侧扫声纳图像中央区的自动确定和重建.pdf

第43卷第3期2023年5月引文格式：董理，武峰，尚晓东.侧扫声纳图像中央区的自动确定和重建J.海洋测绘，2 0 2 3,43(3）：2 1-2 5.D01:10.3969/j.issn.1671-3044.2023.03.005海洋测绘HYDROGRAPHIC SURVEYING ANDCHARTINGVol.43,No.3May.,2023侧扫声纳图像中央区的自动确定和重建董理,武峰?,尚晓东1（1.海军工程大学兵器工程学院，湖北武汉430 0 33;2.武汉船舶职业技术学院机械工程学院，湖北武汉430 0 50）摘要：侧扫声纳是海洋测绘领域的常用设备，为解决侧扫声纳波束模式带来的声纳图像中央区域质量较差的问题，提出了侧扫声纳图像中央区的自动确定和重建方法。首先根据侧扫声纳测量原理，基于波束模式，自动确定侧扫声纳图像的中央区域；然后根据图像强度梯度和像素可靠信息，计算图像重建区域的优先级；最后根据优先级顺序，采用基于样例的方法对中央区进行重建，提高侧扫声纳图像质量。研究表明，重建后的侧扫声纳图像无论是在主观视觉还是客观评价指标方面，都取得了满意的结果。采用本文所提方法得到的重建图像，能够清晰地反映海底特征，具有很好的应用价值。关键词：海洋测绘；侧扫声纳；波束模式；声纳图像中央区；重建优先级；图像重建中图分类号：P2291引 言侧扫声纳是海洋测绘领域的常用设备，通常拖电在船体后面进行扫描式测量,采用Ping成像模式获取高分辨率海底图像，为海洋科学研究和海洋工程建设提供基础测绘信息1 10 。在侧扫声纳的安装过程中,为了消除或者减弱声波打到水面时产生的多路径影响，侧扫声纳的主瓣与水平方向之间会设置一个倾斜角度。在测量过程中,发射的声波能量主要集中在主瓣的波束开角范围内,回波较强。相反,在主瓣的波束开角范围之外的旁瓣区域内获取的回波能量较低11。尽管如此,旁瓣区域内的后向散射能量依然会被侧扫声纳的换能器接收，只是回波强度质量远低于主瓣范围内的回波强度。受这种波束模式的影响，侧扫声纳图像中央区域的数据质量远低于其他区域。为解决这一问题，可以采用多条带覆盖式测量的方法，使用其中一幅侧扫声纳图像边缘位置处的测量数据替代相邻图像中央区域质量较差的数据12 。但是，提高相邻条带之间的覆盖率增加了工作量,降低了工作效率。因此,出现了多种测量设备协同工作的方法,如在已经安装侧扫声纳系统的前提下，同时在拖鱼正下方安装高清相机或多波束系统采集拖鱼正下方的数据，替代侧扫声纳图像中央收稿日期：2 0 2 2-11-10；修回日期：2 0 2 3-0 1-31基金项目：湖北省科技计划重点项目（2 0 2 1BID006）。作者简介：董理（19 7 9-）,男，黑龙江齐齐哈尔人，助理研究员，博士，主要从事水中兵器、可靠性工程研究。文献标志码：A文章编号：16 7 1-30 44(2 0 2 3)0 3-0 0 2 1-0 5区质量较差的数据13-14。然而，采用多台测量设备提高了测量成本。因此,有必要从侧扫声纳的测量原理和已有的测量结果进行分析，提高侧扫声纳图像中央区的数据质量。目前，很多学者针对侧扫声纳图像的质量问题开展了多方面的研究。文献11 通过分析侧扫声纳的波束模式和拖鱼高度等因素,提出了一种单条带侧扫声纳图像均衡的方法；文献15提出了顾及底质变化的侧扫声纳图像改正方法。这两种典型的辐射改正方法能够有效提高侧扫声纳图像的质量，但是对于中央区域的质量提升有限。文献16 采用基于样例的方法重建侧扫声纳图像，呈现了精细的纹理特征，证明了基于已有测量信息重建侧扫声纳图像的可行性。对于侧扫声纳图像,存在大量规律性很强的相似性元素或局部结构，图像灰度在空间的结构性变化会出现规律性重复16 。声纳图像纹理不仅能够反映图像强度的统计信息，还能够反映空间分布信息和局部的结构信息。基于样例的方法，根据待重建区域与原有图像之间的相似性完成图像重建。