海洋论坛▏一种多波束水体图像目标综合提取方法 - 海底地质样本分析方法步骤

点击上方“溪流之海洋人生”即可订阅哦

多波束测深系统是20世纪60年代兴起的一种条带式声学探测系统，凭借高分辨率、高精度和全覆盖探测优势，已逐渐成为海洋调查领域的主流设备。传统多波束声呐系统测量采集海底的波束脚印(换能器在海底投射的一个有限面积)中心的平均往返时间和相位变化，根据振幅和相位变化确定水深点位置，从而获得水深数据并绘制高分辨率的海底地形图。伴随水声技术的发展和声呐硬件设备的换代升级，大多数多波束声呐都支持水体数据的采集与存储。声波照射目标物不同，反向散射强度会出现不同，根据这一特性，由水体数据生成的水体影像(WCI)能直观地展示水体内部目标。多波束水体数据不仅能形成二维强度图像，更能直观地反映物体在三维空间内多尺度的位置和轮廓信息，因此国内外的众多学者致力于将多波束水体影像应用到多领域的工程应用中，如海洋地质活动监测、航道疏浚、港口规划建设、海事搜救和渔业捕捞等方面。

4 n, U9 `+ E5 F

Clarke等采用多波束水体影像精确识别了海底沉船位置轮廓，并验证了对桅杆等细小的船体突起目标有较好的展现效果。Urban等使用了多幅WCI实现了水体中气泡的自动跟踪并对水体中的气体目标物做出了定量分析。目前，多波束水体数据的应用已经成为海洋研究领域的热点，但是水体数据的数据量巨大，采集数据的过程中，不同区间内反向散射强度变化存在差异，海底波束强度和水体的回波强度在不同入射区间内差异明显，强度的分布异常和旁瓣的同距噪声影响尤其明显，同时海洋环境噪声和测量设备的系统噪声使噪声抑制变得更加复杂，这些因素使得水体数据的处理方法仍然亟需改进。

张志刚等引入邻域平均法抑制旁瓣噪声，结合底部检测算法约束目标检测的准确性，设计了一种基于多波束水体影像的海底天然气管道泄漏检测办法，能有效提取声呐图像中的气体疑似区域。汪诗奇等获取“弧圈”序列峰值点的均值和中误差作为阈值，将旁瓣效应归化为背景噪声级别；权永峥等提出利用多Ping水体数据的中央波束计算均匀海水回波强度，以剔除大量背景噪声和旁瓣干扰，但这种方法只适用于无明显特征目标物的平坦海底水体数据。

本文提出一种阈值降噪和形态学检测相结合的目标提取方法。首先针对旁瓣噪声强度分布特点的阈值方法削弱干扰；其次通过图像的交、差集运算消除背景和系统噪声；然后利用BM3D算法平滑图像得到高信噪比图像，剔除背景消噪遗留的“斑点噪声”；最后利用多尺度形态学处理获取边缘图像，这种综合性的目标提取方法能大幅削弱孤立噪点的影响，有效提取边缘完整连续的水体目标，处理后的EM系列多波束数据证明了该方法的优点和普适性。

一、旁瓣和背景噪声抑制

⒈多波束水体成像原理

多波束声呐在工作时，换能器利用米尔斯交叉效应使发射波束与接收波束相交获得多个窄波束，这组波束时间间隔很小且垂直于航线方向呈扇形分布(图1)。波束携带的能量在水体传播过程中会发生反向散射现象，产生的回波信号被接收换能器探测到并记录在水体文件中，每一条波束的回波信号被记录为一个时间序列，整个发射接收周期内所有回波数据可根据波束角度和采样频率计算采样点位置，从而生成一幅扇形水体影像(图1)，它反映了波束开角范围内从换能器至海底的声传播介质连续变化情况。随着测船的移动，即可获得沿测线方向所有扇形图像依照时间序列拼接起来呈三棱柱形的水体数据，该柱体包含了这条测线上所有水体采样点的反向散射强度和水深信息。

