周文濤 馬國軍，2 丁 安 王 彪，2

（1.江蘇科技大學(xué)電子信息學(xué)院 鎮(zhèn)江 212003）（2.鎮(zhèn)江市智慧海洋信息感知與傳輸重點(diǎn)實(shí)驗(yàn)室 鎮(zhèn)江 212003）

1 引言

由于電力、石油和天然氣等能源運(yùn)輸?shù)男枨?，近年來在海底建設(shè)了越來越多的水下基礎(chǔ)設(shè)施，如電纜和管道，以滿足輸送油氣和通信的需求。海底管線經(jīng)過海水的長時(shí)間浸泡和腐蝕，或者受海底地殼運(yùn)動(dòng)的影響，極易發(fā)生破損或斷裂，從而造成巨大的經(jīng)濟(jì)損失和環(huán)境污染。為了保持這些基礎(chǔ)設(shè)施的安全和可靠，必須對管線進(jìn)行定期檢測和維護(hù)。

自主式水下機(jī)器人（Autonomous Underwater Vehicle，AUV）相較于遙控潛水器（Remotely Operated Vehicle，ROV）進(jìn)行管線檢測具有低成本、靈活方便的特點(diǎn)，并逐步獲得應(yīng)用［1～2］。在文獻(xiàn)［3］的管道檢測中，AUV通過相機(jī)獲取水下管道線圖像并進(jìn)行小波圖像增強(qiáng)、基于熵的管道圖像分割，根據(jù)視覺反饋對腐蝕管道檢查和跟蹤，從而控制AUV的航向。文獻(xiàn)［4］研究單目視覺的水下管線檢測與跟蹤技術(shù)，但光學(xué)成像受海水渾濁度影響，探測距離有限。

由于聲納探測可以不受水體渾濁度的影響且探測距離遠(yuǎn)，常作為AUV配置的設(shè)備進(jìn)行海底管線探測。文獻(xiàn)［5～6］利用的合成孔徑聲納具有較高的分辨率但成本也較高。

文獻(xiàn)［7］根據(jù)合成孔徑聲納圖像中水下目標(biāo)的特征，提出Radon變換和Grab Cut的管線提取算法。從聲納圖像中提取管線，需要先設(shè)定閾值將目標(biāo)從背景中分離［8］，然后對分割出的目標(biāo)Hough變換［9～10］提取直線。文獻(xiàn)［11］利用紋理信息，采用神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)進(jìn)行邊緣分類的方法檢測線狀目標(biāo)。

平均恒虛警率的方法最先用在雷達(dá)信號(hào)目標(biāo)檢測中，文獻(xiàn)［12～13］引入該思想，自適應(yīng)地產(chǎn)生分割閾值，對側(cè)掃聲納圖像目標(biāo)分割，有效地完成管線檢測。

本文研究海底管線檢測聲納圖像的嵌入式軟硬件設(shè)計(jì)，利用側(cè)掃聲納得到海底聲圖，開發(fā)聲納圖像管線檢測新方法。

2 管線檢測嵌入式硬件設(shè)計(jì)

為了在海底檢查任務(wù)中以較低成本獲得較高質(zhì)量的數(shù)據(jù)，AUV配置的常用傳感器有DVL（Doppler Velocity Logs）、GPS、視覺相機(jī)和側(cè)掃聲納，IMU（Inertial Measurement Unit）和壓力傳感器等［14～15］，以完成系統(tǒng)控制、信息感知和管線檢測等任務(wù)。

本文設(shè)計(jì)的海底管線聲納圖像嵌入式檢測系統(tǒng)包括核心CPU Samsung Cortex-A8 S5PV210芯片、存儲(chǔ)器、通信接口和LCD顯示接口等。S5PV210芯片具有低成本、低功耗和高性能的特點(diǎn)，是三星公司推出的一款適用于智能應(yīng)用的多媒體設(shè)備處理器，主頻800MHz。本文采用的嵌入式系統(tǒng)配置512M DDR2內(nèi)存，4G EMMC FLASH；LCD顯示采用7英寸高清液晶顯示電容觸摸屏，分辨率為1024*600。

