留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

多波束水体影像中噪声干扰的削弱方法研究

汪诗奇 张红梅 赵建虎

汪诗奇, 张红梅, 赵建虎. 多波束水体影像中噪声干扰的削弱方法研究[J]. 武汉大学学报 ● 信息科学版, 2019, 44(4): 539-545. doi: 10.13203/j.whugis20170128
引用本文: 汪诗奇, 张红梅, 赵建虎. 多波束水体影像中噪声干扰的削弱方法研究[J]. 武汉大学学报 ● 信息科学版, 2019, 44(4): 539-545. doi: 10.13203/j.whugis20170128
WANG Shiqi, ZHANG Hongmei, ZHAO Jianhu. Reduction of Noise Interference in Multibeam Water Column Image[J]. Geomatics and Information Science of Wuhan University, 2019, 44(4): 539-545. doi: 10.13203/j.whugis20170128
Citation: WANG Shiqi, ZHANG Hongmei, ZHAO Jianhu. Reduction of Noise Interference in Multibeam Water Column Image[J]. Geomatics and Information Science of Wuhan University, 2019, 44(4): 539-545. doi: 10.13203/j.whugis20170128

多波束水体影像中噪声干扰的削弱方法研究

doi: 10.13203/j.whugis20170128
基金项目: 

国家自然科学基金 41576107

国家自然科学基金 41376109

国家自然科学基金 41176068

国家科技重大专项 2016YFB0501703

江苏省测绘地理信息科研资助 JSCHKY201816

详细信息
    作者简介:

    汪诗奇, 硕士生, 主要从事多波束水体影像处理的理论与方法研究。2011301610337@whu.edu.cn

    通讯作者: 张红梅, 博士, 教授。hmzhang@whu.edu.cn
  • 中图分类号: P229

Reduction of Noise Interference in Multibeam Water Column Image

Funds: 

The National Natural Science Foundation of China 41576107

The National Natural Science Foundation of China 41376109

The National Natural Science Foundation of China 41176068

the National Science and Technology Major Project 2016YFB0501703

Jiangsu Province Surveying and Mapping Geographic Information Research Funding Project JSCHKY201816

More Information
  • 摘要: 多波束水体影像在水下目标探测和识别方面具有较高的应用价值,但受波束旁瓣效应、第三方声呐干扰及复杂的海洋环境噪声等影响,水柱影像中噪声严重,给图像质量和水下目标探测及识别带来较大困难。在分析噪声来源及成因的基础上,根据其空间分布特点,提出了基于强度分布规律的异常"弧圈"检测与消除方法和基于图像交集和差集运算的背景噪声削弱方法,实现了水体影像中噪声的综合抑制,保留目标的同时改善了水体影像的质量。
  • 图  1  波束模式与旁瓣效应

    Figure  1.  Beam Patterns and Side-Lobe Effect

    图  2  受第三方声呐干扰的水体影像

    Figure  2.  Water Column Image Interfered by the Third-Party Sonar

    图  3  异常“弧圈”检测与消除

    Figure  3.  Detection and Elimination of Abnormal "Arc"

    图  4  多项式拟合与异常探测

    Figure  4.  Polynomial Fitting and "Arc" Detection

    图  5  “弧圈”内部目标保留

    Figure  5.  The Retaining of Target Within the "Arc"

    图  6  不含目标图像的强度差异统计

    Figure  6.  Intensity Difference of Water Column Images Containing No Target

    图  7  3个连续奇数ping的背景消噪过程

    Figure  7.  The Procedure of Removing Background Noise in Three Continuous Odd Pings

    图  8  3个连续奇数/偶数ping的背景消噪

    Figure  8.  Remove Background Noise in Three Continuous Odd/Even Pings

    表  1  图像质量评价(PSNR)

    Table  1.   Image Quality Assessment (PSNR)

