淤泥质海底航道边坡失稳滑塌声纹特征分析

张存勇

（江苏海洋大学 海洋技术与测绘学院，江苏 连云港 222005）

淤泥质海底航道边坡失稳滑塌通常会导致航道变形、变浅，直接影响航道的安全运营。由于淤泥质海域海水具有良好的导电性、极强的吸热能力和极差的透光性，使得雷达、红外线望远镜、卫星遥感技术等依赖于激光、电磁波传播的探测技术无法对海底沉积层进行高效探测，而声波在固体和液体中较强的穿透能力和相对较小的衰减使其在海底沉积物探测中发挥着重要作用（Urlaub et al，2018；张存勇，2019）。海底航道边坡失稳滑塌时内部结构的变化会对声波的传播产生一定的影响，通过观测并分析边坡沉积层对声波的不同反应可以了解其内部结构变化（周建平等，2007）。

浅地层剖面探测是利用声波在海水和海底沉积物中的传播和反射特性对海底沉积物进行连续探测，从而获得直观的海底浅部地层结构剖面的一种海底声学探测技术，能提供一套直观、连续的海底剖面声学记录图像，当沉积物的成分、结构和密度等因素发生变化时，声波在其中也会发生相应的变化（卢博等，1993；Hamilton et al，1982）。因此，浅地层剖面声图中包含海底航道边坡内部声纹变化的信息，可以利用这些信息探测相应沉积层的结构、致密程度和完整程度等特征，进而实现对航道边坡内部结构变化的识别。目前，浅地层剖面声学图像信息大部分还停留在定性描述层面，声图中隐含的规律尚未被充分揭示。

纹理是图像的一个重要属性，它是图像像素颜色或灰度在空间以一定形式变化而反映图像中同质现象的特征，包含了内部结构组织排列的重要信息（Haralick et al，1973）。任何图像都可以看作三维空间中的一个曲面，在三维空间中，相邻一定长度间隔的两个像素具有相同或不同的灰度级（陈成钢等，2014），灰度共生矩阵从纹理的空间结构提供了图像方向、间隔和变化幅度的信息，是最常用的二阶纹理分析方法（贾世英等，2016）。目前这种方法已被广泛运用于目标动态监测（吴刚等，2010）、河道纹理（王治国等，2012）、木材纹理识别（白雪冰等，2005）、皮肤纹理检测（郭航等，2010） 及地震数据空间结构（朱石磊 等，2012）等纹理图像的分析和表征，但鲜有利用灰度共生矩阵对海底航道边坡失稳滑塌过程浅地层剖面声学图像特征进行研究的报道。

本文利用灰度共生矩阵计算淤泥质海底航道边坡失稳滑塌过程声学图像纹理特征值，通过声图纹理特征定量分析航道边坡内部结构变化，同时利用小波多尺度分析声纹时空变化，以期对航道边坡失稳滑塌的预测预警起到一定作用。

1 材料与方法

1.1 室内实验

由于很难在现场获得一个完整的海底航道边坡失稳滑塌过程，因此采用室内模拟方法，利用在连云港淤泥质海底航道中采取的沉积物，在水槽中建立航道边坡模型，模拟航道边坡在动力作用下失稳滑塌过程（图1）。航道边坡模型坡度45毅，高度130 cm，采用SES-2000 参量阵浅地层剖面仪对航道边坡失稳滑塌过程进行连续探测。为了获取航道边坡失稳滑塌过程中内部结构变化，仪器换能器对航道边坡坡肩进行定点连续观测，采样周期为1 s。利用差频技术，参量阵声呐发射低频声波，低频设置为15kHz，为了确保频率尽可能高，将最大频率设置为系统默认值。采用推波板和潜水泵模拟波浪和海流产生的水动力。分别模拟了潮流和波流作用下边坡失稳滑塌过程，由于波浪产生的高浊度，采用效果最好的潮流作用下航道边坡失稳滑塌过程不同阶段声学图像。为了便于实现对边坡失稳滑塌的模拟，设置的边坡角度和流速（0.5 m/s）均比实际要大。测量过程中，系统将所有原始数据存储在芯片中，通过信号处理技术对回波信号进行放大和滤波等处理后，形成以不同色彩显示的浅地层剖面声图，据此建立淤泥质海底航道边坡失稳滑塌全周期过程不同阶段声学图像。为了便于研究航道边坡失稳滑塌过程的沉积声纹变化，利用SES-2000 后处理软件对原图像进行了裁剪。对于一幅m伊n 像素大小的浅地层剖面声图，可将其视作一个m伊n 矩阵，矩阵中每个元素对应一个像素点，元素的值就是声强的大小。利用SES-2000 浅地层剖面仪后处理软件直接从浅地层剖面图像中提取声强数据。