嵌入式檢測系統(tǒng)整體硬件框圖如圖1所示，電源部分提供3.3V和5V電壓，通過GPS獲取AUV位置信息和DVL傳感器獲取AUV姿態(tài)，側(cè)掃聲納得到的海底聲學(xué)圖像通過LCD顯示。

圖1 管線檢測系統(tǒng)硬件結(jié)構(gòu)

3 管線目標(biāo)分割

3.1 聲納圖像預(yù)處理

聲納圖像中含有各種噪聲，從而造成圖像模糊。為去除噪聲和改善圖像質(zhì)量，通過高斯濾波算法去除圖像中的噪聲，以提高管線目標(biāo)分割的精度和準(zhǔn)確率。

二維高斯濾波：

其中，x、y為圖像像素坐標(biāo)，σ為高斯濾波器的標(biāo)準(zhǔn)差，該濾波器在各個(gè)方向上的平滑程度相同，可以用來去除噪聲，平滑圖像。

3.2 二維平均恒虛警率方法

根據(jù)聲納和管線目標(biāo)位置的相對方向，聲亮區(qū)域會(huì)有較大的變化。同時(shí)，海洋環(huán)境中各種噪聲的存在，使得聲納圖像模糊不清，造成目標(biāo)不清晰。當(dāng)聲亮區(qū)域的某些像素點(diǎn)灰度值小于檢測閾值時(shí)，易造成目標(biāo)的錯(cuò)誤分割，從而目標(biāo)在聲圖像中不可見。

本文借用雷達(dá)信號(hào)處理中的恒虛警率（Contant False Alarm Rate，CFAR）思想，研究聲納圖像管線檢測的二維平均恒虛警率方法。在目標(biāo)檢測和圖像分割時(shí)無需圖像的先驗(yàn)知識(shí)，而且具有較強(qiáng)的抗干擾能力，在對聲納回波功率進(jìn)行采樣時(shí)，目標(biāo)區(qū)域具有較強(qiáng)的回波，而背景或目標(biāo)背后的陰影區(qū)域部分的回波則較弱。恒虛警率算法通過自適應(yīng)的調(diào)整檢測閾值以保持恒虛警概率，該檢測閾值由測試單元周圍像素功率的平均值決定。

二維單元平均恒虛警率［13］（Cell Average-Constant False Alarm Rate，CA-CFAR）的滑動(dòng)檢測窗口如圖2所示，設(shè)x i，j為測試單元像素，淺灰色為保護(hù)單元像素，參考單元像素為黑色。G為保護(hù)單元寬度，N為參考單元寬度，則滑動(dòng)檢測窗口內(nèi)像素總數(shù)為[2(N+G)+1]2；同理可得，保護(hù)單元內(nèi)像素總數(shù)為(2G+1)2。

圖2 滑動(dòng)檢測窗口

參考單元內(nèi)像素灰度平均值R a，滑動(dòng)檢測窗口內(nèi)像素灰度累加值Sumw，保護(hù)單元內(nèi)像素灰度累加值Sum g，則參考單元內(nèi)像素灰度平均值為(Sumw-Sum g)/R c。

在高斯混響情況下，任意單元的概率密度函數(shù)（probablity density function，pdf）只與聲混響功率β2的平均值有關(guān)。設(shè)圖像中測試單元像素xi，j，其周圍有R c個(gè)參考單元y l，l=1，2，…R c，R c為參考單元的數(shù)目。假設(shè)y l獨(dú)立同分布，則參考單元混響功率的平均值為

其聯(lián)合概率密度函數(shù)為

聲學(xué)混響功率的最大似然估計(jì)通過計(jì)算β2的最大值得到

此時(shí)，為參考單元平均值，檢測閾值T?與參考單元均值成正比，其系數(shù)為α，則

在虛警概率條件下，混響功率變化時(shí)，檢測閾值也發(fā)生變化。虛警概率P fa和T?均為隨機(jī)變量。

令zl=αy l/R c則其概率密度函數(shù)為

的概率密度函數(shù)為

其數(shù)學(xué)期望為

式（8）表明，P fa只與R c有關(guān)，即與N和G有關(guān)，可得比例系數(shù)：

將式（9）代入式（5）即可求出閾值T?。

CA-CFAR算法的檢測閾值受P fa、N和G的影響。P fa的值決定了影響閾值大小的比例系數(shù)α，N和G的值決定參考單元和保護(hù)單元總數(shù)，并影響參考單元內(nèi)灰度平均值的計(jì)算。