文献17 发现基于样例的方法适用于大型纹理区域的重建,重建结果呈现出较高的空间结构一致性。综上，侧扫声纳的波束模式造成了侧扫声纳图像中央区数据质量较低。为解决这一问题，本文提22出了根据侧扫声纳测量原理和波束模式,采用基于样例进行侧扫声纳图像中央区自动确定和重建的方法，获取高质量海底图像。2侧扫声纳图像重建方法2.1侧扫声纳数据预处理通常,原始侧扫声纳数据记录在“.xtf”文件中。受测量模式、传播损失、吸收损失和海洋噪声等因素影响，直接解码原始文件形成的图像会呈现明显的辐射畸变,影响判读和应用。因此,需要对侧扫声纳图像进行预处理。首先对侧扫声纳图像进行海底线检测，计算获得拖鱼到海底表面的高度；然后以底跟踪结果为基准,将不满足朗伯体反射模型区域的回波强度数据改正到以临界角对应数据（或其他满足朗伯体反射理论对应位置的数据）为参考的标准下，实现侧扫声纳图像的灰度均衡；最后对辐射改正后的侧扫声纳图像进行斜距改正。经过预处理的侧扫声纳图像中央区域和其他区域,仍然存在明显的灰度差异。2.2侧扫声纳图像中央区自动确定受波束模式的影响,经过辐射改正后的侧扫声纳图像灰度不均衡区域主要集中在旁瓣波束对应的测量区域内,即主瓣波束开角靠近拖鱼正下方的边缘与垂直方向的夹角范围,见图1中的角。旁倾斜角主瓣液束开角图1侧扫声纳波束模式示意图旁瓣区域按照距离主瓣由近及远存在第一旁瓣、第二旁瓣等,并可以分为靠近主瓣区域、中间区域和远离主瓣区域3个部分。随着距离主瓣越来越远，数据回波能量逐渐减弱，反应在声纳图像上就是图像质量下降。因此，可以将靠近拖鱼正下方三分之一角对应的区域作为图像中央区修复的重点。侧扫声纳图像中央线两侧待重建区域的宽度wid可以通过公式(1)计算得到。Awid=2h tan(beamWidthTT9=-(tilt+2式中,h为拖高；tilt为倾斜角，beamWidth为波束开海洋测绘角。式(1)反映了中央区域与角和拖高的定量关系，中央区宽度随着角和拖高的增加而变大。2.3侧扫声纳图像待重建区域优先度计算确定了侧扫声纳图像的待重建范围，就需要计算重建顺序。重建过程的优先性与图像灰度梯度和周围像素的丰富性有关。图2 中,对于一个给定的位置P,P点为中心形成的矩形区域为亚p,待重建区域为2,已有像素填充的范围为,S代表整个区域。S图2 图像重建优先度计算示意图在图2 中,P点的优先度可以通过式(2)计算得到 18-19 P(p)=C(p)D(p)式中,C(p)为置信项,用于评价以P点为中心的待重建区域内已有像素的丰富度;D（p）为数据项,代表周围图像强度的一致性。Z,ev,n(s-a C()C(p)=旁瓣I VIp*n,!D(p)=主瓣式中，lpl为p的面积;为归一化参数;np为边界亚p在P点的梯度法向量；VIp为已有像素区域的垂直于图像强度梯度的方向的向量。C(p）的初一中央区值在待重建区域Q记为0,在已有像素填充的区域记为1。根据式（2）,待重建区域周边像素越丰富,图像灰度梯度越大,重建优先度就越高。2.4图像重建根据公式（2），图像重建基于已有像素丰富度和图像强度梯度,按照先后顺序进行。在确定了待重建区块亚，后,首先在已有像素区域搜索同样大小的区域,并计算亚与内已有像素的差值的平方和d（p,）【18 ,取平方和的值最小时对应的区域作为最佳匹配块亚,如式(5)所示。=mind(Yp,Yp)(1)2第43卷(2)(3)(4)(5)然后,将最佳匹配块亚内对应的图像强度赋给第3期待重建区域亚p。同时,根据式(2)更新待重建区域优先度，直到对整幅图像实现重建。2.5图像质量评估由于没有真实数据与重建后的侧扫声纳图像进行对比，因此采用无参考的评价指标对重建结果进行质量评价，包括：图像的标准差，平均梯度和熵2 0 O其中,标准差越大,图像强度分布越分散；平均梯度反映图像中细节反差和纹理变化，平均梯度越大,图像越清晰；熵用于衡量图像中信息的多少，熵越大，图像包含的信息越多。3实验及分析3.1实验及结果为验证论文所提方法的有效性,采用两幅中央区域与周围区域存在明显差异的侧扫声纳图像进行验证,见图3(a)和(b)。