    编号 原图PSNR 消噪后PSNR 提高百分比/%
    ping95 17.2 25.0 45.0
    ping97 17.4 26.5 52.2
    ping99 17.4 28.8 65.5
    ping232 17.8 29.6 65.8
    ping234 17.7 26.2 48.2
    ping236 17.8 28.4 59.6
    下载: 导出CSV
  • [1] Hughes-Clarke J E. Applications of Multibeam Water Column Imaging for Hydrographic Survey[J]. Hydrographic Journal, 2006, 120: 3-14 http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=e88dbff26476fce781122287553be787
    [2] Hughes-Clarke J E, Lamplugh M, Czotter K. Multibeam Water Column Imaging: Improved Wreck Least-Depth Determination[C]. Canadian Hydrographic Conference, Halifax, Canada, 2006
    [3] Wyllie K, Weber T, Armstrong A. Using Multibeam Echosounders for Hydrographic Surve- ying in the Water Column: Estimating Wreck Least Depths[C]. US Hydrographic Conference, National Harbor, Maryland, USA, 2015
    [4] Nikolovska A, Sahling H, Bohrmann G. Hydroacoustic Methodology for Detection, Localization, and Quantification of Gas Bubbles Rising from the Seafloor at Gas Seeps from the Eastern Black Sea[J]. Geochemistry Geophysics Geosystems, 2008, 9(10): 1-13 doi:  10.1029-2008GC002118/
    [5] Gardner J V, Mashkoor M, Walker S. Plume 1 400 Meters High Discovered at the Seafloor Off the Northern California Margin[J]. Eos, Transactions American Geophysical Union, 2009, 90(32): 275 doi:  10.1029/2009EO320003
    [6] Weber T, Mayer L A, Beaudoin J, et al. Mapping Gas Seeps with the Deepwater Multibeam Echosounder on Okeanos Explorer[J]. Oceanography, 2012, 25(1): 54-55
    [7] Dupré S, Berger L, Le Bouffant N, et al. Fluid Emissions at the Aquitaine Shelf (Bay of Biscay, France): A Biogenic Origin or the Expression of Hydrocarbon Leakage?[J]. Continental Shelf Research, 2014, 88: 24-33 doi:  10.1016/j.csr.2014.07.004
    [8] Greinert J, Artemov Y, Egorov V, et al. 1 300-m-High Rising Bubbles from Mud Volcanoes at 2 080 m in the Black Sea: Hydroacoustic Characteristics and Temporal Variability[J]. Earth and Planetary Science Letters, 2006, 244: 1-15 doi:  10.1016/j.epsl.2006.02.011
    [9] Barnard A, Sager W W, Snow J E, et al. Subsea Gas Emissions from the Barbados Accretionary Complex[J]. Marine and Petroleum Geology, 2015, 64: 31-42 doi:  10.1016/j.marpetgeo.2015.02.008
    [10] Philip B T, Denny A R, Solomon E A, et al. Time-Series Measurements of Bubble Plume Variability and Water Column Methane Distribution Above Southern Hydrate Ridge, Oregon[J]. Geochemistry Geophysics Geosystems, 2016, 17(3): 1182-1196 doi:  10.1002/2016GC006250
    [11] Weber T, Pea H, Jech J M. Consecutive Acoustic Observations of an Atlantic Herring School in the Northwest Atlantic[J]. ICES Journal of Marine Science, 2009, 66(6): 1270-1277 doi:  10.1093/icesjms/fsp090
    [12] Innangi S, Bonanno A, Tonielli R, et al. High Resolution 3-D Shapes of Fish Schools: A New Method to Use the Water Column Backscatter from Hydrographic Multibeam Echo Sounders[J]. Applied Acoustics, 2016, 111: 148-160 doi:  10.1016/j.apacoust.2016.04.017
    [13] Gerlotto F, Soria M, Fréon P. From Two Dimensions to Three: The Use of Multibeam Sonar for a New Approach in Fisheries Acoustics[J]. Canadian Journal of Fisheries and Aquatic Sciences, 1999, 56(1): 6-12 doi:  10.1139/f98-138
    [14] Wilson M, Higginbottom I, Buelens B. Four-Dimensional Visualization and Analysis of Water Column Data from Multibeam Echosounders and Scanning Sonars Using Sonardata Echoview for Fisheries Applications[J]. Surgery, 2005, 71(1): 1551-1557
    [15] Marques C R V, Hughes C J E. Automatic Mid-Water Target Detection Using Multibeam Water Column[C]. CHC 2012 the Arctic, Old Challenges New, Niagara Falls, Canada, 2012
    [16] 阳凡林, 韩李涛, 王瑞富, 等.多波束声纳水柱影像探测中底层水域目标的研究进展[J].山东科技大学学报(自然科学版), 2013, 32(6): 75-83 http://d.old.wanfangdata.com.cn/Periodical/sdkjdxxb201306012

