海洋论坛▏基于多波束声强数据的海底底质分类研究综述 - 海底地质沉积分析软件

一、引言

w, l( s4 x6 I+ `9 e

海底是一个具有重要意义的地质界面，基于海洋声学的底质探测是海底研究的基础，一直以来在海底地质研究、海洋矿产资源的开发利用、水下通讯、海洋工程实施及海洋研究和开发中发挥重要的作用。多波束测深系统(multibeam bethymetric system，MBES)经过半个多世纪的发展已逐渐成为探测海底床表沉积物的主流设备，相比于传统的钻孔取样方法，具有全覆盖、高采样率、高效率和低成本等优势，不可否认的是目前仍存在诸多问题。本文将系统分析国内外在多波束回波强度(backscatter strength，BS)进行海底底质分类中的研究进展及存在的问题。

二、多波束回波强度分类原理

( x0 W4 Q @& T, u

多波束系统换能器发射基阵向海底发射广角度Ping断面多个波束，经过海底的反射和散射被接收基阵接收，形成一系列时序回波信号并被记录下来，海底反射信号较强的被提取记录为水深数据，信号较弱的作为回波强度被记录见图1。前者通过记录信号的传播时间计算水深信息，主要用来进行地形研究，后者是声强(振幅)信息，主要用于底质探测分类等地貌分析和研究。多波束发射的声脉冲在振幅、频率、传播时间一致，海底地形起伏度相当的情况下回波强度大小与海底底质的粗糙度、沉积物粒径、孔隙度、饱和度等物理属性及入射角有极强的相关性见图2，因此多波束声强数据可以进行海底底质分类研究，但由于多波束系统发射声波频率较高、功率较小，声波只能穿透海底床表约数厘米的距离，因而多波束声强数据一般只能进行海底床表底质研究。

1 R' z0 U9 [0 Z+ b; y+ Y5 A

图1　反向散射示意图

图2　影响反向散射强度的因素示意图

6 o" |* i) \' x* R4 U5 w3 u

由于声波在传播过程中受到环境噪声、散射和混响、距离依赖性及角度依赖性等因素的影响，回波振幅被削弱，不能直接反映真实海底的地质特征。为了获取与入射角度无关，仅反映海底底质特征的回波强度数据BS0还需要进行传播损失改正、声线弯曲改正、Lambert法则改正、声照区面积改正、船底正下方中央波束区信号改正以及滤波等一系列处理，得到的声强数据可根据声学反演理论、统计特征分析、声纳图像纹理分析等方法进行海底底质分类。

三、多波束海底底质分类发展及研究现状

0 c; v$ w+ M2 V( D

海底底质的探测和分类一直都是海洋研究中的经典课题，得到国内外专家学者的高度重视。海底底质分类从手段上分可分为直接取样法，间接探测法；从分类方式可以分为有监督学习法，无监督学习法；从研究数据来源可分为剖面声纳、测深仪组合，单波束，多波束和侧扫声纳法。其中多波束系统不仅可以得到高精度的水深数据，还能收集丰富的声强数据，两者的完美结合使得多波束系统在底质分类研究中更多的受到科研工作者的青睐，下面对多波束海底底质分类的技术研究和发展现状进行分析总结。

⒈ 研究现状

国外对底质分类的研究开展较早，最早可追溯到20世纪50年代，国外对海底底质分类的研究主要是从海底沉积物的物理力学特性、声学特性及两者的相关性、海底回波特性和特征量的提取等方面着手的。自80年代起，开始进入了应用研究，各个国家纷纷研制出了用于海底沉积物走航式测量的设备，在不断获取大量实验数据的同时，不断改进测量手段.围绕海底底质分类研究的重大项目有ESMAC项目(1992～1994)，由北欧多国参与，主要由瑞典和挪威来实施；ISACS项目(1996～1999)，由欧盟组织的5国参与研究的大型海洋科学与技术研究计划(MAST-Ⅲ) 中的一个子项目。通过几十年的研究，获得了比较丰硕的研究成果。 从声纳数据的获取、预处理到最后图像分类，国外对海底底质分类各个环节相关技术的研究比较系统和深入，目前市场上已有多家比较成熟的海底底质分类的商业软件，如挪威Simrad公司与计算中心合作基于多波束开发的的TRITON分类软件；加拿大Quester Tangent公司面向单波束测深系统开发的QTC VIEW；英国Geo Acoustics公司基于侧扫声纳影像开发的Texture Mapping System；美国Biosonics公司开发的VBT-Bottom Classifier系统；英国Marine Micro System公司研制的RoxAnn及Echoplus公司的Echoplus等。

% M5 F- G( T8 Q

相比于国外的海底底质研究，国内工作开展从20世纪80年代才刚刚开始，1982年所孟金生等人最先提出海底沉积物的声学分类方法，1992～1995年，中国科学院南沙综合科学考察队对南沙群岛及其邻近海区开展了有关海底底质分类的考察和研究工作，经过十几年的研究，在海底底质分类研究方面取得不少的突破和创新，但由于实验仪器、经费和研究方法等方面因素的制约，基于声学的海底底质分类研究并不深入，声学原位测试技术研究很少，大多数研究集中在声纳数据的解析、分类原理的探讨以及声纳数据的改正等一些基础方面，针对具体海区的应用研究工作较少且大部分研究都只是着重于部分模块的处理，并没有对海底底质分类中的关键技术进行全面而又系统的描述，在声强数据采集、分类理论及分类器研究等都与国外研究水平有很大的差距。