图1 实验装置和边坡示意图

1.2 灰度共生矩阵

图像灰度共生矩阵用于描述某方向上间隔一定距离的一对像素灰度出现的统计规律，通过研究图像灰度分布与变化规律、灰度值的局部特征，以具体的特征参数量化描述肉眼无法感观的图像纹理特征。具体方法为：设图像的灰度级为L，灰度共生矩阵的大小为L伊L，从图像灰度为i 的像元出发，统计与其距离为d，灰度为j 的像元在特定方向的频度p （i，j），通常取0毅、45毅、90毅、135毅方向。由于很难对矩阵进行定量解释，Haralick 等（1973）总结了14 个特征参数来度量纹理特征，其中能量（ASM）、对比度（CON）、逆差矩（HOM）、相关度（COR）等是进行纹理分析的主要参数（Ulaby et al，1986；Baraldi et al，1995），其计算公式分别为：

式中 滋i、滋j 为灰度共生矩阵行和列的均值，滓i、滓j 为行和列标准差。本文采用16伊16 窗口，特征距离d =1，计算0毅、45毅、90毅、135毅四个方向特征值，再将所有子窗口特征值平均，从而得到图像声纹的特征向量。

1.3 小波多尺度分析

小波分析是一种信号的时频分析方法，其基本思想是将原始信号分解成一系列频域的信号，同时具有时域和频域的良好局部性质，能够反映信号的局部变化特征及其内在层次结构，不仅可以对信号进行多尺度细化分析，还具有突变点检测能力。通过伸缩和平移运算，多尺度分析能将信号分解为子空间中的近似部分和细节部分，即分解为f（t）=ai+移di，其中ai是小波分解后各层信号的低频近似部分，di是小波分解后各层信号的高频细节部分（Mallat，1989）。本文利用sym5 小波函数对航道边坡失稳滑塌过程浅地层剖面声学图像中的声强时间序列和垂向空间序列进行多尺度分解，进一步对其声纹变化进行分析。

2 结果与讨论

2.1 海底航道边坡失稳滑塌声纹特征

图2 为海底航道边坡失稳滑塌过程典型声纹变化。由图可以看出，航道边坡失稳滑塌前声纹总体为近平行纹理（图2a），在失稳滑塌过程中声纹逐渐发生变化，由平行纹理开始变得粗糙、不规则，强度变得不均匀，间距变化明显，出现声纹断裂现象，但声纹整体还保持近平行纹理（图2b），随着边坡失稳强度增大，声纹出现绒毛状、分叉、断裂，然后继续变粗糙，强度变大，不均匀（图2c），伴随着声纹强度逐渐变大，出现波纹状（图2d）。随着时间的延续，不同纹理之间出现交叉分离、合并，强度变大（图2e）。边坡上部声纹不连续，出现波动，强度间断变化，底部声纹出现变形（图2f）。声纹强度向下部变化，边坡发生失稳（图2g），反射不连续。失稳后声纹强度变化不规则，声纹变粗，部分声纹又恢复失稳前状态（图2h）。综上所述，声纹形象地反映了海底航道边坡失稳滑塌过程及其动态变化，展示了滑塌过程的内部变化规律，为利用声纹研究航道边坡失稳滑塌提供了依据。