    Yang Fanlin, Han Litao, Wang Ruifu, et al. Progress in Object Detection in Middle and Bottom-Water Based on Multibeam Water Column Image[J]. Journal of Shandong University of Science and Technology, 2013, 32(6): 75-83 http://d.old.wanfangdata.com.cn/Periodical/sdkjdxxb201306012
    [17] Gee L, Doucet M, Parker D, et al. Is Multibeam Water Column Data Really Worth the Disk Space?[C]. Hydro12-Taking Care of the Sea, Rotterdam, Netherlands, 2012
    [18] Collins C M. The Progression of Multi-dimensional Water Column Analysis in a Processing Environment[C]. Hydro12 - Taking Care of the Sea, Rotterdam, Netherlands, 2012
    [19] Colbo K, Ross T, Brown C, et al. A Review of Oceanographic Applications of Water Column Data from Multibeam Echosounders[J]. Estuarine, Coastal and Shelf Science, 2014, 145: 41-56 doi:  10.1016/j.ecss.2014.04.002
    [20] Urban P, Köser K, Greinert J. Processing of Multibeam Water Column Image Data for Automated Bubble/Seep Detection and Repeated Mapping[J]. Limnology and Oceanography: Methods, 2017, 15(1): 1-21 doi:  10.1002/lom3.10138
    [21] Silva-Pereira D L, Hughes-Clarke J E. Improving Shallow Water Multibeam Target Detection at Low Grazing Angles[C]. US Hydrographic Conference, National Harbor, Maryland, USA, 2015
    [22] 黄小乔, 石俊生, 杨健, 等.基于色差的均方误差与峰值信噪比评价彩色图像质量研究[J].光子学报, 2007, 36(b06): 295-298 http://www.cnki.com.cn/Article/CJFDTOTAL-GZXB2007S1076.htm

    Huang Xiaoqiao, Shi Junsheng, Yang Jian, et al. Study on Color Image Quality Evaluation by MSE and PSNR Based on Color Difference[J]. Acta Photonic Sinica, 2007, 36(b06): 295-298 http://www.cnki.com.cn/Article/CJFDTOTAL-GZXB2007S1076.htm
  • [1] 张永厚, 肖付民, 金绍华, 边刚, 汤寓麟.  一种基于LM算法的多波束横摇残差改正方法 . 武汉大学学报 ● 信息科学版, 2022, 47(7): 1140-1145. doi: 10.13203/j.whugis20200103
    [2] 赵祥鸿, 暴景阳, 欧阳永忠, 黄贤源, 黄辰虎, 陆秀平.  利用BP神经网络剔除多波束测深数据粗差 . 武汉大学学报 ● 信息科学版, 2019, 44(4): 518-524. doi: 10.13203/j.whugis20160336
    [3] 袁运斌, 张宝成, 李敏.  多频多模接收机差分码偏差的精密估计与特性分析 . 武汉大学学报 ● 信息科学版, 2018, 43(12): 2106-2111. doi: 10.13203/j.whugis20180135
    [4] 赵建虎, 严俊, 张红梅, 孟俊霞.  基于海底底质回波特征的多波束声呐图像角度响应影响消除 . 武汉大学学报 ● 信息科学版, 2018, 43(8): 1228-1233, 1286. doi: 10.13203/j.whugis20160148
    [5] 兰霞, 刘欣鑫, 沈焕锋, 袁强强, 张良培.  一种消除高密度椒盐噪声的迭代中值滤波算法 . 武汉大学学报 ● 信息科学版, 2017, 42(12): 1731-1737. doi: 10.13203/j.whugis20150520
    [6] 徐川, 华凤, 眭海刚, 陈光.  多尺度水平集SAR影像水体自动分割方法 . 武汉大学学报 ● 信息科学版, 2014, 39(1): 27-31.
    [7] 林怡, 刘冰, 陈映鹰, 潘琛.  多特征差分核支持向量机遥感影像变化检测方法 . 武汉大学学报 ● 信息科学版, 2013, 38(8): 978-982.
    [8] 尚琳, 任前义, 张锐, 李国通.  利用锚固站时序差分测量消除星座旋转误差 . 武汉大学学报 ● 信息科学版, 2013, 38(8): 920-924.
    [9] 桂任舟.  利用二维恒虚警进行非均匀噪声背景下的目标检测 . 武汉大学学报 ● 信息科学版, 2012, 37(3): 354-357.
    [10] 张红敏, 靳国旺, 徐青, 秦志远.  利用差分滤波进行多基线InSAR相位解缠 . 武汉大学学报 ● 信息科学版, 2011, 36(9): 1030-1034.
    [11] 吴宏安, 汤益先, 张红, 王超.  基于ALOS/PALSAR轨道参数的干涉平地效应消除研究 . 武汉大学学报 ● 信息科学版, 2010, 35(1): 92-96.
    [12] 于兴旺, 张小红, 聂桂根.  GPS/GALILEO多频组合差分定位研究 . 武汉大学学报 ● 信息科学版, 2010, 35(7): 821-824.
    [13] 邹永刚, 刘雁春, 肖付民, 夏伟.  海洋测深波束角效应改正的方向问题研究 . 武汉大学学报 ● 信息科学版, 2009, 34(5): 593-596.
    [14] 王黎, 孙云莲.  二维小波变换及ICA消除图像混合噪声 . 武汉大学学报 ● 信息科学版, 2008, 33(2): 136-139.
    [15] 肖付民, 刘经南, 刘雁春, 朱小辰.  海洋测深波束角效应改正的海底倾斜角求解差分算法 . 武汉大学学报 ● 信息科学版, 2007, 32(3): 238-241.
    [16] 方圣辉, 舒宁, 巫兆聪.  SAR影像去噪声方法的研究 . 武汉大学学报 ● 信息科学版, 1998, 23(3): 215-218.
    [17] 张继贤, 李德仁.  影像纹理的多标度分形分析 . 武汉大学学报 ● 信息科学版, 1995, 20(2): 106-111.
    [18] 甘信铮, 孙家抦.  南极卫星影像条带噪声的消除 . 武汉大学学报 ● 信息科学版, 1994, 19(4): 332-334.
    [19] 林银森.  多象幅彩扩器的畸变塌边效应及其抑制 . 武汉大学学报 ● 信息科学版, 1993, 18(4): 94-96.
    [20] 罗忠东.  CCLID不完全复位噪声及复位噪声的消除 . 武汉大学学报 ● 信息科学版, 1988, 13(2): 78-85.
  • 加载中
图(8) / 表(1)
计量
  • 文章访问数:  836
  • HTML全文浏览量:  71
  • PDF下载量:  156
  • 被引次数: 0
出版历程
  • 收稿日期:  2017-05-09
  • 刊出日期:  2019-04-05

