-
0 引言
-
在深海广域快速目标搜探与测绘任务中[1],侧扫声呐以其成像分辨率高、成像覆盖完整、便于部署等优点,得到了广泛的应用[2-4]。AUV 搭载侧扫声呐设备进行数据采集过程中,受洋流、 AUV 运动平稳性[5-6]、海底地形起伏[7-8]等影响,侧扫声呐图像存在明显的畸变问题;受水下声学信号的衰减[9-11]与接收声学回波信号设备的灵敏度[12]影响,声学信号存在垂向增益失衡问题。上述问题的存在导致声学图像难以准确呈现目标信息和地形地貌。
-
1 海底广域快速搜探侧扫声呐成像原理
-
侧扫声呐工作原理与线激光三维扫描成像类似,AUV 左右舷各安装一条换能器线阵,首先发射一个短的声脉冲,声波按球面波方式向外传播,碰到海底或水中物体会产生散射,其中的反向散射波(回波)会按原传播路线返回换能器被换能器接收,经换能器转换成一系列电脉冲 (ping),回波脉冲序列即对应图像的一行。随着 AUV 前向航行,同时多次发射与接收声学脉冲信号,多次回波脉冲序列拼接在一起即形成一幅图像[13-14](也称瀑布图)。
-
图1 为某航次 AUV 下潜深度 2 254 m,距海底 85 m,搭载声呐设备量程配置为 400 m(5 196 采样点,即垂向分辨率 p 约为 0.077 m/pixel,pixel 为采样点)、扫频 2 ping/s,AUV 以 2 kn(即 1.028 m/s)速度航行时采集的侧扫声呐数据。这样的载荷配置模式,可非常快速地搜探较大海域。在复杂地形与海况场景下,侧扫声呐数据存在以下问题。
-
近海底侧扫声呐距离水面较远,不存在水面回波干扰。图1 为左舷声呐图像,AUV 运动过快,导致航向分辨率较低,声学图像存在尺寸畸变;右侧轮廓为海底回波信号,由地形与 AUV 航行起伏扰动导致,图像存在较为明显的运动畸变。受声学信号衰减影响,左侧回波信号明显减弱,声学图像呈现亮暗不均的问题。
-
图1 瀑布图
-
Fig.1 Waterfall
-
2 声学图像合成与优化
-
针对上述广域快速搜探过程中侧扫声呐成像存在的问题,提出融合海底基线跟踪的畸变校正方法、融合侧扫声呐特性的垂向增益校正方法、自适应直方图均衡的亮度校正方法,实现声学图像的质量优化。下面以左舷侧扫声呐图像为例进行算法介绍,右舷处理方法一致。
-
2.1 畸变校正
-
AUV 搭载侧扫声呐设备进行海底声学成像,包含 2 种畸变:航向畸变、垂向畸变。其中航向畸变由 AUV 运动与声呐设备扫频不同步导致;垂向畸变由地形起伏与 AUV 平稳性导致。为实现搜探定位功能,侧扫声呐数据一般都包含载体传感信息字段,该字段一般包含经纬度、载体运动俯仰角、横滚角、速度、高度、深度等信息。
-
航向畸变表现为图像宽度过大的尺度失真,本文提出动态迭代插值方法实现校正。首先提取相邻两 ping 的经纬度信息,计算得到两 ping 的距离 d,垂向分辨率 p 是已知的,很容易根据两 ping 距离得到插值比例为,然后进行航向迭代插值,参考牛顿迭代法的求解原理,首先插入 处的数值,然后依次插入位置的数值,计算公式示例如下。
-
式中:、为相邻两 ping 的值;为插值权重系数,可认为两 ping 之间的小段时间内载体为匀速运动,因此取值为 0.5。航向迭代插值校正效果如图2,经过校正后,航向分辨率与声呐垂向分辨率相近,可视效果更好。
-
图2 航向校正
-
Fig.2 Heading correction
-
垂向畸变表现为图像扭曲变形,通过分析侧扫声呐图像特点,AUV 到海底的垂直距离范围声学回波很弱,海底回波较强,左舷图像存在明显的右轮廓,该轮廓即为海底回波信号(也称为海底基线)。
-