$ u3 ]2 Y }2 ], Y; U( [

图1 多波束水体数据成像机理

⒉旁瓣干扰处理

现阶段大部分多波束系统都基于快速傅里叶变换(FFT)开发波束形成算法，从而获得实时采集大批量水体数据的能力。多波束系统在波束形成时，由于接收换能器存在旁瓣效应，在某一时间序列上这种干扰就体现为一个圆弧状强反射带，这个圆弧的半径即换能器到其正下方的海底的最短距离(MSR)。

9 o( h" h$ U, f3 h( v( I6 L# N+ e

MSR范围之内的探测虽受到发射旁瓣的干扰，但该范围海水回波强度稳定，MSR之外的范围则受到接收旁瓣的干扰，影响尤为显著，噪声掩盖了部分真实信号。如图2a所示，接收主瓣接收的回波采样点记录为A点，内外侧接收旁瓣则，分别记录了B点和C点的反向散射强度，记录水体数据时将B点和C点归算到主波束的最大响应轴上即为B点和C点，随之就会产生反向散射强度的异常增强。所以在多波束的一Ping水体数据中随着波束角变大，这种线性干扰就会更强。外侧的干扰在单Ping水体影像中体现为海底下方的干扰，不影响影像的判读。

图2 多波束旁瓣干扰示意图

2 `2 R) j# Z7 X% \1 N

使用单一反向散射强度硬阈值会使得某些弱强度目标被视作噪声而被剔除，所以针对逐个角度序列选择阈值、划分目标区域和背景噪声混合区，能有效抑制噪声。使用阈值C划分真实目标和噪声的反向散射强度：

C＝F＋ασ，⑴

式中：F为原始角度序列的均值；α为标准差参数；σ为原始角度序列的标准差。针对不同的水体数据可以调节标准差参数控制旁瓣噪声的抑制效果。

⒊相邻奇数Ping的图像逻辑运算

4 q6 |6 G3 w; h1 |0 h. N3 Q

利用局部的角度序列阈值抑制多波束旁瓣效应后，MSR内仍然有大量的背景噪声需要剔除，其中大部分来自于电子设备以及多个设备配合工作引起的系统噪声以及海洋中如浮游动植物、污染颗粒物等多种散射体和海洋介质引起的海洋环境噪声。大部分多波束系统在不同扇区的工作模式中，频率及增益等参数都不同，导致背景噪声强度值出现差异，在水体影像中体现为灰度值不一致，因此笼统地对逐Ping处理难度较大，但在相邻奇数Ping中由于工作模式相同，背景噪声的复杂性明显被削弱。

4 A4 B% f' ~# b+ t @

即使假设船速不变且海洋环境稳定，相邻Ping间的水体影像包括的背景噪声强度值仍然不可能完全相同，水体影像由采样点强度值转换成的每个像素点的灰度值就会出现差异，所以需要求取2幅图像之间每个像素位置的灰度差值作为阈值来判断是否为相同的背景，然后通过图像的逻辑运算消除这些背景噪声：

①提取某一奇数Ping图像Id；然后提取相邻奇数Ping图像Id－2和Id＋2，并分别与图像Id两两进行“与”运算，得出2幅图像I1和I2：

I1＝Id－2∩Id，⑵

0 I e; F' H/ R+ \4 g

I2＝Id∩Id＋2，⑶

②图像I1和I2进行“与”运算，求得Id的背景噪声I3：

- C/ w b4 S; s

I3＝I1∩I2，⑷

! U5 B! q- @; _

③图像Id与I3做差集运算，求得提出大部分背景噪声的图像I去噪：

I去噪＝Id－I3，⑸

二、BM3D算法原理

现阶段的图像处理方法中，加强图像稀疏表达的去噪平滑算法，更容易保留和还原检测目标的边界纹理信息。2005年Baudes提出NL－Means算法，以图像块为单位在整幅图像中寻找相似的区域，再对这些区域求平均值，能较好地去除图像加性噪声，起到平滑的作用。BM3D(BM3D)算法基于寻找相似图像块的基础进行分组整合，再加以滤波操作加强图像的稀疏表达，最终达到平滑的效果。BM3D算法主要思想分为基础估计和最终估计2部分。

