基于LOG算子的側掃聲吶海底線檢測

張濟博，潘國富，丁維鳳

(國家海洋局第二海洋研究所，浙江 杭州 310012)

基于LOG算子的側掃聲吶海底線檢測

張濟博，潘國富，丁維鳳

(國家海洋局第二海洋研究所，浙江 杭州 310012)

針對側掃聲吶數(shù)據(jù)采集的特點，提出了一種基于圖像邊緣檢測技術中LOG算子的海底線檢測新方法，用于準確檢測海底線從而對側掃聲吶資料進行斜距改正。通過實驗數(shù)據(jù)處理，表明該方法較傳統(tǒng)方法具有明顯的優(yōu)勢。

海底線檢測；LOG算子；灰度化；中值濾波

人類為了開發(fā)廣闊的海洋，首先必須了解海底地形和地貌，側掃聲吶為此提供了一個有效的手段。自從20世紀50年代英國科學家研究出側掃聲吶后，側掃聲吶取得了飛躍式的發(fā)展。目前，側掃聲吶在海洋地質調查研究、海底找礦、工程勘察、水下目標的檢測等方面都發(fā)揮著重要的作用。

在側掃聲吶圖像上，水體和海底掃測圖像之間存在著一條明顯的界線，這就是海底線，它的作用是表示拖魚至海底的高度[1],對其進行準確的檢測是進行斜距改正的關鍵。在數(shù)據(jù)采集時，所得到的資料中已經(jīng)記錄了拖魚的高度，但是由于目前的側掃聲吶是拖拽式的，水流和噪聲等對于拖魚的位置和姿態(tài)影響很大，造成記錄的拖魚高度不準確，尤其是在噪聲很強或者海底地形變化較大時。因此，直接采用記錄的拖魚高度進行斜距改正，效果是不好的，也會造成聲圖地理編碼時位置不準確，所以，有必要對于拖魚的實際高度進行檢測。

國際上比較著名的側掃聲納數(shù)據(jù)采集和處理軟件生產(chǎn)商Triton，Coda, Prism，Chesapeake等的商業(yè)軟件等[2-4]目前采用的海底線檢測的方法主要為最大振幅法和梯度法。為了解決在噪聲比較強干擾下的海底線檢測，還采用了人工干預設定初值等方法，來提高檢測結果。

這些方法沿用了地震勘探數(shù)據(jù)處理中初至波拾取的原理，而沒有考慮側掃聲吶數(shù)據(jù)采集的特點。地震上的初至波能量非常強，起跳明顯，但是側掃聲吶為了得到更大的掃描寬度，對于拖魚正下方的信號強度進行了壓制，海底線所對應的回波有時并不是很強。因此，采用現(xiàn)有的這些方法雖然在大多數(shù)情況下檢測結果是正確的，但是當海底線回波不是很強時，往往不能得到準確的檢測結果。針對此問題，本文引進了圖像處理上邊緣檢測中的高斯拉普拉斯算子（以下簡稱LOG算子）對海底線進行檢測，比較好的解決了這個問題。

1 基于LOG算子的側掃聲吶海底線的檢測

圖像最基本的特征是邊緣，所謂邊緣是指周圍像素灰度有階躍性變化或屋頂狀變化的那些像素點的集合，邊緣兩側灰度值的突變是進行邊緣檢測的基本條件。在側掃聲吶圖像上，海底線是水體和海底掃測圖像的界限，水體中回波強度極小，而海底回波比較強，這和圖像上邊緣檢測的基本思想是一致的，因此可以采用邊緣檢測的方法對側掃聲吶的海底線進行檢測。邊緣檢測的方法有很多，如基于梯度算子的邊緣檢測，基于小波分析的邊緣檢測，基于閾值的邊緣檢測，基于神經(jīng)網(wǎng)絡的邊緣檢測?？紤]到側掃聲吶的數(shù)據(jù)量較大，而且采集的數(shù)據(jù)中都含有噪聲，本文選擇效果比較理想的，運算量較小，并具有一定抗噪聲能力的LOG算子。

1.1 LOG算子的基本原理

LOG算子來源于Marr視覺理論中提出的邊緣提取思想，即首先對原始圖像進行最佳的平滑處理，從而對噪聲實現(xiàn)最大程度的抑制，再用拉普拉斯算子提取邊緣[5,6]。

式中“*”為卷積運算符。式(1)中的 是高斯分布的方差，它可以作為平滑因子，用于消除空間尺度小于 的圖像強度變化，數(shù)值越大，抑制噪聲效果越明顯，但是也會造成圖像的邊界變得模糊。

