1、DOI:10 3969/j issn 2095 509X 2023 02 026基于多波束的海底复杂地貌图像识别方法研究杜跃1，2，欧阳锡钰3(1 天津水运工程勘察设计院有限公司，天津300456)(2 天津市水运工程测绘技术企业重点实验室，天津300456)(3 交通运输部天津水运工程科学研究院，天津300456)摘要:海底复杂地貌图像识别时受地形地貌等因素影响，导致地貌图像识别准确度较低，为此提出了基于多波束的海底复杂地貌图像识别方法。采用多波束技术探测海底复杂地貌图像，并通过滤波算法去除波束在传播过程中产生的噪声;处理海底复杂地貌图像的对比度与边缘，确定海底复杂地貌图像的特征，实现海底复
2、杂地貌图像识别。实验结果表明:在单一图像识别与多幅图像识别中，所提方法能保证较高的海底地貌识别准确率。关键词:多波束;海底复杂地貌图像;滤波算法;对比度中图分类号:TP229文献标识码:A文章编号:2095 509X(2023)02 0127 04海底地貌勘测过程中数据在传输时往往存在数据损失的情况，导致地貌信息不能被完整地接收。现阶段海底复杂地貌图像识别方法存在图像噪声多、识别效果差的问题，有关学者对此进行了深入的研究1。如胡俊等2 研究了基于 KongsbergEM 多波束的 Snippet 数据处理方法，该方法以声呐方程为基础，针对 Kongsberg EM 多波束系统提出了一套完整的
3、Snippet 数据处理流程，并分析了各步骤中存在的可变性，给出了每一步的处理建议，实现了对海底复杂地貌图像的识别，但是在实际应用中该方法未达到理想的识别效果。多波束探测能够在一定程度上弥补传统技术的不足，有效抑制噪声，不受海洋深度与生物活动的影响，完整恢复地形特征并识别复杂图像。基于多波束探测技术的优点，本文将其应用到海底复杂地貌图像识别中，以提高图像识别效果。1基于多波束的海底复杂地貌图像利用多波束勘测海底深处地形时涉及到很多参数，如海洋深度、水面压力、声波与水面的角度等，本文基于这些参数借助多波束探测技术获取海底复杂地貌图像。海底是一个三维立体空间，其任一点的位置坐标用(x，y，z)表示
4、，映射出的地貌数据用BS 表示，对获得的地貌数据进行处理，获得真实的海底复杂地貌图像。以一个单波束反射为例，描述波束的传输路径。通过波束发出勘测信号，并且经过能量转换器提高辐射覆盖的范围，在波束到达海底后，再按照原来的路径返回到出发位置，此时可利用测角仪得到发射信号与海面的角度等参数，并且通过声速测量仪获得波束传播速度，通过仪器自带时间软件获得发射与返回的时间，根据上述 3 个参数获得海底距离海面的距离 H。单波束探测原理如图 1 所示。图 1探测原理利用多波束识别海底地貌时，主要通过多波束中的扇面声呐波束识别海底地貌。首先将声呐波束信号发射到海底表面，然后经过海底表面折射，最后通过波束系统接
5、收折射后的信号，获得所需数据3。在信号折射过程中信号容易受传播介质的影响，出现中断信号或使信号出现误差，因此需计算能量转换参数，通过该参数保障信号的质量，公收稿日期:2022 01 07作者简介:杜跃(1990)，男，工程师，主要研究方向为海洋工程勘察测绘，Zhanggh19126 com7212023 年 2 月机械设计与制造工程Feb 2023第 52 卷 第 2 期Machine Design and Manufacturing EngineeringVol 52 No 2式为:EL=SL DINLBS 2TL(1)式中:EL 为能量转换参数;SL为发射基地信号初始能量;为能量转换系数;
6、DI为折射指数;NL为噪声;BS为初始信号强度;TL为信号在海里传播削弱的能量。多波束信号的强弱取决于噪声影响的程度，即:DSL=10Alg1H0|r=1(2)式中:DSL 代表多波束信号强弱;为噪声影响系数;A 代表噪声影响程度;H0为最初声纳强度;r 代表海底随机位置。声呐波束受到混响干扰、海洋噪声等因素的影响，勘测海底复杂地貌时会出现偏差4，并且声呐波束的能量也会减少，其中主要影响因素为水面压力、通电后的功率等。因此，考虑上述影响因素，信号源发射信号受干扰因素影响后的声源级信号能量表示为:BL=20lnP0=71 78+lgWa+DHT(3)式中:BL 为声源级信号能量;P0为水面的压力