图2 航道边坡失稳滑塌前（a）、滑塌中（b—g）、失稳后（h）典型声图声纹

2.2 声图纹理特征值分析

灰度共生矩阵通过纹理参数反映图像的信息（Haralick et al，1973）。表1 为航道边坡失稳滑塌过程中浅地层剖面声学图像的对比度、能量、相关度、逆差距纹理参数。对比度体现图像纹理清晰度，反映矩阵像素值的分布及其局部变化程度，值越大，纹理越明显，值越小，纹理效果越不明显。表1 表明四个方向的对比度变化趋势基本一致，水平方向对比度变化范围为20.465耀29.313，45毅和135毅方向对比度变化范围分别为31.215耀38.456 和30.470耀37.550，垂向对比度变化范围为29.838耀35.964，四个方向中水平方向对比度最低，垂向对比度次之。边坡失稳滑塌前对比度较低，随着边坡失稳滑塌，对比度呈逐渐增加趋势，边坡失稳滑塌时对比度变小，失稳滑塌后对比度变大。能量是图像灰度分布均匀程度和纹理粗细的度量，纹理越粗能量越大。当图像纹理细致均匀时，能量值较小。

表1 中四个方向能量总体变化趋势基本一致，水平方向和垂直方向能量变化范围分别为0.156耀0.183 和0.119耀0.141。边坡失稳滑塌前能量总体偏小，反映边坡内部各方向受外界应力较均匀，图像强度分布相对均匀。边坡失稳滑塌过程中，能量变化明显，图像纹理逐渐变粗糙，边坡失稳滑塌时能量最大，尤以水平方向变化最显著，最大值为0.183，边坡滑塌后能量又变小。

相关度是图像在特定方向上的相似度，指示纹理主要方向，反映图像中局部灰度相关性，其值越大相似度越高。四个方向相关度总体变化趋势较一致，水平方向和垂直方向变化范围分别为0.385耀0.529 和0.259耀0.306。边坡失稳滑塌前，相关度总体较小，随着边坡失稳滑塌，相关度呈增大趋势，边坡失稳滑塌时相关度变大，边坡滑塌后相关度变小。

逆差矩反映纹理的同质性或规则程度，度量纹理局部变化的多少，其值越大，纹理越规则，值越小，纹理越杂乱。四个方向逆差距变化趋势基本一致，水平方向变化范围为0.638耀0.696，其他三个方向较一致。边坡失稳滑塌过程中，逆差距变化幅度较小，反映边坡内部变化多，局部不均匀，失稳滑塌时逆差距变大，失稳滑塌后逆差距变小。

总体上，对比度、能量、相关度和逆差距分别从不同方面反映了浅地层剖面图像声纹的清晰度、纹理粗细、主要方向和规则性（表1），以定量的形式显示其内在异质性，实现人眼无法识别的信息。能量、相关度和逆差距三个特征值在水平和垂直方向明显大于对角方向。能量与相关度随方向变化明显。因此，纹理粗细、纹理方向和纹理规则性是航道边坡失稳滑塌过程浅地层剖面声图纹理的主要特征，在边坡失稳滑塌过程中具有明显的差异。航道边坡在其失稳滑塌过程中，必然引起边坡沉积物空间结构和密度等因素的变化，声波在其中也会发生相应变化，相应地在航道边坡浅地层剖面图像上形成一种特殊的航道边坡失稳滑塌过程声学纹理。边坡失稳前，内部变化较小，随着边坡失稳滑塌，内部应力发生变化，局部应力变大，灰度共生矩阵内部声强灰度数据逐渐变化，在边坡失稳滑塌时变化明显。这些结果表明利用灰度共生矩阵提取出的纹理特征值能够反映航道边坡失稳滑塌过程，可以作为航道边坡失稳滑塌过程的重要参数。不同阶段航道边坡失稳滑塌参数不同，可以利用这些参数对边坡稳定性进行识别判定，实现预测预警。