董理，等：侧扫声纳图像中央区的自动确定和重建证明了重建结果的优越性。（a）中央区3.1m的图像（b）中央区2.1m的图像图4去除中央区后的侧扫声纳图像示意图235中的重建结果消除了这种差异，实现了从周围区域向中央区域的平滑过渡，更好地保证了海底图像的纹理和结构一致性。而且,图5(a)红色矩形内的地物更加完整,具有结构一致性；图5(b)红色矩形内的地物边缘呈现出了连续完整的边缘。上述分析口(a)重建结果1图5重建后的侧扫声纳图像示意图（a）拖高7.6 m的图像（b）拖高5.2 m的图像图3预处理后的侧扫声纳图像示意图该测量数据是采用Edgetech系统在渤海湾某区域采集得到。侧扫声纳的波束开角为50，倾斜角为30。通过对原始测量数据进行解码、辐射校正和斜距改正,得到的图像分辨率为0.2 m。图3（a）中红色矩形内的地物存在明显的割裂现象;图3（b）中红色矩形内的地物边缘存在模糊不连续现象。采用海底线检测方法,得到图3(a)和(b)中拖鱼距离海底的高度分别是7.6 m和5.2 m。根据式（1）,计算得到图3（a）和（b)的待重建的中央区域宽度分别为3.1m和2.1m。将待重建侧扫声纳图像的中央区域内质量不好的数据消除，得到的图像见图4。在对中央区域进行重建前，首先根据式（2)计算重建优先度；然后基于优先度，对图像进行重建，得到最后的重建结果见图5。可以发现，图3中的侧扫声纳图像中央区域与周围区域存在明显的图像强度差异，这是由于侧扫声纳在旁瓣区域内的回波强度质量较差引起的。图(b)重建结果23.2图像重建结果评估及分析为进一步分析图像重建方法的有效性,分别计算图3和图5中整幅侧扫声纳图像以及中央区域的标准差、平均梯度和熵，对图像质量进行定量评估。图像质量评价指标见表1和表2。表1整幅图像质量评估结果标准差平均梯度烟熵(像素/比特)原图(a)68.82重建图(a)68.26原图(b)33.42重建图(b)33.35表2 中央区图像质量评估结果标准差平均梯度烤熵(像素/比特)原图(a)63.54重建图(a)67.51原图(b)23.49重建图(b)26.53分析表1中的数据,重建结果的标准差有所降低,原因在于原始图像中央区域与周围区域的强度反差较大，造成了图像强度分散，影响了图像质量。重建结果的平均梯度和熵没有得到显著的提升，原因在于中央区域所占图像的范围比例较小,对整幅78.3978.5035.3635.4482.9485.5322.5925.916.546.566.906.926.707.576.266.4524图像质量的定量计算结果贡献不大。表2 只计算了图像中央区在重建前后的质量评价指标。其中，标准差分别从6 3.54和2 3.49 提高到6 7.51和2 6.53。原因在于原始图像中央区域缺少有效信息,强度值都在一个范围内;重建后的结果是对海底纹理和结构的反映，信息更加丰富。同时，平均梯度分别从8 2.9 4和2 2.59 提高到8 5.53和25.91；熵分别从6.7 0 和6.2 6 提高到7.57 和6.45。平均梯度越高，图像越清晰；熵值越大，图像信息越丰富。这3个评价指标进一步证明了采用论文方法对侧扫声纳图像中央区进行重建的有效性。4结束语本文提出的根据波束模式,基于样例自动确定和重建单个条带侧扫声纳图像中央区域的方法，为高质量海底图像的获取提供了一种新途径。实验结果表明,重建后的中央区图像标准差、平均梯度和熵值都有所提高。据此,本文给出如下结论和建议：(1)波束模式会导致侧扫声纳图像中央区域质量较差,并与周围区域存在明显差异。(2)采用本文方法进行重建，能够实现侧扫声纳图像从周围区域向中央区域的平滑过渡，保证海底图像纹理和结构的一致性。（3)深度学习在声学图像重建领域也取得了极大进展,后期将研究基于深度学习的声纳图像重建方法，进一步提高图像质量。参考文献：1赵建虎,陆振波,王爱学.海洋测绘技术发展现状J.测绘地理信息,2