2)。

圖3為縱向條紋噪聲采用統(tǒng)計法濾除效果，可看出SSS圖像縱向上實現(xiàn)了灰度均勻變化。同樣，該方法只適用于海底地形及底質(zhì)變化緩慢的區(qū)域。

3 去噪及均衡化綜合處理方法

當(dāng)圖像受復(fù)雜噪聲影響時(如圖1所示)，上述傳統(tǒng)方法均難以有效濾除噪聲和實現(xiàn)灰度均衡化，難以實現(xiàn)高質(zhì)量SSS圖像的獲取。根據(jù)SSS的工作原理及考慮目標(biāo)檢測的有效區(qū)域位置，本文提出了一種側(cè)掃聲吶圖像去噪及均衡化綜合處理方法。流程如下：

圖3

(1) 進行精確的海底跟蹤[13]，獲得圖像中海底線位置及對應(yīng)位置處的灰度值。

(2) 考慮SSS圖像中橫向受聲波吸收、擴展等因素影響，表現(xiàn)在圖像中灰度值理應(yīng)單調(diào)遞減；若拖魚正下方海底附近出現(xiàn)目標(biāo)物體，上述規(guī)律失效。進而考慮SSS作業(yè)時檢測目標(biāo)的最佳位置為單側(cè)掃幅寬度的1/3～2/3處，統(tǒng)計大于此區(qū)間外的灰度值，當(dāng)灰度大于海底線位置處的灰度值時，標(biāo)記為噪聲，且將該Ping標(biāo)記為噪聲Ping。統(tǒng)計時分段統(tǒng)計，如根據(jù)船速和海底地形、底質(zhì)的漸進性變化原則，取50 Ping統(tǒng)計。

(3) 統(tǒng)計沒有噪聲的Ping位置，認為是理想的測量Ping。

(4) 結(jié)合海底地形及底質(zhì)變化的漸進性原則，計算噪聲Ping附近若干理想Ping的列統(tǒng)計均值，并進行小波分解提取其低頻趨勢項，將噪聲Ping內(nèi)噪聲位置處的灰度值用小波低頻序列對應(yīng)位置的值代替；若步驟(3)統(tǒng)計過程中沒有理想測量Ping，則用當(dāng)前50 Ping列均值的低頻序列值代替。

(5) 在單側(cè)圖像1/3～2/3目標(biāo)區(qū)域內(nèi)統(tǒng)計當(dāng)前噪聲Ping均值和方差，采用3倍中誤差原則濾除殘余噪聲。

(6) 利用式(2)進行橫向均衡處理，統(tǒng)計過程窗口從海底線位置開始。

(7) 利用式(3)進行縱向均衡處理，統(tǒng)計過程窗口從海底線位置開始。

(8) 對SSS圖像進行中值濾波處理，進一步濾除高斯、椒鹽和斑點噪聲。

以上實則是根據(jù)側(cè)掃聲吶工作原理進行圖像濾波消澡；同時，解決了條帶圖像中灰度橫向、縱向不均衡問題，保證了目標(biāo)形狀的連續(xù)性，有效改善了SSS圖像質(zhì)量。

4 試驗及分析

數(shù)據(jù)來源于廣州海洋地質(zhì)調(diào)查局某次海洋勘探，聲吶儀器采用Klein 3000，數(shù)據(jù)采集時受周圍作業(yè)船只及自身船速的綜合影響，測區(qū)所有測線均存在如圖1所示的圖像遠端強噪聲及灰度沿橫向的不均衡問題，嚴重影響目標(biāo)判讀。測量過程中船速曲線如圖4所示，平均速度為6.36 kn，最大速度為6.78 kn，最小速度為5.7 kn，存在船速突變情況。以圖1所在測線為例，測量過程中設(shè)置掃幅為200 m。

圖4 測量過程中船速

測量過程中正常Ping和異常Ping的灰度統(tǒng)計曲線如圖5所示，SSS發(fā)射聲波的一短時間內(nèi)即接收回波，未到達海底之前，海面回波、尾流及水體目標(biāo)均會在SSS圖像中顯示出來，圖5中間水柱圖像中的強回波為儀器發(fā)射線，沿圖像中間線兩側(cè)第一個強回波為海底線位置；圖5(a)為理想情況下灰度分布曲線，圖5(b)中邊緣位置處強回波為其他作業(yè)船只噪聲的影響。

圖5 圖像某2 Ping灰度統(tǒng)計曲線

針對圖1，采用傳統(tǒng)方法(橫向均衡+中值濾波)的處理效果如圖6(a)所示，可見，噪聲未得到任何去除，均衡化效果不佳；綜合方法濾波、均衡化的效果如圖6(b)所示，可看出綜合法有效濾除了圖像復(fù)雜噪聲，設(shè)改變圖像中的目標(biāo)形狀，沙坡紋理特征也得以有效保持，且均衡化效果較好。為了定量評價濾波結(jié)果，采用熵值和PSNR來評價濾波及均衡化后圖像質(zhì)量。熵值表征了一幅圖像的混亂程度，峰值信噪比反映整個圖像的失真程度，一般熵值越小、PSNR越大，圖像質(zhì)量越高。表1為數(shù)值統(tǒng)計結(jié)果，可看出，與傳統(tǒng)方法相比，綜合法處理后，圖像熵值減小，PSNR增大，進一步說明了綜合處理方法的有效性。

圖6 圖像去噪及均衡化效果

方法熵值PSNR傳統(tǒng)方法6.096036.4942綜合法4.683537.4909

5 結(jié) 語

根據(jù)側(cè)掃聲吶的工作原理并結(jié)合噪聲及灰度畸變出現(xiàn)的特點，提出了一種濾波及均衡化綜合處理方法。試驗結(jié)果表明，綜合法處理后，SSS圖像噪聲得以有效濾除，圖像明暗變化均勻，實現(xiàn)了灰度均衡，提高了圖像的視覺效果；且處理后圖像熵值減小，PSNR增大，紋理特征得到有效保持，數(shù)值評價指標(biāo)進一步表明了綜合處理方法的有效性，為后續(xù)SSS圖像目標(biāo)自動探測及分類識別、目標(biāo)三維形狀恢復(fù)和三維地形反演提供了高質(zhì)量的圖像。