3.3二維CA-CFAR算法

二維CA-CFAR算法通過測試單元周圍的參考單元灰度平均值來確定檢測閾值。當(dāng)檢測窗口移動(dòng)時(shí)，參考單元的平均值也隨之改變，因而是一種自適應(yīng)的閾值檢測算法。

3.3.1 區(qū)域像素快速求和

為得到參考單元內(nèi)像素灰度平均值，需要首先計(jì)算參考單元內(nèi)所有像素灰度值之和。

對每一個(gè)測試單元xi，j，閾值T需要計(jì)算其參考單元內(nèi)所有像素之和，即

如果采用直接計(jì)算的方式，將耗費(fèi)大量的時(shí)間，從而無法在嵌入式系統(tǒng)上實(shí)現(xiàn)。因此，本文利用積分圖像的數(shù)據(jù)結(jié)構(gòu)快速計(jì)算區(qū)域內(nèi)像素的累加和。

積分圖像為當(dāng)前像素點(diǎn)P(i，j)左上角所有像素灰度值之和，用Integralf(i，j)表示，則

采用遞歸的方式計(jì)算積分圖像時(shí)，只需按式（12）對圖像進(jìn)行一次掃描，直到圖像右下角時(shí)結(jié)束。

其中，s(i，j)表示當(dāng)前位置像素P(i，j)行方向的累加和。

滑動(dòng)檢測窗口W內(nèi)所有像素之和可以利用積分圖像實(shí)現(xiàn)快速計(jì)算，

3.3.2 CA-CFAR算法實(shí)現(xiàn)

通過以上分析，利用積分圖像的二維CA-CFAR算法步驟如下：

Step1：初始化參數(shù)N，G，P fa；

Step2：利用積分圖像的數(shù)據(jù)結(jié)構(gòu)，計(jì)算原圖像的Inte gralf(i，j)；

Step3：計(jì)算滑動(dòng)檢測窗口內(nèi)像素灰度累加值SumW，保護(hù)單元內(nèi)像素灰度累加值SumG，則參考單元內(nèi)像素灰度均值為(S umW-SumG)/R c和利用式（9）計(jì)算比例系數(shù)α；

Step4：根據(jù)式（5）計(jì)算檢測閾值T；

Step5：根據(jù)閾值T將圖像二值化，若f(i，j)≥T，則該點(diǎn)判斷為目標(biāo)，否則，為背景。

3.4 管線邊緣提取及直線檢測

3.4.1 Canny邊緣檢測

邊緣是圖像中灰度變化最劇烈的地方，在聲納圖像中，管線邊緣檢測就是在去除圖像中不相干的細(xì)節(jié)的同時(shí)，保留目標(biāo)的邊緣信息。常用的邊緣檢測算子有Canny、Sobel、Roberts和Prewitt等。

邊緣檢測要求盡可能地標(biāo)記實(shí)際邊緣，不丟失重要的邊緣，出現(xiàn)虛假邊緣的概率最??；同時(shí)，檢測到的邊緣位置與實(shí)際位置一一對應(yīng)，噪聲盡可能不產(chǎn)生邊緣。本文根據(jù)管線聲納圖像的特點(diǎn)，采用canny邊緣檢測算子。