7、;Wa为通电后的功率;HT为发射站的总能量;D 为干扰因素影响系数。将勘测采集的数据进行坐标系转换，通过转换后的坐标空间模拟出海底位置和地貌。假设信号从海面发射到接收的总时长为 t，并且信号进入海面后的传播速度为c，则海底到其声源的距离X为:X=tc2(4)已知勘测船地理坐标为(x0，y0)，与海底复杂地貌监测仪器形成的角度为，则海底某一点转换到坐标空间的位置5 为:x=X sincos+x0y=X sinsin+y0z=X cos(5)式中:为声波与海面形成的角度，以海面为分界线，上为正，下为负。优化后的位置公式为:x=X sincos+x0+xy=X sinsin+y0+yz=X cos+
8、z(6)式中:x，y，z 分别为优化后的海底复杂地貌地理坐标。基于上述过程开始初始探测，将采集的信息转换成地理坐标，通过坐标点的组合形成海底复杂地貌图像，为后续识别奠定基础。2海底复杂地貌图像滤波处理多波束的声呐波束在勘测海底地貌时，受噪声影响导致难以识别目标图像6。为了减少噪声对多波束的声呐波束的影响，准确地识别海底复杂地貌目标，引入滤波算法，分割海底复杂地貌图像，降低图像中的噪声7。考虑到海底深度与图像高清度，本文选择自适应滤波与低通滤波结合的方式，降噪处理海底复杂地貌图像。首先，保证海底复杂地貌图像灰度值8 与像素点不变，然后建立通用滤波模型:g(x，y)=s=n12，t=n12nw(s
9、，t)f(x+s，y+t)(7)式中:n 为常数，一般取值为 n=1，3，5，7，w(s，t)为滤波核;f(x+s，y+t)为滤波前的图像坐标;g(x，y)为滤波模型;s，t 分别为地理坐标变化量。低通滤波可以限制海底复杂地貌图像边缘噪声，因此引入低通滤波降低海底复杂地貌图像边缘噪声。假设图像处于三维空间 f(i，j，l)中，三维空间中某一点坐标为(m，n，r)，该点边缘噪声阈值为S，图像中像素点数量为 M，则经过低通滤波算法降噪处理后的海底复杂地貌图像9 为:g(m，n，r)=1M(i，j，l)sf(m i，n j，r l)(8)式中:g(m，n，r)为处理后噪声图像，处理后的图像中的坐标点
10、 r=0，因此在后续分析图像时，以二维图像显示。M 值越大，则低通滤波对图像噪声抑制的能力越强，但也影响图像边缘的灰度值。为了降低低通滤波算法的影响，利用自适应滤波法对其优化，即:H(i，j)=1，D1(i，j)D00，D1(i，j)D0(9)式中:H(i，j)为自适应滤波后的图像;D1为实际噪声;D0为理想的噪声;(i，j)为随机一点，且 D1(i，j)=i2+j2。针对海底复杂地貌图像大小及格式的不同，海底图像每个区域的去噪方法也不同，若图像大小为E N，其灰度值为，系数为，噪声的方差为 2，则滤波后的海底复杂地貌图像分辨率为:=1ENNi=1Ej=1f(i，j)2=1ENNi=1Ej=1
11、(f2(i，j)2)(10)8212023 年第 52 卷机械设计与制造工程至此完成海底复杂地貌图像滤波处理，该算法不但能弥补低通滤波的不足，还能有效去除图像噪声的影响，保证了海底复杂地貌图像的完整性。3海底复杂地貌图像识别实现以上述滤波处理后的海底复杂地貌图像为识别对象，在识别图像前，为了去除局部地貌图像灰色部分，需要进一步处理海底复杂地貌图像，将对比度调整至正常范围，图像对比度计算公式为:CW=I IbIb(11)式中:CW为图像对比度;I为图像局部亮度;Ib为整个图像的亮度。在此基础上，利用韦伯对比法得到标准化处理的对比度，计算公式为:CM=Imax IminImax+Imin(12)式