多波束水体影像中噪声干扰的削弱方法研究

doi: 10.13203/j.whugis20170128
    基金项目:

    国家自然科学基金 41576107

    国家自然科学基金 41376109

    国家自然科学基金 41176068

    国家科技重大专项 2016YFB0501703

    江苏省测绘地理信息科研资助 JSCHKY201816

    作者简介:

    汪诗奇, 硕士生, 主要从事多波束水体影像处理的理论与方法研究。2011301610337@whu.edu.cn

    通讯作者: 张红梅, 博士, 教授。hmzhang@whu.edu.cn
  • 中图分类号: P229

摘要: 多波束水体影像在水下目标探测和识别方面具有较高的应用价值,但受波束旁瓣效应、第三方声呐干扰及复杂的海洋环境噪声等影响,水柱影像中噪声严重,给图像质量和水下目标探测及识别带来较大困难。在分析噪声来源及成因的基础上,根据其空间分布特点,提出了基于强度分布规律的异常"弧圈"检测与消除方法和基于图像交集和差集运算的背景噪声削弱方法,实现了水体影像中噪声的综合抑制,保留目标的同时改善了水体影像的质量。

English Abstract

汪诗奇, 张红梅, 赵建虎. 多波束水体影像中噪声干扰的削弱方法研究[J]. 武汉大学学报 ● 信息科学版, 2019, 44(4): 539-545. doi: 10.13203/j.whugis20170128
引用本文: 汪诗奇, 张红梅, 赵建虎. 多波束水体影像中噪声干扰的削弱方法研究[J]. 武汉大学学报 ● 信息科学版, 2019, 44(4): 539-545. doi: 10.13203/j.whugis20170128
WANG Shiqi, ZHANG Hongmei, ZHAO Jianhu. Reduction of Noise Interference in Multibeam Water Column Image[J]. Geomatics and Information Science of Wuhan University, 2019, 44(4): 539-545. doi: 10.13203/j.whugis20170128
Citation: WANG Shiqi, ZHANG Hongmei, ZHAO Jianhu. Reduction of Noise Interference in Multibeam Water Column Image[J]. Geomatics and Information Science of Wuhan University, 2019, 44(4): 539-545. doi: 10.13203/j.whugis20170128
  • 新型多波束测深系统提供了记录水柱信息的功能,可以获得波束经历水体的时序回波,呈现水体中目标的形态和分布等特征,在海底沉船[1-3]、冷泉气柱[4-10]、鱼群[11-14]、水体中悬浮物(天然和非天然目标)[15]等水下目标的探测中具有十分重要的应用价值[16-19]

