一种侧扫声呐图像去噪及均衡化综合处理方法

王 晓，郭 军，朱邦彦，王爱学，秦天天

(1. 淮海工学院测绘与海洋信息学院，江苏 连云港 222000； 2. 广州海洋地质调查局，广东 广州 510075； 3. 南京市测绘勘察研究院股份有限公司海豹工作室，江苏 南京 210019； 4. 武汉大学测绘学院，湖北 武汉 430079； 5. 垦利区国土资源局，山东 东营 257500)

侧扫声呐(side scan sonar,SSS)是一种高分辨率、多用途、低成本的海洋调查设备，其图像在水下工程选址，飞机残骸、沉船、鱼雷、水雷等水下目标的探测和识别，油气、硫化物等海洋资源的开发和利用，海底底质分类，深海热液形成机制及活动，珊瑚礁生态系统分析及其周围环境的动态变化评估，海洋调查和海洋科学研究等方面具有重要的应用价值[1-5]。与光学和雷达图像相比，SSS图像具有误差源不一致、Ping扫描线姿态各异、相邻条带间共视特征图像位置和灰度不一致等缺点。SSS图像总的来说存在斑点噪声强、目标轮廓模糊、辐射畸变和几何畸变严重的问题。在测量过程中受其他船只，以及作业船速、尾流、仪器自身等因素的综合影响，SSS图像噪声复杂且条带内灰度不均衡，严重时会遮盖和歪曲海底的真实地貌，误导图像判读[6-7]。如测量过程中存在如图1(竖线为海底线)所示的复杂噪声，图像中远端的条纹噪声及灰度不均衡现象严重影响了SSS图像的判读，给后续图像分割及目标自动探测、识别带来困难。

1 侧扫声呐图像去噪方法

高斯和椒盐噪声是侧扫声呐图像中最常见的两种噪声。高斯噪声往往分布于图像的整个区域，它是导致SSS图像目标轮廓模糊、像素颗粒化明显的主要原因，高斯噪声可通过选择合适尺寸的模板，采用均值滤波或高斯滤波来消除；椒盐噪声主要是由于换能器在接收回波时受到随机信号干扰，从而导致在单Ping回波内出现孤立强回波，但在相邻Ping之间则没有连续性，一般可选择沿纵向的带状模板，利用中值滤波对其进行滤除。

图1 复杂噪声影响下的SSS图像

当前针对SSS图像复杂噪声的去除方法总体可分为空域和多尺度变换域两大类。田晓东[8]通过对声呐图像背景灰度分布模型的研究，得出威布尔分布比瑞利分布能够更好地逼近图像灰度分布曲线，并通过各种滤波算法对图像进行处理，取得了一定的滤波效果。随着多尺度分析的不断深入，国内外学者将小波变换、Curvelet变换引入到SSS图像降噪的研究中。喻琪等[9]提出一种改进的基于小波系数相关性与模糊理论的声呐图像混响抑制与增强算法，与其他常规算法相比，明显降低了SSS图像的均方误差(mean squared error,MSE)和平均绝对误差(mean absolute error,MAE)，提高了峰值信噪比(peak signal to noise ratio,PSNR)；霍冠英等[10]提出了一种基于贝叶斯估计的Curvelet域声呐图像降斑方法，在客观评价指标和主观视觉效果方面，均取得了优于传统的空间滤波及基于小波函数的降斑效果；赵春晖等[11]通过与其他经典方法及单独使用正交有限Ridgelet(FRIT)方法作比较，论证了FRIT在水下SSS图像去噪、输出信噪比及边缘保持等方面的优势；张雷[12]提出一种基于Contourlet变换和改进NeighShink的图像去噪方法，能有效地去除图像中的噪声，获得更高的峰值信噪比，并且图像的边缘细节得到很好的保留。上述方法均针对局部图像进行处理，应用于条带SSS图像的效率并不理想。