為了能夠提取圖像的邊緣，還需要用拉普拉斯算子來獲取平滑圖像的二階導數(shù)圖像M( x, y)：

由于二階微分運算和卷積運算都是線性的，因此M( x, y)也可以表示為：

式中：

式(5)即為LOG算子的表達式。

在實際應用時，往往采用式(4)的離散形式：

式中，pk,l為原始圖像的像素灰度值，為進行計算后得到的新的灰度值，K( m, n)為LOG算子的離散卷積核。本文選擇5× 5的LOG算子模板，為

LOG算子具有以下特點：

第一，通過高斯平滑處理，消除了一切尺度小于 的圖像強度變化；

第二，具有無方向性，可以節(jié)省計算量；

第三，定位精度高，邊緣連續(xù)性好，可以提取對比度較弱的邊緣點。

1.2 運用LOG算子進行海底線檢測

使用LOG算子對海底線進行檢測主要包括五個步驟：

第一，對側掃聲吶資料進行灰度化處理，使其滿足進行邊緣檢測的條件；

第二，利用LOG算子對處理后的資料進行運算；

第三，對于運算后的圖像進行二值化，提取海底線；

第四，對于提取的海底線進行中值濾波，剔除異常點；

第五，進行拉格朗日插值，計算邊緣幾Ping的海底線，得到最終的海底線。

目前的側掃聲吶數(shù)據(jù)記錄主要為XTF和QMIPS兩種格式[7]。這兩種格式記錄的回波信號強度，一般采用8比特或16比特表示。8比特表示的數(shù)值范圍為0～255；16比特表示的數(shù)值范圍為：0～65 535。現(xiàn)在一般轉換為256階灰度級[8-9]。對于8比特的情況，不需要進行其它換算過程，直接把信號強度作為灰度值對待就可以了，即

而對于16比特的情況，則需要進行灰度換算，采用式(8)進行換算：

回波強度轉換為灰度值后，即可用LOG算子對灰度值進行計算。為了使進行邊緣檢測處理后，能夠更加容易和準確的提取海底線，對進行完LOG算子計算后的圖像，設定合適的閾值，進行二值化，這樣可以避免由于側掃聲吶掃測圖像上振幅強度更大點的干擾(例如基巖)而檢測到其它的點。

所謂二值化，就是指圖像上的所有點的灰度值只有兩種可能，0和255，也就是整個圖像呈現(xiàn)出明顯的黑白效果。為了得到理想的二值圖像，一般采用閾值分割技術，它對物體與背景有較強對比的圖像的分割特別有效，計算簡單而且總能用封閉、連通的邊界定義不交疊的區(qū)域。所有灰度大于或等于閾值的像素被判決為屬于物體，灰度值用255表示，否則這些像素點被排除在物體區(qū)域以外，灰度值為0，表示背景。這樣一來物體的邊界就成為這樣一些內(nèi)部的點的集合，這些點都至少有一個鄰點不屬于該物體。閾值可以通過灰度直方圖來確定。進行二值化后，提取每Ping第一個灰度值為255的點，即可得到海底線。

雖然進行了高斯平滑處理去除了一部分噪聲，但是水體中還殘留了一些噪聲，這會造成提取出來的海底線有一些異常點，可以選用中值濾波對得到的海底線進行濾波，消除異常點。

中值濾波是由J W Juley于1971年首先提出并應用在信號處理技術中的。它的原理是，取一個滑動窗口，窗口內(nèi)的各點的值按照大小排列后，取中值來代替指點的值。在一維情況下時，對于奇數(shù)個元素，中值就是把窗口內(nèi)的值按從小到大的順序排列，取中間的數(shù)作為當前點濾波后的結果。對于偶數(shù)個元素，中值是指排序后中間兩個元素值的平均值。

中值濾波可以有效消除異常點。其公式可以表述為

式中：Sf(x,y)為當前點f(x,y)的鄰域。本文選用9× 1模板的中值濾波器對得到的海底線進行濾波。圖1和圖2為未進行中值濾波的海底線和進行完中值濾波的海底線比較。

圖1 未進行中值濾波的海底線Fig. 1 Not being median filtered bottom track

圖2 進行了中值濾波的海底線Fig. 2 Median filtered bottom track

從上面兩幅圖中，可以看出中值濾波沒有改變海底線的形狀，而且有效的消除了異常點。

無論是運用LOG算子進行運算，還是對海底線進行中值濾波，可以發(fā)現(xiàn)沒有對邊緣幾Ping數(shù)據(jù)進行計算，這幾個Ping提取的海底線位置是不準確的，因此需要進行插值以計算出這幾個Ping的海底線位置，本文選用拉格朗日插值，這樣就可以得到最終的海底線。

側掃聲吶在采集數(shù)據(jù)時高頻低頻同時工作，而每個頻段又分為左舷和右舷兩部分。因此在進行海底線檢測時，可以對同一個頻率的左舷和右舷同時檢測，得到兩條海底線，然后選取效果更好的一條海底線，利用它進行水體剔除和斜距改正。