⒈基础估计

3 {+ o l1 S G% m- Z

基础估计首先通过对原噪声图进行参考块匹配，经过联合滤波处理后再对每个像素的强度值依照对应位置的块的值加权平均，获取较好的去噪效果。基础估计的具体步骤如下：

①相似图像块匹配。在噪声图像中选择一个k×k大小的参照块，在参照块的周围适当大小的范围内搜索差异不大的图像块。将匹配结果与参考块组合成三维矩阵，使用三维的滤波器更易于筛选相似性更高的图像块组，提高估计真实信号的效率。

$ S$ Z. [( o( b* U- m2 q1 \

②联合滤波处理。匹配三维图像块后，应用3D线性变换。变换完成后，对三维矩阵使用硬阈值滤波器过滤，阈值通常使用噪声的标准差，将小于阈值的系数置0，再使用反3D线性变换获得处理后的图像块，返回到初始的图像块位置。3D线性变换为二维变换(如小波变换或DCT变换)复合一维变换(Hadamard变换)而成的，反3D线性变换同理。

5 p! s8 Z$ T3 f( K/ g$ j

③聚合。处理后的图像块代表对原图像的噪声估计，因图像块会重叠，为保持信息的完整性，每个像素的灰度值需要通过对应位置块的强度值加权平均，权重的取值由数值0的个数和噪声强度决定。

⒉最终估计

; G+ b, P2 t% G# Z; |: j9 k

与基础估计步骤类似，但块匹配结果需要在基础估计的基础上完成，所以匹配的差异上限比第一步小一些。区别于基础估计中硬阈值的滤波方法，使用维纳滤波能更好去除白噪声影响，最后的加权求和方式大致相同。经过最终估计，该算法已经显著去除原图噪声，将进一步提高去噪图像的峰值信噪比(PSNR)。最终估计的具体步骤如下：

1 g% ?" K% s) \5 z

①相似图像块匹配。与基础估计相同的是都要匹配搜索得到三维矩阵，但是这步工作需要分别得到原噪声图像和基础估计后的三维矩阵。

②联合滤波处理。对2个三维矩阵使用3D线性变换，对噪声图形通过维纳滤波器进行系数放缩，系数通过三维矩阵值和噪声强度计算得出，在三维变换域中进行反3D线性变换，将真实估计值返回到初始的图像块位置。

③聚合。每个像素的灰度值由对应位置块的强度值加权平均得出，权重取决于维纳滤波器的系数和噪声强度。

由原始数据解析得到的单Ping水体影像为RGB图像，若使用BM3D算法还需要将RGB的色彩空间转换为YUV色彩空间，Y分量包含图像几乎全部的边缘和纹理信息且拥有更高的信噪比，使用Y分量搜寻相似块，其他步骤与原始BM3D去噪处理算法大致相同。BM3D处理“斑点噪声”优于传统平滑图像的滤波方法，易于得到高信噪比图像。

8 ^6 C* E8 q- E

三、基于多尺度形态学的图像分割

数学形态学应用于图像处理中，形态学算子能表达物体形状的集合与结构元素间的相互作用。形态学图像处理是在图像中移动一个结构元素，然后将结构元素与下面的图像进行交、并集运算。结构元素的形状和尺寸会影响图像边缘检测的效果：小尺寸的结构元素去噪声能力弱，但能检测到边缘细节；大尺寸的结构元素去噪声能力强，但检测的边缘较粗。多尺度形态处理方法及作用与传统方法比较见表1。