表1 航道边坡失稳滑塌过程声图纹理特征值

2.3 声图声纹值变化规律

由于灰度共生矩阵特征参数是图像声纹的均值，为进一步刻画声纹特征的时空变化，采用小波多尺度分解方法对声纹变化规律进行分析。

2.3.1 声强时间序列多尺度分析

在航道边坡失稳滑塌过程中，边坡沉积物内部结构发生变化，声图时间序列内部蕴含着声强的变化趋势。为了分析声强随时间的变化规律，对边坡从上至下的表、中、底三个典型部位声强时间序列进行3 层小波分解得到各层低频成分和高频成分（图3—图5）。图中s 为声图中原声强时间变化序列，a3 为小波分解后的低频成分，反映了声强时间序列的变化趋势，d1、d2、d3 分别为小波分解后各层高频成分，反映了声强的细节特征。从图中可以看出，经小波多尺度分解后，边坡表、中、底三个部位声强时间序列被分解为反映声强变化概貌特征的低频成分和反映声强细节变化的高频成分。低频成分大致保持了原声强的起伏变化特征，高频成分变化的幅度和频率突出声强的小幅变化，更清楚地反映了声强细节，并使声强变化差异更明显。声强时间序列被分解的尺度越高，各层信号的震荡变化也相对越平稳。随着航道边坡失稳滑塌过程，表层声强时间序列变化逐渐变大，高频细节震荡明显，中层声强时间序列变化由不明显逐渐增强，高频细节震荡剧烈，底层声强时间序列变化强度较弱，高频细节震荡显著。声强时间序列通过不同尺度下的分解呈现了动态特性。这些特征为深入理解航道边坡失稳滑塌过程，通过不同深度声强变化强度、剧烈程度、突变点为边坡失稳滑塌预测预警提供了依据。

图3 表层声强时间序列小波多尺度分解

图4 中层声强时间序列小波多尺度分解

图5 底层声强时间序列小波多尺度分解

2.3.2 声强垂向序列多尺度分析

声图中声强大小的空间变化决定了声纹的特征。垂向声强变化是航道边坡失稳滑塌过程主要方向之一，因此将声学图像垂向声强变化作为一个序列，对航道边坡失稳滑塌前、中、后三个典型时刻垂向声强变化序列分别进行3 尺度小波分解，图6—图8 分别为航道边坡失稳滑塌前、中、后垂向声强变化序列分解结果，图中s 为垂向声强变化序列，a3 为小波分解后的低频成分，d1、d2、d3分别为小波分解后的各层高频细节成分。由图可以看出，边坡失稳滑塌前、中、后垂向声强变化具有多个波峰，根据这些声强变化很难识别失稳滑塌的阶段，但是这些变化均表现出在某一深度处声强具有强烈的震荡特征，并且在失稳滑塌过程的不同阶段，声强波动的深度发生了变化。航道边坡失稳滑塌前（图6），声强变化相对较小，震荡变化深度较大。边坡失稳滑塌过程中（图7），声强强度增加，高频震荡变化剧烈，主要发生在浅部。边坡失稳滑塌后（图8），声强强度变化又基本恢复滑塌前的强度大小，震荡变化深度较浅。因此，边坡内部垂向声强变大并向边坡浅部移动，是边坡失稳滑塌前的征兆。

图6 边坡滑塌前声强垂向序列小波多尺度分解

图7 边坡滑塌中声强垂向序列小波多尺度分解

图8 边坡滑塌后声强垂向序列小波多尺度分解

3 结论

海底航道边坡失稳滑塌过程的不同阶段浅地层剖面图像声纹特征不同，边坡失稳滑塌前，主要由近平行的声纹组成。随着边坡失稳滑塌，声纹逐渐发生变化，由平行声纹逐渐变得粗糙、不规则，强度不均匀，间距变化明显。边坡失稳后声纹变粗，声纹强度变化不规则，发生断裂。

对淤泥质海底航道边坡失稳滑塌过程浅地层剖面图像采用灰度共生矩阵法提取能量、对比度、相关度、逆差距四个声纹特征值进行量化比较分析，四个特征参数在边坡失稳滑塌过程中具有明显的差异，水平和垂向变化大于对角方向，水平方向波动最显著，能量和相关度随方向变化较大，反映了航道边坡失稳滑塌过程中的内在异质性。

在航道边坡失稳滑塌过程中，边坡沉积物内部结构发生变化，剖面声图包含航道边坡失稳滑塌变化趋势，小波多尺度分解将滑塌过程浅地层剖面图像声强时间序列和垂向空间变化分解到不同尺度空间，突出了声强局部变化特征及其在各尺度中变化的强弱分布和突变点位置，克服了常规方法难以分析的困难，对突变点异常识别以及深入研究航道边坡失稳滑塌过程具有重要意义。

致谢：江苏海洋大学海洋技术专业本科生王鑫、徐江、王远、冯佳文、刘兆元等同学，海洋资源开发技术专业本科生刘天鹏、李天银、常天宇等同学参加了野外和实验工作，在此一并致谢！