/ e4 y$ y! Y: W! h6 E% `3 Y- h2 I

⒉ 声强数据处理研究

- R+ [% ~* D6 [4 v( k

多波束声强数据数据处理大致分为以下几步。

⑴回波采样点提取：波束脚印内采样点回波强度提取一般采用均值提取法和波束指向方向提取法两种。

⑵利用声线跟踪获进行波束脚印归位计算：归位计算通常需要进行船姿改正、船体坐标系下波束脚印位置的计算、波束脚印地理坐标的计算等，其中声线跟踪的计算直接影响声强数据坐标计算精度及之后声强补偿的准确性，常见的声线跟踪方法有三角法、常声速声线跟踪法、常梯度声线跟踪法和等效声速剖面法，其中常梯度声线跟踪法精度最高但计算复杂不适应于大量数据处理。

+ R# z3 ?3 E3 F+ P! N- s; c

⑶回波噪声消除及回波强度补偿：由于环境噪声、设备噪声直接影响声强数据质量、图像纹理特征提取进而影响海底底质分类精度，因此在回波强度补偿之前要进行噪声滤波。 回波强度补偿一般需要进行时变增益补偿(TVG)、声照面积修正等。

7 C8 u, T7 \ D+ Z, a7 l

⑷声纳图像重采样：对声纳图像进行条带裂缝和扇形裂缝填补，得到灰度均衡、满足分辨率要求的多波束声纳图像。

5 N0 f, ~( ]6 ^# U2 }8 z4 l3 q

对于多波束声强数据的处理，国外专家学者已进行了较系统性的研究。Dezhang等研究了TVG在多波束声强量化应用中的影响；Foote等在已知近场TVG函数敏感度和饱和度限制的基础上提出标准目标法校正换能器近场的水柱声强数据；Chang等提出基于波束形状理论的缝隙修补算法，但填补后痕迹较明显，还需要其他的灰度均衡算法进行处理才能得到很好的效果；Chvez等引入Sensor-Specific算法纠正声纳图像中的几何畸变和放射性畸变。国内对声强数据处理研究虽然起步较晚但也取得了很多研究成果。孙万卿提出一种二维浅海声线追踪方法，数值解精度达10-4；蒋立军基于声能方程研究了时间增益控制、自动增益控制和手动增益控制；张玉芳提出混合扫描线多边形填充算法，算法计算简便；徐胜攀提出一种改进的活性边表区域填充算法，甚至可以填充自相交多边形，在时间效率和空间效率方面都有显著的提高。

8 V/ L, }6 J! Z! A

⒊ 分类算法及分类器研究

" c) X2 [/ h! c# f: U

多波束声强数据底质分类的能力和效果除了受到仪器设备自身局限性之外主要取决于分类算法。分类算法按照处理对象可分为直接利用回波强度值分类算法和回波强度灰度空间结构分类算法，前者主要根据回波强度与入射角对之间的关系、回波强度谱分析参数进行底质分类，后者根据声纳图像的纹理特征、地形或影像的分维数等进行底质分类。下面简单介绍几种常见的分类算法和分类器。

2 ]. J0 \) ?$ L9 Z6 m ]

⑴分类算法

①海底声学参数反演法

+ o) i# B- w4 Q, ?9 J7 u

海底声学参数反演方法常见的有层剥反演法、非线性迭代反演法和大域优化反演法三种，比较经典的模型有Biot介质模型和Jackson散射模型。其通过分析海底回波信号，反演海底床表沉积物的声学参数(如声阻抗、声吸收系数等)，结合沉积物的物理特性(如密度、孔隙度、平均粒径、声速等)经验公式进行沉积物分类。

$ a& G) b! e/ u" J9 _

②分形维

分形维对于回波强度和深度变化的分布和结构非常敏感，与沉积物的物理和化学特性联系强于回波信号的能量特性，常用的分形维方法有Hausdorff维、自相似维、Bouligand维、拓扑维、容量维、填充维、相关维、信息维、影像维、Peleg法、微分盒计数法、移位微分盒计数法、标准差盒计数法等。

0 v! q7 W! p3 ?