海底基线轮廓提取过程,截取航向校正图像的左舷图像右侧区域,依次进行 Canny 边缘检测、形态学膨胀、空洞填充处理,然后提取图像取反后的最大联通区域 R(该区域就是 AUV 本体到海底的声学成像部分),进而计算左侧轮廓。直接得到的轮廓存在一定扰动,呈现锯齿状,如图3(e)蓝色曲线,采用多次一维平均值滤波进行消除,如公式 2,文中采用 3 次滤波处理。
-
式中,I 为原始轮廓点的坐标值 E1、 E2、 E3 分别为第 1 次、第 2 次、第 3 次的滤波结果。取第 3 次滤波结果 E3 作为最终滤波曲线,如图3(e)中红色曲线。
-
图3 轮廓提取
-
Fig.3 Contour extraction
-
垂向畸变校正过程,结合声学回波成像采集特点,无畸变的图像应该具有相同的行,每一行的有效数据宽度应该一致,得到海底基线后,还要做尺度校正处理。根据侧扫声呐成像原理,每 ping 数据代表的是斜距值,海底基线到图像右边界的值代表 AUV 距海底的高度。简化的侧扫声呐斜距采样原理如图4 所示,OF 为海底,B 为 AUV 上声呐布放位置,BO 为 AUV 高度,BF 为声信号回波序列, A 为回波序列上第 1 个点,也是海底 O 的回波信号,同理 B、C···顺次为海底 D、E 点的回波信号。要得到相对准确的物像尺寸信息,消除 AUV 高度的影响,应将斜距数据投影到 OF 轴上。
-
图4 斜距示意
-
Fig.4 Oblique distance
-
斜距数值直接投影到 OF 轴,受投影误差与计算误差影响,OF 上的数值会出现不连续性,为此采用“取点法”。AUV 距离海底的高度 H 可由公式3 得到,OF 上 M 点的数值,可由公式 4 得到,BN 即为侧扫斜距回波序列上的数值。
-
式中:j 为海底基线轮廓上的坐标到图像右边界的坐标距离;p 为上文所述的垂向分辨率。
-
取点个数的计算过程,首先计算所有行的有效数据宽度(即左舷图像左边界到提取的海底基线轮廓的数据长度),计算数据宽度的均值 h,然后统计大于平均值 h 的有效行,再次计算这些有效行的平均值 A,将 A 作为取点个数。利用公式 3、4 实现垂向畸变校正,并对校正数据在图像上右对齐处理,效果如图5。
-
图5 垂向校正
-
Fig.5 Vertical correction
-
2.2 增益校正
-
由声学信号衰减导致的增益失衡表现为距离越远信号越弱,信号衰减导致有效搜探区域大大减小,通过理论分析与实际声学信号分析可知,信号衰减与水域环境息息相关,因此不能使用简单的理论增益进行校正(如距离函数)。本文提出引导曲线与计算曲线融合的方法。
-
引导曲线计算方法,从多个航次采集到的侧扫声呐数据中,截取相对平坦的地形图进行信号增益计算,生成增益曲线后进行函数拟合,本文采用下面的拟合函数来近似声学信号衰减曲线,x 为横坐标,代表侧扫声呐每行数据的垂向坐标点。
-
经过拟合求解:为 2,为 1.8。引导曲线反映了侧扫声呐设备在实际工作过程中的信号衰减特性。
-
计算曲线的计算方法,截取 H 行的侧扫图像,将图像均分为 N 个小区域,如图6。首先计算每个小区域的均值 I(i),以步长为 1 从左向右滑动,分别统计 3 个临近区域的灰度均值,例如区域 2 的均值由区域 1、2、3 计算得到,则区域均值计算公式如公式 6。
-
图6 图像分区
-
Fig.6 Image partitioning
-
将区域均值代入公式 7,得到增益曲线,其中, N 的取值可根据侧扫声呐的分辨率进行设置,本文取 16,d 为每个小块图像的长度,T 为全图的灰度均值。得到计算增益后,对增益上限与增益下限进行约束,本文取上限 2.5,下限 0.3,如公式 8。
-