2 侧扫声呐图像均衡化方法

2.1 图像横向均衡

声波在海水中传播时，受海水对声波的吸收、散射及声波自身扩散影响，导致声波能量随着距离的增大以指数函数形式衰减。因此，远距离的图像回波很弱；近距端和远距端图像灰度反差较大。另外，换能器发射的声脉冲具有很强的指向性，围绕波束主轴的能量分布并不均匀，中间较强，两边较弱，也造成图像灰度分布不均匀[13-14]，导致SSS图像横向灰度不均衡。针对这些问题，SSS硬件系统采取了增益处理，如时间变化增益(time vary gain，TVG)。尽管采取了TVG补偿，但很难实现与衰减过程完全吻合，有时不切实际的增益设置，会造成新的灰度畸变。目前，SSS图像灰度的横向均衡化方法主要有时变增益、统计法增益两种。

2.1.1 时变增益

侧扫声呐的回波补偿量GLr一般可以写为

GLr=30lgr+2ar/103

(1)

式中，α为吸收系数；r为声波的传播距离，单位为km。

2.1.2 统计法增益

由于海洋环境复杂多变，在SSS图像的时变增益过程中，很难用一套固定系数的公式来匹配整个测量过程，尤其是在海底底质和地形变化较复杂地区。造成SSS图像横向上有些地方增益过度，形成伪目标信号；有些地方则增益不够，重要目标无法识别，达不到整体均衡的效果。一般可通过统计法进行横向均衡化处理。

原理为：在纵向一定窗口内，认为海底地形及底质变化平缓，回波信号强度在各行之间存在较好的连续性，声波沿横向的衰减系数在各行变化不大，在窗口内，沿纵向统计各列信号的回波能量均值，从而得到声波沿横向的能量统计曲线。该曲线可较好地反映窗口内声波沿横向的衰减规律[15]。设置合理的增益基值，利用该统计曲线可求得各列的改正系数。若选择窗口内的灰度均值作为增益基值，则改正如下

(2)

式中，d为窗口高度；l为图像宽度；i表示行号；j表示列号；：表示列均值；α为改正系数；E为图像原始强度值；E′为增益后的强度值。

图2为利用统计法对SSS图像进行的横向均衡效果，在声波未达到海底之前，理论上回波强度为零，水柱图像为暗色调；经过反色处理后，水柱图像呈现高亮色，而目标图像表现为暗色调。伴随声波的传播，SSS图像两端回波强度逐渐减弱，当声波到达两侧边缘区域时已经很难发现地物特征。经过统计法横向均衡处理后，边缘目标特征清晰，整个图像灰度均衡适度。上述方法在海底地形及底质变化缓慢时改正效果较好。

图2 侧扫声呐图像统计法横向灰度均衡

2.2 图像纵向均衡

受测量船速或海底地形、底质变化的影响，SSS图像沿航迹方向上也常常存在黑白不均的Ping，严重时图像无法判读。这种畸变的主要特点是图像灰度按行(或纵向)分布不均。考虑海底地形和底质变化的渐进性原则，借鉴横向统计均衡法，可用如下方法进行改正

(3)

式中各符号含义同式(2)。

图3为纵向条纹噪声采用统计法滤除效果，可看出SSS图像纵向上实现了灰度均匀变化。同样，该方法只适用于海底地形及底质变化缓慢的区域。

3 去噪及均衡化综合处理方法

当图像受复杂噪声影响时(如图1所示)，上述传统方法均难以有效滤除噪声和实现灰度均衡化，难以实现高质量SSS图像的获取。根据SSS的工作原理及考虑目标检测的有效区域位置，本文提出了一种侧扫声呐图像去噪及均衡化综合处理方法。流程如下：

