如何画切应力分布图:浅谈水声图像预处理及目标阴影提取方法研究

    1．引言

    声成像技术出现于二战以后，从20世纪50年代至今，随着计算机技术、传感器技术和材料工艺技术的发展，基于高频成像声纳的水下声成像探测技术得到了极大地发展，成为当前探测水下目标的主要技术手段之一。目前在海洋探测领域广泛使用的主要有两种成像声纳系统，即多波束声纳系统（MBES）[1]和侧扫声纳系统（SSS）[2]，两者均能够利用超声对水底目标进行成像，生成水声图像。
　　针对水声图像，当前国内外对其研究重点主要是通过水下目标及其遮挡阴影的形状、圆度、灰度统计量、Hu不变矩、小波矩等特征量[3]对声图像中所呈目标进行识别[4-6]，应用于如水雷、鱼群、管道等水下目标的探测及水下机器人ROV的声视觉形成。然而由水声图像成像过程复杂，水文环境多变，参数设置的合理性不能得到保证，在实际工作时，常会造成各种畸变和噪点的产生，使得图像质量下降，存在透视收缩、顶点位移、噪声淹没等现象，严重时无法判读处理，影响目标特征的提取与判别。因此，在对声图像进行后续处理之前，必须对其进行预处理，其主要工作为对畸变进行校正，对噪点进行消除。

　　2．水声图像特征

    水声图像与光学图像的成像原理与机制有着本质的区别，光学图像是在空气介质中，通过感光元件CCD接收目标物体发射或者反射的光波成像，光线一般为目标至感光元件间的单程直线传播，不易受环境因素影响。水声图像则是是距离成像，发射换能器主动发射声波到达目标后反射至接收换能器，后端电路对回波信号进行接收、分析、处理并输出最终的图像，声波以球面形式在换能器和目标之间双程传播，成像取决于声辐射特性，目标的成像受环境、混响和噪声等因素的影响较大，而且在不同角度的入射声波照射下，这些特征的值都是不同的[44]，成图像质量的好坏往往与测量时的参数设置（如声波发射频率、船速、量程、增益、拖鱼高度等）以及测量现场的水文环境（如水温、盐度、水深、风速等）有着很大的关系。水声图像特征主要有[7]：
　　1）无光学图像较细微的、精确的边界特征，目标的边界或外形有较大的不确定性和不规则性，经常出现目标被遮挡或边界残缺等情形；2）水声图像是一种以低频分量为主的图像，细节分量相对较少；3）水声图像的背景噪声相对于目标是幅值比较大的高频脉冲噪声，因此在处理时可以采用低频处理方法；4）水声图像的目标灰度级相对较少，而背景噪声由于水下环境的复杂性，其包含的灰度级则相对丰富。

　　3．水声图像畸变去除

    3.1 衰减畸变去除
    衰减畸变去除衰减畸变去除衰减畸变去除声纳的返回信号的强弱包含了海底地形和传播距离的变化信息[8]，当水文因素和工作频率不变时，衰减与传播时间（声程距离）成正比，传播距离越大则传播时间越长，强度衰减越明显。为了削弱距离衰减造成的影响，就必须对衰减引起的信号减弱进行补偿。因此，声成像系统一般都会对此进行时间增益补偿（TimeVaryingGain），即TVG技术。接收机根据回波的衰减而调整放大量增益，保证回波信号的原有水平，达到削弱衰减引起的误差，在许多声纳系统中，增益量不是连续的，而是由一系列的1.5dB步长的指数函数组成[9]。
　　3.2 拖尾效应去除
  
　　4．水声图像噪点去除

    声图上通常有很多相对周围像素的灰度有较大偏差的灰度异常点，即所谓的“小麻点”，难以用一定的数学模型表示。噪声在频域中表现为高频特性，根据这个特性，可以采用一定的数学模型消除高频信号保留低频信号，从而达到消除噪声的目的。目前，消除高频信号保留低频信号的算法主要有：均值平滑算子、空域低通滤波、频域低通滤波、中值滤波、特定滤波器滤波等。本节对同一原始图像分别通过Wiener自适应滤波、中值滤波和小波滤波展开去噪实验，并比较上述三种方法的优劣性，以期获得较为合适的去噪手段。
　　4.1 Wiener自适应滤波
　　Wiener滤波获得滤波像素的灰度值，综合考虑了图像整体与局部的灰度特性，相对于滑动平均滤波对噪声有较好的抑制，图像边缘也有所改善，但是通过观察可以发现，随着邻域块的扩大，虽然噪声不断得到抑制，但是目标边缘的灰度值也越来越趋近于背景的灰度值，使得边缘逐渐模糊，经比较认为5×5邻域效果相对较好。
　　4.2 中值滤波
    中值滤波是一种非线性滤波方法，将邻域内灰度序列的中间值作为滤波的输出灰度。具体算法为：首先选定一个n×n的方形或者十字形的滤波窗口，获取各像素的灰度值并按照大小排列，选取中间值作为最终输出值。同样以图1的局部为原始图像，分别选取3×3、5×5和7×7的邻域采用中值滤波算法对原始图像进行处理。
　　中值滤波结果像素的灰度最终为给定邻域范围内各像素的灰度中间值，不仅考虑到灰度变化平缓的情况，也顾及到了灰度突变。观察图6可以发现中值滤波法在消除灰度异常值的同时能够较为完整的保留边缘特征，但随着邻域的扩大图像的细节信息会有所缺失，比较认为5×5邻域效果相对较好。
　　4.3 小波滤波
    小波滤波是设计一个范围可变的窗口，用长时间间隔来获得精确的低频信息，用短时间间隔获得高频信息，将原信号分解为原小波函数不同的位移和尺度的小波。根据这个特性，利用Mallat提出的多分辨率（逼近）的概念，可以将图像的有效信号与噪声信号分离。
　　小波的类型很多，通常有Haar小波、Daubechies小波、双正交样条小波、Symlets小波、Meyer小波、Battle-Lemarie小波等[14]。本节选用Symlets小波为处理小波，它具有正交性，双正交性、紧支撑性连续滤波和离散滤波、近似对称性等特点，其支撑宽度为2N-1，滤波器长度为2N，小波函数的消失矩为N。
　　4.4 方法比较
    本节采用三种不同的去噪方法以及同种方法的不同参数对同一幅水声图像进行实践处理，经过比较分析，本节认为5×5邻域的中值滤波既较为有效的滤除了声图中的灰度异常点，又保证了滤除噪声后图像的细节及目标物体边缘的清晰度，较为适合于本章对水声图像噪声的滤除和图像平滑要求，Symlets小波在阶数N为4时的小波滤波次之。