引导曲线与实时曲线的融合方法,引导曲线用于控制计算曲线的扰动,根据对应点上的计算增益与引导增益的大小关系进行加权融合控制,如公式 9。
-
以图5 的声呐图像进行增益曲线求解测试,得到图7 的增益曲线,原图左侧较暗区域计算得到的增益很大,约束为 2.5,同时在明暗跳变区域增益曲线存在较大扰动,经过本文的融合方法,得到平滑的修正曲线,更接近实际信号衰减特性。
-
图7 增益曲线
-
Fig.7 Gain curve
-
增益校正后的效果如图8,动态增益校正后,远距离区域具有比较好的亮度提升,同时近距离区域也有过亮压制作用,证明了增益校正方法的有效性。
-
图8 增益校正
-
Fig.8 Gain correction
-
2.3 亮度均衡
-
通过畸变校正与增益校正的声学图像,已经较好地呈现了地形地貌,对于声学回波信号较弱的区域,还存在一定的暗区域(阴影区域),这种成像效果与光学成像的光照不均非常相似,本文引入自适应直方图均衡 CLAHE 方法[15-16]进行处理。
-
传统的直方图均衡是对于整个图像的,这是很不合理的,CLAHE 融合了四邻域直方图均衡结果,并采用图像分块的方式提高计算效率,同时用双线性插值方法去除块效应。测试效果如图9,左侧较暗区域都得以直观呈现。
-
图9 亮度均衡
-
Fig.9 Brightness correction
-
2.4 伪彩图像生成
-
声学伪彩色图像[17-18]生成采用灰度查表法实现,最常用的映射表是 Copper,相较于直接反映信号强度的灰度图像,伪彩色图像更加直观。
-
图10 伪彩色图像
-
Fig.10 Pseudo color image
-
3 声学图像合成与优化测试
-
采用不同地貌的侧扫声呐数据进行测试,图11 为深海山地地貌测试数据,虽然存在大范围低凹地形,经过本文方法处理后,地貌形态清晰可见; 图12为深海沙丘地形,但AUV运动存在较大扰动,垂向畸变明显,经过本文方法处理后,冲刷地形特点得以呈现。
-
图11 深海山地地貌
-
Fig.11 Deep sea mountain topography
-
图12 深海沙丘地貌
-
Fig.12 Deep sea sand dune landform
-
4 应用测试
-
尺度不变特征变换特征点匹配(SIFT[19-20])在目标识别、地形匹配等计算机视觉任务中起到了至关重要的作用。本文对恢复后的侧扫声呐图像进行特征点匹配测试,图13 的 4 组图像中每组图像由相邻瀑布图截取得到,有效匹配点数分别达到了 53 个、48 个、86 个、25 个,进一步验证了本文侧扫声呐图像恢复方法的有效性。
-
图13 测试图像
-
Fig.13 Test image
-
5 结束语
-
本文针对基于侧扫声呐的深海广域快速搜探应用中,受载体运动平稳性、海底地形起伏、信号衰减影响,侧扫声呐图像存在的畸变与亮暗不均问题,设计的畸变校正方法包括航向畸变校正与垂向畸变校正,校正后的图像更能体现水下地形或目标的真实形态;融合引导曲线与计算曲线的增益校正方法使得信号强度得以补偿;自适应亮度均衡方法进一步解决了图像的亮暗不均问题。测试结果表明,本文方法可以使侧扫声呐图像更加直观的呈现目标与地形地貌信息,同时采用 SIFT 特征匹配方法进行匹配测试,取得了很好的匹配效果。
-
参考文献
-
[1] 王丽娜.侧扫声呐数据采集与地貌图像构建[J].北京测绘,2018,32(8):965-969.
-
[2] 谢健辉.侧扫声呐技术在海洋测绘中的应用[J].科技创新与应用,2023,13(14):181-184.
-
[3] 李满富.海洋测绘中的测深技术分析[J].科技创新与应用,2022,12(34):185-188.