Canny邊緣檢測包括圖像去噪、梯度計(jì)算、非極大值抑制和滯后閾值四個(gè)步驟。

1）圖像去噪

將圖像f(x，y)與高斯函數(shù)做卷積，以平滑圖像，去除圖像中的噪聲，防止噪聲引起的偽邊緣。

2）梯度計(jì)算

計(jì)算圖像梯度，得到可能的邊緣。圖像f(x，y)在x，y方向的梯度分別為f x和f y，則梯度模G m和梯度方向G a分別為

3）非極大值抑制

圖像邊緣存在于梯度模極大值處，非極大值抑制是將局部范圍梯度方向上灰度變化最大的保留下來，而局部極大值之外的所有梯度值抑制為0。

4）滯后閾值

為進(jìn)一步去除由于噪聲引起的小梯度值即偽邊緣，利用高低雙閾值的方法，來保留真正的邊緣。

3.4.2 Hough變換檢測直線

Hough變換可以用來檢測直線或曲線，具有魯棒性，且對噪聲不敏感。直線檢測就是確定圖像中可能的直線上的所有像素。

采用Hough變換檢測直線時(shí)，利用極坐標(biāo)的形式可以提升直線檢測的有效性。圖像中，參數(shù)化直線方程為

其中，（x，y）為直線上一點(diǎn)的直角坐標(biāo)，θ為該點(diǎn)到原點(diǎn)的直線與x軸的夾角，ρ為該點(diǎn)到原點(diǎn)的距離，如圖3所示。該式將圖像空間中的每一個(gè)點(diǎn)（x，y）映射到參數(shù)空間中的一條曲線。在直角坐標(biāo)系中，同一直線上的點(diǎn)相交于極坐標(biāo)系中的同一點(diǎn)(ρ，θ)，該點(diǎn)可以通過投票機(jī)制來確定［10］。

圖3 極坐標(biāo)圖

4 嵌入式界面設(shè)計(jì)

在嵌入式系統(tǒng)的界面中，圖像顯示分成兩個(gè)區(qū)域，分別顯示原始的聲納圖像和管線提取后的圖像；參數(shù)區(qū)域顯示檢測到的管線的參數(shù)指標(biāo)，包括管線坐標(biāo)和走向。在觸摸屏上點(diǎn)擊管線上的某一點(diǎn)，可以顯示該點(diǎn)位置的直角坐標(biāo)(x，y)和極坐標(biāo)(ρ，θ)以及管線的走向。功能選擇區(qū)域?yàn)橛脩籼峁┎僮鹘涌冢ù蜷_、保存、管線檢測、幫助和退出等功能。

綜上所述，二維CA-CFAR海底聲納管線檢測流程如圖4所示。

圖4 二維CA-CFAR管線檢測流程

5 實(shí)驗(yàn)結(jié)果

實(shí)驗(yàn)中，所用計(jì)算機(jī)CPU為Intel Core i5 8300H，8G內(nèi)存，采用C++編程語言。本嵌入式系統(tǒng)界面設(shè)計(jì)采用Qt4.5開源版，操作系統(tǒng)為Ubuntu 12.10。

二維CA-CFAR中，參數(shù)取值為N=5，G=3，P fa=0.32，檢測結(jié)果如圖5所示。

圖5 側(cè)掃聲納圖像管線檢測

其中，圖5（a）為側(cè)掃聲納獲取的海底管線圖像，（b）為采用CA-CFAR檢測管線后的結(jié)果，（c）為Canny邊緣檢測和Hough變換后的結(jié)果，（d）為對檢測出的管線進(jìn)行擬合的結(jié)果。

所設(shè)計(jì)的具體界面如圖6所示。

圖6 顯示界面

6 結(jié)語

本文研究了側(cè)掃聲納海底圖像中管線的檢測方法，并設(shè)計(jì)嵌入式軟硬件系統(tǒng)。所設(shè)計(jì)的硬件部分包括電源、GPS和DVL傳感器、LCD顯示、通信接口及側(cè)掃聲納。對海底管線聲納圖像采用二維CA-CFAR算法，利用滑動(dòng)檢測窗口自適應(yīng)的調(diào)整檢測閾值，然后采用Canny邊緣檢測算子和Hough變換提取管線，并進(jìn)行管線擬合。實(shí)驗(yàn)結(jié)果表明，該嵌入式海底管線檢測系統(tǒng)能夠有效檢測出聲納圖像中的管線。