表1 多尺度形态学与传统形态学不同点

; P5 ~$ T) l0 Z- b$ l

使用多尺度结构元素nB检测出原始图像F(x，y)不同尺度下的边缘信息En(x，y)，用多尺度结构元素合成新的边缘检测图像f(x，y)：

⑹

式中，ωn为各个尺度下的图像的标准差比例决定权值，取值范围为[k，l]。然后对图像f(x，y)进行二值化，得到最终的边缘图像E(x，y)。

应用该套完整的噪声处理方法(图3)，大部分同距噪声和斑点噪声等被剔除，可以获取高信噪比的水体影像，精准识别目标信息。

0 v4 n7 C2 I4 A

图3 检测方法流程

9 b \( O e: s

四、试验分析

' H% \) A: H; S6 ]

为验证本文的目标识别方法，利用EM系列多波束声呐系统采集的实测数据开展试验。解析原始水体数据，将一整Ping内所有水体数据采样点的反向散射强度转化为相应的灰度值，形成扇形垂向影像图(图4)。由于边缘波束的波束角变大，旁瓣效应增强，两侧的发射旁瓣效应噪声强度较高，解得的实际水体影像数据MSR外接收旁瓣噪声影响显著，MSR内发射旁瓣噪声与海洋环境和系统噪声干扰混合，多种噪声驳

杂使得图像质量较差。在波束入射角－30°～30°范围内可大致发现海底附近的柱状气流，但气流的轮廓和纹理信息损失严重，导致无法对目标物体进行精准识别和判读。而采用上述方法对噪声进行了有效地抑制，得到了清晰的边缘图像，证明了该算法的可行性。

G. F0 C6 V; r) z w

图4 第283Ping水体影像

7 m$ v/ n) a+ L

⒈抑制旁瓣效应和背景噪声

使用局部标准差阈值算法(式1)，针对每个角度序列计算均值和标准差，当标准差参数α＝1.3时，处理后的水体影像数据如图5。MSR外接收旁瓣干扰得到很好的抑制，去噪效果明显，MSR内的噪声大部分归化为背景噪声级别，目标物体的信息保留得也较为完整。

0 V7 j7 E0 l2 O% b

图5 抑制旁瓣噪声后图像

虽然旁瓣效应产生的“弧圈”噪声得到了明显的抑制，但是MSR内的混合噪声仍然造成水体影像不清晰，两侧噪声同样会造成对目标物体的误读。使用相邻奇数Ping图像逻辑运算方法削弱背景噪声。为了计算不同Ping图像的阈值，选取20组连续奇数Ping图像，任意2幅连续奇数Ping图像的灰度值相减，计算对应像素位置灰度值的差值，求得这些差值的平均值22作为阈值。从中选取第281Ping、第283Ping和第285Ping三幅图像，重复进行交集运算(图6)，最后第283Ping与得到的背景噪声差集运算，削弱了第283Ping大部分的背景噪声，只遗留了部分“斑点噪声”。

h( ^: L S, U. x/ O7 w

图6 背景噪声削弱过程

⒉噪声水平估计和平滑图像

为进一步滤除MSR之内的“斑点噪声”，利用加强图像稀疏表达的BM3D算法。BM3D算法使用之前首先对噪声水平进行估计，计算背景噪声标准差，将其作为输入参数。本文筛选了3种方法估计处理过的第283Ping水体影像数据的噪声水平，分别为：Pyatykh等提出的影像块主成分分析方法(PCA)；Liu等提出的基于弱纹理块的主成分分析法；Aja－Fernandez等用样本方差分布众数估计标准差的方法。

- |; i. E& R7 F+ T4 S# C9 A1 f

根据图7a的统计结果分析得出结论：基于弱纹理的PCA方法随着背景噪声标准差的增大，估计值与真值的误差变化相对更稳定，对水体影像的噪声估计效果明显最好。PCA法和样本方差众数估计法计算的偏差在标准差超过80后，振动幅度急剧增加，鲁棒性较差。将参数输入作为Sigma值，对噪声图像进行平滑操作(图7b)，该算法实现了水体影像的高度稀疏化，MSR内的“斑点噪声”基本被滤除，图像中的目标物细节特性保留得较为完整，且具有更高的运行效率。选取3Ping水体影像数据使用本文方法处理，计算峰值信噪比(PSNR)比较图像质量，再选取传统的中值和均值滤波器处理图像与(BM3D)方法进行对比。从表2可以看出，虽然3种方法处理后图像质量均得到优化，但BM3D算法处理后的图像PSNR指标获得了显著提高，提高百分比最高达到65%，优于其他2种方法。

图7 第283PingBM3D算法处理过程

表2 平滑图像质量比较

( b, I- S- E/ `" N) X1 R

⒊多尺度形态学处理

3 h8 r0 M- a. m( ?