-
[4] 龚强,张仁斌,王丽欣.海洋测绘前沿技术及应用研究[J].测绘与空间地理信息,2022,45(2):1-5,9-12.
-
[5] 左震,黄泓赫,孙备,等.基于无人艇载侧扫声呐的水下目标定位方法研究[J].仪器仪表学报,2023,44(11):310-319.
-
[6] 李德军,张伟,王磊,等.海流作用下潜水器运动仿真研究[J].舰船科学技术,2023,45(11):13-16.
-
[7] 张颖军,耿家营.海底底质与地形对侧扫声呐工作的影响分析[J].河南科技,2022,41(9):51-54.
-
[8] 张运鑫,赵卫丽,王群.多波束水下扫测水底地形测量方法研究[J].测绘与空间地理信息,2022,45(S1):302-304.
-
[9] 张娜,王新宏.宽带水声信号传播损失分析[J].国外电子测量技术,2010,29(1):30-32.
-
[10] 夏红燕,徐志斌.基于射线模型的水声传播衰减特性 [J].海军航空工程学院学报,2012,27(6):628-632.
-
[11] 肖来祥.基于海洋数据的声呐探测能力研究[D].烟台:山东工商学院,2023.
-
[12] 许枫,蒋立军,杜文萍.侧扫声呐回波信号增益控制 [C]//第十三届海洋测绘综合性学术研讨会会议论文集.兰州:中国测绘学会,2001:167-170.
-
[13] 焦俊俊.侧扫声呐图像预处理与拼接技术研究[D].大连:大连海事大学,2019.
-
[14] 葛晓坤.侧扫声呐图像拼接方法研究[D].哈尔滨:哈尔滨工程大学,2021.
-
[15] 张桓,陈志盛.多尺度自校正双直方图均衡化红外图像增强[J].红外技术,2023,45(11):1207-1215.
-
[16] 吴清平.基于衰减补偿与反转CLAHE的水下图像增强算法[J].电脑编程技巧与维护,2023(12):136-139.
-
[17] 刘琳,李荣,石剑.基于伪彩色图像处理的猎雷声呐水雷目标检测技术[J].水雷战与舰船防护,2016,24(2):28-31.
-
[18] 熊平波.侧扫声呐中的伪彩色图像处理研究[D].昆明:昆明理工大学,2020.
-
[19] 陈晗婧.SIFT 特征匹配技术研究与应用[D].南京:南京理工大学,2017.
-
[20] 林秉雄.SIFT 特征匹配标准与匹配方式的改进与应用[D].大连:大连理工大学,2011.
-
摘要
针对海底复杂地形地貌场景,以及自主水下潜器(Autonomous Underwater Vehicle,AUV)航行时存在扰动,搭载大量程侧扫声呐设备进行广域快速搜探时,采集的侧扫声呐数据在生成图像时,存在严重的瀑布图畸变、增益失衡、亮暗不均的问题,难以直观呈现海底地形地貌。结合侧扫声呐成像原理、侧扫声呐设备特点、AUV 运动传感信息、图像处理方法,提出融合运动特性与海底基线提取的畸变校正方法、融合侧扫声呐设备特性的垂向增益校正方法、自适应直方图均衡的亮度校正方法。实验表明,所述方法可清晰呈现地形地貌信息。
Abstract
Due to the complex terrain and landforms of the seabed,as well as the disturbance during autonomous underwater vehicle(AUV)navigation,when AUV carrying a large range side scan sonar for wide-area rapid exploration,waterfall distortion,gain imbalance,and uneven brightness make it difficult to visually present the seabed terrain and landforms. Based on imaging principle of side scan sonar,characteristics of side scan sonar equipment,AUV motion sensing information and image processing method,an acoustic image optimization method is proposed. It integrates motion characteristics with seabed baseline extraction for distortion correction,uses characteristics of side scan sonar equipment for vertical gain correction,and adapts histogram equalization for brightness correction. Experiment shows that the method proposed in this article can clearly present terrain and geomorphic information.
Keywords
side scan sonar ; waterfall distortion ; gain imbalance ; brightness correction ; AUV