    多波束测量中,来自自身、第三方设备和环境的干扰总是存在的,使得多波束水体影像中常带有异常“弧圈”图像[1],目标检测时常被误判为目标,给目标探测和识别带来了较大的困难;另外,海洋环境复杂,环境噪声常会导致影像整体“变亮”[11],进而影响目标探测。目前国内外关于“弧圈”消除方面的研究相对较少。其中,Weber等[11]给出了一种基于固定阈值的压制方法,FMMidwater(FMMW)软件采用Weber的方法进行旁瓣压制[3],但对第三方声呐干扰产生的“弧圈”消除性能欠佳。“弧圈”常横跨整个多波束ping(一次测量)扇面。目前,一些多波束测深设备采用了多扇面分扇区采样模式,目的在于提高测深精度。该模式在不同扇区采用不同的发射频率,因此也导致了“弧圈”在ping扇面内的各扇区的强度和分布不同,给“弧圈”的消除带来了困难。使用固定阈值法消除“弧圈”时,阈值随ping扇面和扇面内各扇区变化,很难用单一阈值剔除整个航线上不同ping扇面中的“弧圈”。水柱影像背景噪声削弱目前主要利用局域连续20 ping图像的均值和中误差作为阈值参数来削弱[11]或从原图像中减去连续1 200 ping形成的中值图像来消除[20]。前者需人为选择不含目标的ping图像,后者要求水深基本相同,滤波条件相对苛刻。

    基于此,本文基于噪声的形成机理和分布特点,提出了一种多波束水体影像中噪声干扰的削弱方法,以期提高水柱影像的质量。

    • 水柱影像中常伴有“弧圈”[1, 3, 11, 15, 20],其回波强度与真实目标接近,且横跨整个水柱扇面,采用阈值分割方法探测水体中目标时,常将其误诊断为真实目标。为彻底消除该类干扰影响,首先分析其形成机理。

      1) 接收旁瓣与强散射体的叠加

      多波束系统的发射与接收波束一般呈米尔斯十字型排列[1]图 1(a)给出了发射声波与某一接收波束的叠加效应,图 1(b)给出了波束旁瓣与海底相互作用的结果。

      图  1  波束模式与旁瓣效应

      Figure 1.  Beam Patterns and Side-Lobe Effect

      图 1(b)中,换能器到其正下方海底的距离称为最短斜距(minimum slant range,MSR)。以换能器为中心,MSR为半径,存在一个亮“弧圈”,这是由波束接收旁瓣与换能器正下方海底相互作用造成的[1]。同样,如果水体中存在某一强散射体,水体影像中也会产生类似“弧圈”。通常,由旁瓣引起的“弧圈”内部强度不均匀,当波束主瓣直接指向强散射体时达到最大值;MSR以外水柱区域受旁瓣干扰严重,噪声几乎完全淹没了真实信号,因此通常不考虑该部分,只处理MSR以内区域[1, 20]

      2) 外部声源

      若多波束测量时有第三方声呐一起作业,会导致水体影像中形成高亮“弧圈”。第三方声呐造成异常的原因主要是其发射声波直接被多波束换能器接收所致。由于各波束序列同采样点号数据受到相同的影响,在水体影像中就产生了高亮“弧圈”图像,“弧圈”内部波束点具有近似相同的强度。图 2给出了一幅包含“弧圈”的水体影像,图 2为EM710系统,3个扇区由S1、S2、S3表示。

      图  2  受第三方声呐干扰的水体影像

      Figure 2.  Water Column Image Interfered by the Third-Party Sonar

      综上所述,可认为“弧圈”有如下特点:①整体上具有较高的回波强度;②由接收旁瓣与强散射体叠加形成的“弧圈”内部强度分布不均匀;③第三方声呐干扰形成的“弧圈”内部的强度分布具有一致性。据此提出一种基于强度分布特点的削弱方法,过程如下。

      (1) MSR内,寻找各波束相同采样号i(0≤i < N)的回波点;

      (2) 选择某一扇区计算扇区内各波束同采样号回波平均强度BS,形成如下序列:

      $$ \left\{ {{\rm{B}}{{\rm{S}}_{\rm{1}}}, {\rm{B}}{{\rm{S}}_2}, {\rm{B}}{{\rm{S}}_3} \cdots {\rm{B}}{{\rm{S}}_{N - 2}}, {\rm{B}}{{\rm{S}}_{N - 1}}, {\rm{B}}{{\rm{S}}_N}} \right\} $$ (1)

      (3) 对该序列拟合如下形式的多项式:

      $$ {\rm{BS}}\left( n \right) = {\rm{B}}{{\rm{S}}_0} + \sum\limits_{j = 1}^m {{a_j}{n^j}} $$ (2)

      式中,N为波束回波数;BS0为常数项;a为系数;n为采样号;m为模型阶数。

      利用最小二乘求解模型,并借助式(3)计算模型的残差ΔBS和拟合中误差$ {\hat \sigma }$:

      $$ \left\{ \begin{array}{l} \hat \sigma = \sqrt {\left( {\sum\limits_{i = 1}^N {\Delta {\rm{BS}}_i^2} } \right)/\left( {N - 1} \right)} \\ \Delta {\rm{B}}{{\rm{S}}_\mathit{i}} = {\rm{B}}{{\rm{S}}_\mathit{i}} - {\rm{BS}}\left( i \right) \end{array} \right. $$ (3)