　　5．遮挡阴影提取

    水声图像上呈现的阴影主要有吸收阴影和遮挡阴影两种。吸收阴影的形成是由于当声波照射到较深的海沟或者对声波吸收率较高的目标上无法产生回波信号，换能器无法接受到回波信息，在声图上反应为吸收阴影；遮挡阴影的形成与光照形成的影子类似，拖鱼从发射的声波被目标遮挡，形成无回波区域，换能器同样无法接受到回波信息，在水底形成遮挡阴影。
　　5.1 阴影增强
    原始图像经过去畸变及消噪之后，需要进一步将遮挡阴影进行增强，衰减图像上其余不需要的特征，增加其与周围背景的灰度值的差异，便于后续提取工作，较为常用的方法是直方图均衡化。可见，原始图像像素点的灰度值主要集中在[50，180]范围内，在此灰度级范围内存在着尖峰，使得图像对比度不足，造成图像质量欠佳，需要其灰度做均衡处理，应用直方图均衡化算法处理。经过处理后，图像的对比度得到了增强，直方图中的尖峰被拉平低谷被压缩，保证了灰度分布范围的扩大和灰度分布的均匀，阴影部分得以凸显。
　　5.2 阴影提取
    “厂”字形状的阴影即为待提取的目标遮挡阴影，阴影部分的边缘较为清晰，可以采用图像锐化并与原始图像做差，得到需要提取的阴影部分。图像锐化的方法主要有差分法、空域锐化法和频域锐化法三大类，本节处理过程中选择差分法（非线性锐化滤波）对图像进行锐化处理，主要运用梯度模算子作为图像的锐化算子，分别用上述三种算子对源图像进行处理，并将原始图像与处理后的图像作差。

　　6．总结

    本文阐述了如何利用图像处理手段对由侧扫声纳所成的水声图像进行预处理以及获取目标遮挡阴影的技术方法，重点研究了对衰减畸变以及拖尾效应的去除方法，同时采用不同的去噪方法以及同种方法不同参数对同一源图像处理，对其处理效果展开分析比较。在此预处理基础上，利用三种不同的差分算子对图像中的目标遮挡阴影进行提取，对结果分析比较并得出结论。文章来自中国学术论文中心，本论文网专业从事各类论文的论文代写业务！为您提供学术论文发表业务！

    参考文献
    [1]  陆俊. 多波束系统在水下探测中的应用[D]. 南京，河海大学，2006
    [2]  Le Bas T  P. An Analytical Correlation  and Comparison  of High Resolution Side-Scan  Sonar  Imagery  and Multi-beam Bathymetry [J]. The Institute of Electric and Engineers，1995：1-6
    [3]  R.J.Ueick. Principles of Underwater Sound[M]，New York：Mc Graw-Hill BookCompany，1983
    [4]  田坦，刘国枝，孙大军.声纳技术[M].哈尔滨工程大学出版社，2000，1-2
    [5]  周广林，陈心昭，陈剑等. 声全息技术的研究现状与展望[J]．声学技术，2003（02）：120-125
    [6]  陈湛旭，唐志列，万巍等. 基于声透镜成像系统的光声层析成像[J]. 物理学报，2006，55（8）：4365-436
    [7]  李鑫  高分辨率图像声纳的数据采集及图像处理[D]，哈尔滨，哈尔滨工程大学，2007
    [8]  丁继胜，周兴华，刘忠臣等. 多波束测深声纳系统的工作原理[J]，海洋测绘，1999(3)
    [9]  N.C.MITCHELL，M.L.SOMERS.  Quantitative  Backscatter  Measurements  with  a  Long-Range  Side  Scan
Sonar[J]. IEEE Journal of Oceanic Engineering，1989，14(4):368-374
    [10]  Lingsch S, Robinson C. Processing, Presentation, and Data Basing of Acoustic Imagery[C]. Oceans’ 95, MTS/IEEE, San Diego, USA, 1995:1582-1591
    [11]  Johnson  D. Side Scan Sonar Imagery Analysis Techniques[C]. Oceans’91, IEEE, Honolulu, USA,1991.935-941
    [12]  CHRISTOPHER  G..FOX. Constrained  Iterative  Deconvolution  Applied  to  SeaMARC  I  Sidescan  Sonar
Imagery[J]. IEEE JOURNAL OF OCEANIC ENGINEERING, 1990(15), NO.1, JANUARY 1990
    [13] M.A.Richards, Iterative noncoherent angular superresolution[C]. Proc.IEEE Nat. Radar Conf.  (Ann Arbor, MI), Apr.1988:100-105
    [14] 刘贵忠，邸双亮. 小波分析及其应用[M]，西安：西安交通大学出版社，1995