图3

(1) 进行精确的海底跟踪[13]，获得图像中海底线位置及对应位置处的灰度值。

(2) 考虑SSS图像中横向受声波吸收、扩展等因素影响，表现在图像中灰度值理应单调递减；若拖鱼正下方海底附近出现目标物体，上述规律失效。进而考虑SSS作业时检测目标的最佳位置为单侧扫幅宽度的1/3～2/3处，统计大于此区间外的灰度值，当灰度大于海底线位置处的灰度值时，标记为噪声，且将该Ping标记为噪声Ping。统计时分段统计，如根据船速和海底地形、底质的渐进性变化原则，取50 Ping统计。

(3) 统计没有噪声的Ping位置，认为是理想的测量Ping。

(4) 结合海底地形及底质变化的渐进性原则，计算噪声Ping附近若干理想Ping的列统计均值，并进行小波分解提取其低频趋势项，将噪声Ping内噪声位置处的灰度值用小波低频序列对应位置的值代替；若步骤(3)统计过程中没有理想测量Ping，则用当前50 Ping列均值的低频序列值代替。

(5) 在单侧图像1/3～2/3目标区域内统计当前噪声Ping均值和方差，采用3倍中误差原则滤除残余噪声。

(6) 利用式(2)进行横向均衡处理，统计过程窗口从海底线位置开始。

(7) 利用式(3)进行纵向均衡处理，统计过程窗口从海底线位置开始。

(8) 对SSS图像进行中值滤波处理，进一步滤除高斯、椒盐和斑点噪声。

以上实则是根据侧扫声呐工作原理进行图像滤波消澡；同时，解决了条带图像中灰度横向、纵向不均衡问题，保证了目标形状的连续性，有效改善了SSS图像质量。

4 试验及分析

数据来源于广州海洋地质调查局某次海洋勘探，声呐仪器采用Klein 3000，数据采集时受周围作业船只及自身船速的综合影响，测区所有测线均存在如图1所示的图像远端强噪声及灰度沿横向的不均衡问题，严重影响目标判读。测量过程中船速曲线如图4所示，平均速度为6.36 kn，最大速度为6.78 kn，最小速度为5.7 kn，存在船速突变情况。以图1所在测线为例，测量过程中设置扫幅为200 m。

图4 测量过程中船速

测量过程中正常Ping和异常Ping的灰度统计曲线如图5所示，SSS发射声波的一短时间内即接收回波，未到达海底之前，海面回波、尾流及水体目标均会在SSS图像中显示出来，图5中间水柱图像中的强回波为仪器发射线，沿图像中间线两侧第一个强回波为海底线位置；图5(a)为理想情况下灰度分布曲线，图5(b)中边缘位置处强回波为其他作业船只噪声的影响。

图5 图像某2 Ping灰度统计曲线

针对图1，采用传统方法(横向均衡+中值滤波)的处理效果如图6(a)所示，可见，噪声未得到任何去除，均衡化效果不佳；综合方法滤波、均衡化的效果如图6(b)所示，可看出综合法有效滤除了图像复杂噪声，设改变图像中的目标形状，沙坡纹理特征也得以有效保持，且均衡化效果较好。为了定量评价滤波结果，采用熵值和PSNR来评价滤波及均衡化后图像质量。熵值表征了一幅图像的混乱程度，峰值信噪比反映整个图像的失真程度，一般熵值越小、PSNR越大，图像质量越高。表1为数值统计结果，可看出，与传统方法相比，综合法处理后，图像熵值减小，PSNR增大，进一步说明了综合处理方法的有效性。

图6 图像去噪及均衡化效果

方法熵值PSNR传统方法6.096036.4942综合法4.683537.4909

5 结 语

根据侧扫声呐的工作原理并结合噪声及灰度畸变出现的特点，提出了一种滤波及均衡化综合处理方法。试验结果表明，综合法处理后，SSS图像噪声得以有效滤除，图像明暗变化均匀，实现了灰度均衡，提高了图像的视觉效果；且处理后图像熵值减小，PSNR增大，纹理特征得到有效保持，数值评价指标进一步表明了综合处理方法的有效性，为后续SSS图像目标自动探测及分类识别、目标三维形状恢复和三维地形反演提供了高质量的图像。