12、中:Imax与 Imin分别为图像亮度的最大值与最小值;CM为亮度。C=I=1w hM I(x，y)I2(13)I=1w hMI(x，y)(14)式中:C为海底复杂地貌图像亮度离散值;I为海底复杂地貌图像离散系数;I(x，y)为图像(x，y)点的亮度值;I为灰度值;w 为图像的宽度;h 为图像的高度。海底复杂地貌图像对比度属于海底地貌图像特征。为了提取海底复杂地貌图像中的主要信息，需要确定图像梯度。在图像梯度确定过程中，利用图像局部像素值获取边缘微积分，公式为:LS=x=0y=0|8f(x，y)f(x，y1)f(x，y+1)f(x1，y)f(x1，y 1)f(x 1，y+1)f(x+1，y)f
13、(x+1，y1)f(x+1，y+1)|yx(15)式中:LS为海底复杂地貌图像所有梯度之和。LS值随着图像灰度值的变化而变化，如果灰度值增大，LS随之变大，海底复杂地貌图像的清晰度增加，反之，海底复杂地貌图像模糊。由于深度不同等原因，海底复杂地貌图像存在一定的灰色区域，而灰色区域的确定是否准确将影响地貌图像的识别，因此需统计海底复杂地貌图像所有地貌随机点(i，j)，设随机点构成的灰色区域比例为 P(i，j)，则灰色区域 pij为:pij=P(i，j)CCM(E N)(16)式中:E N 为图像大小;为灰色区域转换系数。通过式(16)获取海底复杂地貌识别图像 Hi的公式为:Hi=255i=0pi
14、jlog2LSP(i，j)(17)基于上述处理后，完成海底复杂地貌图像的识别。4实验分析4 1实验方案实验的目的是分析实际环境中识别方法的应用效果。在实际探测中，由于航迹、设备与海底的距离等条件的变化，导致图像实时变化更加复杂。为此，采用多波束的声呐波束扫描地貌形态，声呐波束主要性能指标见表 1。表 1声呐波束的主要性能指标指标参数频率/kHz120工作里程/m500脉冲长度/ms4水平波束宽度/()064垂直波束宽度/()50工作深度/m1 1 000工作温度/0 50此次实验对比单幅图像识别结果和多幅图像识别结果。将图 2 所示的海底复杂地貌图像作为实验对象。图 2实验对象4 2实验结果分
15、析采用本文设计的基于多波束的海底复杂地貌图像识别方法识别样本图像，得到的实验结果如图3 所示。由图 3 可知，本文的海底复杂地貌图像识别方法对样本图像具有较好的识别效果。这是由于本文方法能够对图像进行降噪处理，提高了图像质量及图像识别效果。为进一步验证该方法的应用效果，对样本海底复杂地貌图像 X 轴方向(水平方向)识别，识别误9212023 年第 2 期杜跃:基于多波束的海底复杂地貌图像识别方法研究差结果如图 4 所示。图 3采用本文方法识别的结果分析图 4水平方向识别结果分析图 4 可以看出，所提方法对海底复杂地貌图像X轴方向识别的误差较小，与理想识别误差差距较小，且曲线走向较为一致。由此证
16、明，该方法具有较高识别精度。这是由于所提方法能够克服图像识别中的干扰因素，具有更好的识别效果。5结束语海底地貌复杂多变，地貌的勘测过程较为复杂，导致地貌识别效果不佳。本文利用多波束勘测技术识别海底复杂地貌，通过滤波法较为清晰地获取了海底复杂地貌，并通过设计识别算法实现了海底复杂地貌图像的有效识别。实验结果表明，采用所提方法可以有效降低海底复杂地貌图像识别误差，具有一定的可行性。参考文献:1朱超，吴自银，周洁琼，等 台湾浅滩多尺度沙波地貌的地形傅里叶分解J 海洋学报，2019，41(9):136 144 2胡俊，吴永亭，豆虎林，等 基于 Kongsberg EM 多波束的 Snip-pet 数据处理方法J 海洋科学进展，2020，38(4):173 180 3张田升，吴自银，赵荻能，等 南海礼乐盆地海底麻坑地貌及成因分析 J 海洋学报，2019，41(3):106 120 4侯春萍，张倩文，王晓燕，等 轮廓匹配的复杂背景中目标检测算法J 哈尔滨工业大学学报，2020，52(5):121 128 5赵一，段兴，谢仕义，等 面向特定目标自识别的交通图像语义检索方法J 计算机应用，2020，4