      式中,ΔBSi为第i个回波均值的模型偏差;BS(i)为第i个回波均值的模型计算结果。

      对于多项式模型的最优模型阶数的确定,采用如下方式:

      ① 设定m的取值范围m1~m2

      ② 令mm1~m2之间循环取值m0,按式(3)计算模型参数a、ΔBS和${\hat \sigma } $;

      ③ 设定循环结束条件$ {{\hat \sigma }_0}$,若${\hat \sigma } $≤ $ {{\hat \sigma }_0}$,停止循环,得到最优拟合阶数和模型参数。

      (4) 假设残差服从高斯分布,则可用探测粗差的方式来检测异常“弧圈”。以$ k\hat \sigma $为阈值,如果ΔBSl≥$k\hat \sigma $,则认为第l个“弧圈”受到了干扰,需要处理;

      (5) 根据文献[21],“弧圈”序列中的峰值点能够较好地代表本“弧圈”的整体信息,可利用峰值序列判断“弧圈”内是否存在目标,为保留“弧圈”内目标图像,开展如下工作:

      ① 构建本扇区内所有Q个波束第l个回波的序列{BSl1, BSl2… BSlQ-1, BSlQ};

      ② 获取序列中所有P个峰值点{BSl1, BSl 2 …BSl P-1, BSlP };

      ③ 计算所有峰值点的均值meanp和中误差σp

      ④ 将序列中强度小于(meanp+λσp)的回波点赋为背景,其他回波点予以保留。

      (6) 选择另一扇区,重复步骤(2)~(5),直到所有扇区处理完毕。

      以上过程中,步骤(2)~(4)是检测与定位算法,步骤(5)是“弧圈”消除算法。以上算法针对多扇区发射模式的多波束水柱影像处理,对于单扇区发射模型的情况同样适用。

    • 图 2可知,除“弧圈”干扰外,MSR内水体影像整体“偏亮”主要因环境噪声造成[11]。不同扇区“偏亮”程度不同,是因为各扇区采用了不同的发射频率。此外,部分多波束系统为增加测深点密度,采用多扇面工作模式[15],相邻扇面发射频率也不相同,导致相邻两ping中背景噪声影响不一致,但所有奇数(或偶数)ping的发射模式相同。这些因素造成了背景噪声消除的复杂性。

      基于以上发射模式和噪声特征,考虑船速和水体环境的相对稳定,建立如下假设:① 相邻ping间走航距离内多波束水体影像反映的背景噪声近似相同;② 相同发射频率的子扇区内背景噪声近似相同;③ 水体目标的直径小于p个ping的航行距离。据此特点,本文给出一种基于图像交集与差集运算的背景噪声消除方法。

      1) 获得所有的奇数ping图像,提取第r(r为奇数)ping扇面图像和其相邻近的2个奇数(r-p/2, r+p/2)ping图像;

      2) 求邻近3个奇数ping图像的交集,得到第r个ping的背景图像:

      $$ \left\{ \begin{array}{l} {I_{B1}} = {I_r} \cap {I_{r - p/2}}\\ {I_{B2}} = {I_r} \cap {I_{r + p/2}}\\ {I_B} = {I_{B1}} \cap {I_{B2}} \end{array} \right. $$ (4)

      3) 消除第r ping的背景噪声:

      $$ {I_{r - B}} = {I_r} - {I_B} $$ (5)

      4) 利用步骤(1)~(3)消除所有奇数ping扇面的背景噪声。

      上述处理中第一个ping的背景采用第二个奇数ping获得的背景图像,最后一个奇数ping采用倒数第二个奇数ping获得的背景图像。对所有偶数ping,采用类似处理方式。

      以上消噪是针对ping扇面内存在子区和双扇面发射模型的情况,对于扇面内不分区和ping间发射频率相同的多波束水柱数据,可在相邻ping间采用类似方法消除背景噪声。需注意的是,在上述图像交集运算和图像差集运算中,不同ping扇面相同像素位置的回波强度或图像灰度不可能完全相同,因此需要设定阈值。两图像相同像素位置的回波强度差或图像灰度差小于该阈值,则视为相同背景。

      图像的降噪效果可用峰值信号比(peak signal to noise ratio,PSNR)进行评价[22],其计算公式如下:

      $$ \left\{ \begin{array}{l} {\rm{MSE = }}\frac{1}{{ML}}{\sum\limits_{i = 0}^{M - 1} {\sum\limits_{J = 0}^{L - 1} {\left( {I\left( {u, v} \right) - K\left( {u, v} \right)} \right)} } ^2}\\ {\rm{PSNR = 10lg}}\left( {\frac{{{{255}^2}}}{{{\rm{MSE}}}}} \right) \end{array} \right. $$ (6)

