一种图像声纳预处理技术研究

文/赵海旭

1 声纳图像预处理流程

整个处理流程如图1所示，主要包含目标增强、灰度变换、图像分割、二值形态学处理。

1.1 自动检测

似雷目标回波的自动检测采用恒虚警CFAR处理技术，基于回波图像的栅格化，以及回波SNR估计，通过对背景的分析，进行自适应门限检测。

接收阵获得的波束匹配输出幅度数据，首先进行图像栅格化处理，将图像分割成与目标尺寸接近的栅格；图像栅格划分完成后，对每个栅格估计回波幅度均值、方差，以便估计栅格内像素SNR，实现恒虚警率（CFAR）检测。

假设cell表示当前考虑的栅格(像素)单元，cell单元左右N/2点参与背景估计，假定目标最大尺度6m(含阴影长度)，则在当前cell单元前后(距离)、左右(方位)留出6m保护段，SNR根据当前cell像素幅度值x、背景均值、背景方差δ进行计算，SNR计算公式为

图1：图像处理流程

图2：图像增强框图

图3：目标增强前后对比图

设Th为恒虚警门限，根据下式进行计算

将SNR与Th进行比较，将通过门限的回波进行保留，经过CFAR检测可以实现超过给定门限的疑似回波提取。

经过上述分析得以保留的疑似回波，在时间上多个发射ping内进行同一回波存在性分析，通过时间滑窗器进行判断，采用3/5或5/9准则，可以在5个或9个发射周期内实现似疑似回波的快速判断。

1.2 声纳图像去噪处理

对目标声图像去噪是进行后置处理的必要条件，采用小波去噪、中值滤波、维纳滤波等方法对目标声图像进行去噪。

1.3 目标增强

图像声纳具备采样率高，数据刷新快的特点，短时真实样本出现次数有助于提高目标的置信度，并降低虚警。可以利用这个特点对所关注的慢速小目标进行增强操作。

采用图2所示流程对声纳输入图像进行目标增强操作。

首先将输入波束图像进行背景估计，将图像中动目标与静目标进行剥离，对当前图像与其之前的n帧图像进行滑窗叠加操作（n大小取决于所关注目标速度和声纳图像刷新率）。对于固定目标，叠加后的图像相应位置的强度值取当前帧与其之前n帧图像中对应位置的强度的平均值，以使固定目标强度弱化，而对于关注的动目标区域，叠加后图像相应位置取当前帧与其前n帧图像中对应位置强度的最大值，增强目标与背景的对比度。

图3是采用了叠加处理后的效果，为了显示效果，对叠加后的声纳图像进行了插值操作，采用了抛物线内插对方位维三倍内插、距离维两倍内插。

1.4 灰度变换

建立一定的映射准则将叠加后获取的图像映射成灰度图像，通过图像分析，设计对比度增强曲线，或者采用直方图均衡化方法来增强原图像中某两个灰度值之间的动态范围来实现图像对比度的增强，进一步加强目标与背景之间的对比度，便于边缘特征的提取。如图4所示。

假设经过增强处理后获取的图像矩阵为A，灰度转换后矩阵为B，本文仿真所采用的灰度映射准则如下：

1.5 图像分割

声纳图像由目标高亮区、阴影区和背景区三部分组成。目标高亮区主要由声波在目标表面的反射造成的区域，而阴影区是由于目标物的遮挡使得声波难以到达造成的区域。水下目标检测的目的就是要从复杂背景区中提取出目标高亮区和阴影区，并尽量保留图像原始边缘信息。

图4：灰度变换示意图

图5：图像分割示意图

图6：二值化图像

图7：二值形态学处理对比图

根据图像信息的不同，通常图像分割方法被分为四大类：基于阈值的分割方法、基于区域的分割方法、基于边缘检测的分割方法和基于特定理论的分割方法。根据图像信息的不同，通常图像分割方法被分为四大类：基于阈值的分割方法、基于区域的分割方法、基于边缘检测的分割方法和基于特定理论的分割方法。如图5所示。

本文对当前ping背景峰值目标回波数据进行滑动平均，目的是获得比较稳定的背景，本文采用下式直接求局部最大值实现。

声纳图像的峰值背景估计完成后，需要进行目标检测与判别。针对式（2）获得的背景估计，每个像素都是匹配处理输出，p为发射ping下标号，n为像素下标号，k为波束号，目标检测可表示为：

式中选择gate0=6dB，即只有比背景大6dB的目标回波才予以保留，否则认为非目标，不予保留。

目标判别可以采用聚类的方法进行判断，利用目标回波在空间上存在的扩展，对经过了初步检测的目标数据，考察其邻域9点(像素：方位3×距离3)是否存在3个以上的强背景(值1)，如果是，则确认目标回波，否则认为是噪声背景(值0)。

经过上述数据分析及处理后得到图6右所示的二值图像。

1.6 二值形态学处理

数学形态学方法是一种非线性的滤波方法。数学形态学的应用能够简化图像数据量，保持目标基本的形状特性，并可以除去其它不相干的结构。数学形态学的基本运算包含四个：膨胀(或扩张)、腐蚀(或侵蚀)、开启和闭合。

通常将膨胀和腐蚀级联组合使用，开启是先对图像进行腐蚀然后膨胀其结果，闭合就是先对图像进行膨胀，然后腐蚀其结果。开启和闭合运算都可以除去比结构元素小的特定图像细节，同时保证不产生全局几何失真，开运算能够平滑图像的轮廓，去掉轮廓上的细小突出。闭运算正好与之相反，它融合掉图像中物体边缘的缺口，去掉物体内部的小洞，填补轮廓的缝隙。

在此我们采用对二值图像先进行腐蚀运算，再进行闭运算的处理方法，有效地去除了图像中得斑点噪声并去除图像中物体内部不应有的小洞。如图7所示。

2 结论

本文对声纳图像的蛙人数据进行了图像增强、灰度变换、图像分割及二值形态学处理仿真，本文所选取声纳图像背景相对简单，下一步将对背景较复杂图像进行仿真分析。