对平滑得到的高信噪比图像进行边缘检测后，目标的边缘信息和纹理信息能得到完整的复现。如图8所示，分别用一阶sobel算子、canny算子和二阶Log算子进行边缘检测的对比：sobel算子边缘检测的连续性略差，导致部分信息有漏检的现象；canny算子产生的边缘较细，没有体现出噪声和目标物体的强弱差别，影响判读；Log算子对噪声敏感，边缘连续性也较好，但和canny算子一样都出现了过检现象，噪声边缘也被提取出来。多尺度形态学边缘检测相比于这些算子边缘检测算法，能消除孤立噪点，提高任意两点间的边缘点占比，边界信息的连续性更好。多尺度形态学边缘检测无明显噪声点且目标保留完整，噪声点边缘与目标物边缘区分度较高，可以快速准确识别目标物体。

图8 边缘检测结果对比

) C C) f" q! ^6 \. \. j

五、结语

( E8 U2 W9 I: u* E8 Y' C

多波束水体影像中海洋环境噪声、系统噪声和旁瓣干扰是图像污染的主要来源，在应用水体数据进行水下目标物体的识别和判断之前，利用去噪处理方法获取高信噪比图像，是必不可少的手段。本文使用的目标识别方法，在使用阈值去除旁瓣噪声的基础上，利用增强图像稀疏表达的BM3D算法和多尺度形态学约束方法处理水体影像，能有效去除“斑点噪声”。联合三者的处理方法在保留细节信号方面，与传统滤波相比同样具有一定的优势。利用多Ping数据实验证明了该方法的可行性和普适性，为多波束水体影像的后续处理和目标物体的提取等应用型研究提供了一个较为新颖的思路。但该方法在选取背景噪声的阈值方面仍有很大改进空间，可以更大幅度提高去噪效果，BM3D所需的噪声水平估算精度和消耗的时间未来还需要做出更多的改进，需要开展进一步研究。

1

END

# n& p& E. p) Z' H, a

1

【作者简介】文/丁德秋 唐秋华 陈建兵 李杰，分别来自山东科技大学测绘与空间信息学院、自然资源部第一海洋研究所和自然资源部海洋测绘重点实验室。丁德秋，1997年出生，男，硕士研究生，主要从事多波束数据处理与分析方面研究；通信作者唐秋华，1973年出生，男，研究员，博士，主要从事海洋测绘方面研究。本文为国家自然基金项目，多波束声呐数据精细处理技术及其在海底形态特征分析中的应用研究(41876111)、国家重点研发计划项目———水下参考框架点建设与维护技术(2016YFB0501703)。本文来自《海洋科学进展》（2021年第4期），参考文献略，用于学习与交流，版权归作者及出版社共同拥有，转载也请备注由“溪流之海洋人生”微信公众平台编辑与整理。

相关阅读推荐

海洋技术▏混浊水域多波束反向散射强度传播损失改正海测讲坛▏霍冠英：水下声呐图像目标检测与识别研究海洋论坛▏基于SonarWiz的多波束声纳图像智能底质分类技术研究海测论坛▏沈蔚等：深水多波束测深系统测深精度评估溪流笔谈▏浅水多波束测深产品发展代际与趋势海测讲坛▏赵建虎：基于多波束水柱数据的水体目标在航探测

公众号

溪流之海洋人生

微信号▏xiliu92899

* f! q5 V% {/ a

用专业精神创造价值

用人文关怀引发共鸣

您的关注就是我们前行的动力  1 ?/ E5 Z0 T* J+ @5 X: |7 a. A

投稿邮箱▏191291624@qq.com