      式中,I(u, v)表示待评价图像的灰度值;K(u, v)表示参考图像的灰度值;ML表示图像的长、宽尺寸;MSE(mean square error)表示均方误差。本文中,K(u, v)为理想条件下不含目标的水体影像,即灰度全为0的图像。

    • 为验证本文算法,利用某水域实测的一条包含异常“弧圈”的水柱影像测线数据开展实验。该数据为Kongsberg EM710多波束数据,测量时采用双扇面、3扇区工作模式。测区水深值100~150 m之间,存在较多的气体渗漏点,即在水体中存在气柱。气柱的直径小于5个ping的航行距离,所以§2中p可取5。

      由于“弧圈”往往伴随着目标出现,其位置具有不确定性,可能随ping连续出现,也可能随机出现,故而需要首先检测和消除;而背景噪声在同频率下的特点很近似,可以基于同频率(同奇数/偶数ping)图像差分消除,但不能消除“弧圈”。因此,本文的实验流程如下:①对数据进行解译;②按照§1给出的方法消除“弧圈”;③依据§2方法削弱背景噪声,得到降噪后的图像并对结果进行评价。

    • 图 3(a)所示,红色虚线表示扇区的分界(图中包含3个扇区),数字1、2、3标记了3处非常明显的异常“弧圈”。为了简化叙述,仅选取中间扇区的波束进行描述。借助前文给出的基于“弧圈”分布特点的消除方法对“弧圈”进行检测和消除。

      图  3  异常“弧圈”检测与消除

      Figure 3.  Detection and Elimination of Abnormal "Arc"

      首先,获得该扇区内所有波束同采样号回波点的平均值,并根据回波顺序绘制序列曲线如图 4(a)所示。可以看到,该序列中存在3个明显的异常区域(最前端的异常区域对应于图 3 (a)中扇形的圆心附近,“弧圈”不能明显看见,此处忽略),与图 3(a)中1、2、3所标记的异常“弧圈”基本对应。根据§1中的步骤(3),利用循环的方式确定一个局部最优的模型阶数。实验设定m的范围为3~20,循环结束条件$ {{\hat \sigma }_0}$= 3.5 dB,得到局部最优的模型阶数为8,残差中误差为3.3 dB。分别绘制拟合曲线如图 4(a)、残差曲线如图 4(b)所示。借助$k\hat \sigma $阈值判断异常“弧圈”位置时,k值需准确,k过大会使弱的“弧圈”影响被忽视,过小则引入不正确的“弧圈”。本文实验时设定k =1.5。从图 4(b)中可以看出,以1.5 $ {\hat \sigma }$作为阈值能够将图 3中1、2、3标注的位置检测出来。将检测到的“弧圈”进行滤除,并对所有扇区进行处理,得到“弧圈”的消除结果如图 3(a)右图所示,除了将1、2、3标记出的异常消除了以外,还将图 3(a)左图中不太明显的异常一并消除了(图 3(a)右图所示中标记4)。

      图  4  多项式拟合与异常探测

      Figure 4.  Polynomial Fitting and "Arc" Detection

      为了说明§1中的步骤(5)保留目标算法的有效性,选择如图 3(b)左图进行实验,λ取1.5,得到的结果如图 3(b)右图所示,将图 3(b)中虚线框标记区域进行放大得到图 5

      图  5  “弧圈”内部目标保留

      Figure 5.  The Retaining of Target Within the "Arc"

      图 5(a)5(b)表示局部目标区域的放大图像,图 5(c)对应于图 5(a)中红色虚线标示的异常“弧圈”中某一采样号的波束点序列。由图 5(b)可以看到,本文方法较完整地保留了处于异常“弧圈”内部的目标,维持了目标的连续性。图 5(c)是对目标保留算法的具体说明,序列中的峰值点能够较好地代表本“弧圈”的信息[21]。如果序列中所有点都在阈值线以下,说明本“弧圈”内部的强度具有较高的一致性,可认为“弧圈”是因外部声波直接被换能器接收产生,若部分点强度高于阈值线,则认为“弧圈”内很可能包含有目标,应将其保留。

      为了说明算法的有效性,统计了图 3(a)右图中检测到的1、2、3标记出的“弧圈”的原始平均强度,依次为-19.1 dB、-19.2 dB、-15.9 dB,而原始图像的平均强度为-35.6 dB,说明这几处确实存在强度异常,而本文方法能够很好地对其进行检测;另外,“弧圈”消除前,目标宽度约为15像素(图 5(a)),处理以后目标宽度约为13像素(图 5(b)),虽然损失了部分目标信息,但大部分的目标得以保留。