⑵类器

+ W* ]1 T# l% h8 k; z+ j \

①支持向量机

/ L' b: r& n& S; f

1995年Vapnik提出一种基于统计学习理论的机器学习方法，即支持向量机(SVM)，可成功地解决机器学习中存在的高维问题和局部极值问题，具有很好的推广能力；2012年熊明宽等研究了优化参数的SVM，实验表明其对砂、礁石、泥的识别精度高达80％，SVM分类器参数选择较难且对于多分类情况，现有的核函数不一定能够映射到高维空间进行分类。

②神经网络

6 E4 O( f1 c8 z" y3 |) h

神经网络也成为人工神经网络，通过模拟人的神经网络特征通过并行处理的数学模型。 神经网络因为在分类与识别方面性能优越且具有广泛的适用性和有效性因而被很多专家学者引入到底质分类研究中。2004年曾旭平等利用SOFM网络对声纳图像灰度纹理共生矩阵的统计量、灰度均值和两个分维数作为特征矢量，进行非监督分类并取得了理想的效果；2006年唐秋华等引入学习向量量化神经网络进行分类，阳凡林引入遗传算法的BP网络进行底质分类；2007年唐秋华等将遗传算法与LVQ神经网络结合进行底质分类；2009年唐秋华等引入采用遗传算法优化BP神经网络初始值的方法；2009年Marsh等引入自组织神经网络实现海底沉积物的自动分类；2013年郭军等利用灰度纹理共生矩阵作为特征参数，并且作K-L变化对海底沉积物图像进行降维，采用自组织竞争神经网络对侧扫图像进行自动分类；2014年熊明宽等引入利用遗传算法优化小波神经网络对砂、礁石、泥3种底质进行分类，克服了小波神经网络训练时易陷入局部极小的固有缺陷，精度达90％以上。

) E: K$ A' ^) K) [+ Y- p6 s- @; B+ y

③聚类分析

聚类分析是数据挖掘研究的一种重要方法，所谓聚类是一个将数据集划分为若干个子集的过程，每个子集称为一个类，使得同一个类内的数据对象具有较高的相似度，而不同类的数据对象之间的差异性尽可能大。2008年马飞虎等引入ISODTA非监督学习动态聚类算法进行分类，但空间信息利用不充分；2011年Luciee等研究了FCM聚类分析和基于对象分割技术。

. j+ b6 W! N) d% T, N3 H

四、结束语

虽然众多国内外学者对多波束沉积物分类进行了研究，但是在回波强度数据采集、处理，分类器研究设计上存在很多问题和不足。

①系统本身缺陷，回波强度数据采样分辨率不够高，难以得到较深地层的信息，不能满足深海区域的海底底质研究。重采样结果不能很好地满足灰度均衡和对地貌的代表性要求，应根据需求调整采样密度，引入船速、涌浪、海风对重采样影响的研究，探索更合适的条带缝隙和扇形缝隙填补算法。

R. n" n; c$ \ Q# G

②波束初始入射角给定模糊，受船体横摇角和纵摇角的影响，在采用二维声线跟踪时，忽视了船体姿态作用下声线的三维空间传播机制，以及由此带来的波束脚印定位不准、回波强度误差及对沉积物分类的影响，因此在声线跟踪计算时一定要将船体的横纵摇计算在内。

③海底散射考虑不全面，忽略海底质不均匀性及入射波束方位角对回波强度的影响，反向散射系数计算不准确。已有的经验公式不能很好的适用复杂海况，常出现补偿过强或补偿不足的情况，可以将历史海底沉积物资料进行归纳汇总，建立一定模型，对经验公式进行修正。

④特征提取问题，利用回波强度统计特性进行沉积物分类，统计特性较少，对混合沉积物难以区别。在利用图像纹理进行沉积物分类时，虽然纹理特征较多，但是对成像质量要求较高，做监督分类时，样本质量不高和分类器的拟合精度较低都会对沉积物分类造成影响。

+ n" \8 P. n2 \6 P/ S. W

⑤分类器不完善，进行沉积物分类时，分类器相关参数选择困难；参与分类的特性统计参量少且未系统分析统计特征参量对沉积物的区分能力，对混合沉积物识别率不高；目前分类器较多，而适合沉积物分类的最优分类器选择问题未有定论，利用沉积物的品质因子进行分类时，各类沉积物的权重会影响分类可靠性，而权重给定尚缺少依据，分类结果与现有商业成图软件兼容性不够。

& `% O, E( m9 W# f" k2 s

基于声学理论模型和物理模拟仿真建立分类模型是未来海底底质分类研究发展的主要方向，为提高多波束底质分类分类效果，应加强声强数据采集处理研究，在完善数据处理相关技术的基础上应更多的结合历史底质取样和侧扫声纳数据。分类精度除了受仪器设备影响外分类算法也很重要，应加强分类理论研究。除此之外我国应加速海底底质快速自动分类、底质识别精度高、类别分界线准确，三维实时显示的多波束系统及底质分类软件的研发。

& A) D1 P; j3 j

【作者简介】文/纪雪 唐秋华 周兴华，第一作者纪雪，女，1989年出生，山东青岛人，国家海洋局第一海洋研究所，硕士研究生，主要从事海底地形地貌测量及海底底质分析研究；本文来自《中国测绘地理信息学会海洋测绘专业委员会第二十八届海洋测绘综合性学术研讨会论文集》，参考文献略，用于学习与交流，版权归作者所有。

. Y0 B2 G* R% y, m% K+ Y

投稿邮箱：452218808@qq.com，请您在留言中标注为投稿，并提供个人简介及联系方式，谢谢！

: q7 i1 H9 G }9 P9 ] " X' X' y9 S, T1 e. ` ) K# _! }* V' B& L7 j8 B7 i