    • 图 3可以看到,尽管消除了“弧圈”的影响,水体影像依然不清晰,背景噪声的影响严重。在借助§2提出的图像交集和差集消噪方法进行消噪时需要设定阈值。若两图像对应像素点的强度差值小于该阈值,则认为二者反映的背景相同。

      阈值越大,背景图像中包含的信息越多,超过一定程度时,部分目标也会纳入到背景图像中,如果阈值较小,背景图像的提取会不完整,部分背景会留在结果图像中。本文通过实验来确定阈值,随机选择了若干不含目标图像,以连续的两个奇数ping(或偶数ping)为1组,总共选择了20组,统计了其对应像素回波强度的差异,结果如图 6所示。由图 6(a)可以看出,绝大部分像素的强度差异位于-2σ~2σ范围内,可以认为强度差在此范围内属于同一背景,故而可利用20组2σ的算术平均值即6.6 dB作为阈值。背景图像的获取过程如图 7所示。首先,分别将当前图像与其邻接的前、后图像做交集运算得到初步的背景,然后将两幅背景图像求交集得到最终的背景图像,再从当前图像中移去(图像差集)背景图像,得到去除背景噪声影响的水柱影像。

      图  6  不含目标图像的强度差异统计

      Figure 6.  Intensity Difference of Water Column Images Containing No Target

      图  7  3个连续奇数ping的背景消噪过程

      Figure 7.  The Procedure of Removing Background Noise in Three Continuous Odd Pings

      图 8给出了3个连续奇数ping和3个连续偶数ping的背景消噪结果,消噪后的图像中几乎不包含背景噪声(除了目标外,只包含少量较亮的像素点;另外,图像的PSNR值有显著提高),图像比较“干净”,水体中的目标(气柱)清晰可辨。以ping234为例,虚线框内包含一个分为3段的气柱,其前后ping图像中相同位置几乎不包含目标。通过图像交集运算时,目标区对应像素点的强度差异大于给定阈值,在背景图像中赋为黑色(对应强度值-64 dB),非目标区的强度差异较小,保留其强度值到背景图像;然后将ping234图像与背景图像做差集运算,此时非目标区的对应像素点间强度差异小于设定阈值,在结果图像中赋为黑色,而目标区内的强度差异大于阈值,保留其强度到结果图像。通过上述处理过程,能够较完整地提取出背景噪声图像,进而得到几乎只包含目标的高质量(较高的PSNR值)水体影像。表 1给出了消噪前后图像的PSNR值。

      图  8  3个连续奇数/偶数ping的背景消噪

      Figure 8.  Remove Background Noise in Three Continuous Odd/Even Pings

      表 1  图像质量评价(PSNR)

      Table 1.  Image Quality Assessment (PSNR)

      编号 原图PSNR 消噪后PSNR 提高百分比/%
      ping95 17.2 25.0 45.0
      ping97 17.4 26.5 52.2
      ping99 17.4 28.8 65.5
      ping232 17.8 29.6 65.8
      ping234 17.7 26.2 48.2
      ping236 17.8 28.4 59.6

      表 1可以看到,经过本文方法的处理,图像的PSNR指标得到了显著的提高,最大可到65.8%,此时,消噪后的图像灰度几乎不含亮点,与参考图像K(u, v)非常接近,故而能够得到较大的PSNR值。

      另外需要说明的是,参数选取不当,可能会对结果产生较大影响,在§3.1中,kλ值的选择比较关键,k过大或过小都会使“弧圈”定位受影响,λ过大会使目标受到损失,过小则会减弱消除效果;在§3.2中,阈值选择过大会使目标保留效果减弱,过小则会影响背景噪声的削弱效果。

    • 本文提出的基于噪声分布特点的异常“弧圈”消除方法、基于图像交集求取背景噪声和基于图像差集的背景噪声消除方法,以及联合二者的多波束水柱图像综合消噪方法,充分考虑了各类噪声的形成机理和特点,可以较全面地消除由第三方声呐干扰、旁瓣效应、水体环境等噪声给多波束水柱图像带来的影响,在改善水体图像质量的同时,也实现了水体中目标与背景的分离。将该综合消噪方法应用于实际的多波束水体图像处理中,实现了噪声的自动探测和消除,取得了较好的消噪结果,验证了本文提出的综合消噪方法的正确性和可行性。后续将对消噪后剩余的气柱目标的三维形态及其空间分布特点进行研究和分析。

参考文献 (22)

目录

    /

    返回文章
    返回