2 應用LOG算子進行海底線檢測的效果分析

為了檢驗本文方法的檢測效果，使用本文方法對某海區(qū)的側掃聲吶資料進行海底線檢測，并與側掃聲吶數(shù)據(jù)處理軟件Trion Isis的檢測效果進行對比。圖3至圖7為采用本文方法以及Trion Isis的海底線檢測結果圖。

圖3 原始側掃聲吶圖像Fig. 3 Original side-scan sonar image

圖4 原始側掃聲吶數(shù)據(jù)記錄的海底線Fig. 4 Original side-scan sonar data recorded bottom track

圖5 Triton Isis采用Amplitude方法檢測得到的海底線Fig. 5 Bottom track for Triton Isis with Amplitude method

圖6 Triton Isis采用Gradient方法檢測得到的海底線Fig. 6 Bottom track for Triton Isis with Gradient method

圖7 采用本文方法檢測得到的海底線Fig. 7 Bottom track with the method applied in this paper

本文所使用的方法在Windows XP環(huán)境下使用VC6.0編譯通過，圖3和圖7為VC生成的圖像，圖4、圖5和圖6為Triton Isis生成的圖像，由于TVG調整參數(shù)設置的不同，圖像顯示效果略有差異。需要說明的是為了使灰度和人們的思維相符，同時容易識別目標，在生成圖像時進行了反色運算，這樣回波弱的，灰度值大，亮度高，而回波強的，反而灰度值小，亮度低。

圖3為原始的側掃聲吶資料生成的圖像,為了突出邊緣，將TVG調高。從圖中可以看出，上半部分的海底線回波比較弱，相應的灰度值比較大，亮度較高，下半部分海底線回波強度增強，對應的灰度值變小，亮度變低；圖4為側掃聲吶采集時所記錄的海底線位置，可以看出上半部分回波弱的海底線偏離實際位置，下半部分回波比較強的的海底線位置則基本準確的；圖5為Isis軟件采用Amplitude方法的檢測結果，可以看出檢測得到的海底線比原始記錄中的海底線位置要準確一些，但是對于上半部分回波弱的海底線并沒有檢測到準確的位置；圖6為Isis軟件采用Gradient方法得到的檢測結果，可以看出不僅不能對回波比較弱的上半部分的海底線進行準確的檢測，而且對下半部分回波比較強的海底線檢測得到的位置也有些偏差；圖7為采用本文方法檢測所得到的海底線位置，可以看出不僅對下半部分回波強的的海底線能夠準確的檢測到其位置，而且對上半部分回波比較弱的海底線也能夠準確的檢測到其位置。

通過本文方法與Triton Isis的所使用的Amplitude 和Gradient方法檢測得到海底線的結果以及與原始圖像的對比，可以看出本文方法是可行的，準確的，即使當海底線回波比較弱時，依然能夠得到很好的檢測效果。

3 小 結

邊緣檢測是數(shù)字圖像處理中一項常用的技術，主要用于銳化圖片的邊緣輪廓，提取圖片特征，廣泛應用于自動交通監(jiān)控系統(tǒng)、保安系統(tǒng)等。本文利用海底線作為側掃聲吶水體和掃測圖像邊界的特點，結合邊緣檢測中的LOG算子，提出了一種新的海底線檢測技術，比較好地解決了回波比較弱的海底線檢測問題。

經(jīng)過進一步研究發(fā)現(xiàn)，LOG算子也是有一定局限性的。LOG算子對于邊緣變化比較敏感，在水深變化劇烈或者邊緣比較弱時，即使有一些噪聲，也可以得到很好的效果；但是當水體噪聲非常強時，效果不好，這主要是因為高斯平滑濾波器只能消除尺度小于平滑因子 的強度變化，不能消除所有的噪聲，當水體噪聲非常強，則會誤把噪聲提取為海底線，難以得到準確的檢測結果。這時要人工設定檢測的起始點，并選取左右兩舷中噪聲相對較弱的一側進行檢測，才能得到比較好的檢測效果。

[1] 許楓, 從鴻文. 側掃聲吶聲圖判別 [J]. 海洋測繪. 2001, 1: 58-61.

[2] Alberto Malinverno, Magro H.Edwards, William B F Ryan.Processing of SeaMarc Swath Sonar Data [J]. IEEE Journal of Oceanic Engineering, VOL.15, No.1, January 1990: 14-23.

[3] Triton Elics International, Inc. Isis Sonar User’s Manual [M]. 2004.

[4] Chesapeake Technology, Inc. Sonar Wiz. Map User’s Guide [M].2007.

[5] William K. Pratt著, 鄧魯華, 譯. 數(shù)字圖像處理 [M]. 北京: 機械工業(yè)出版社, 2005.

[6] 張?zhí)l(fā), 程東旭, 石瑞銀. 基于LOG算子的一種新的邊界輪廓線提取方法 [J]. 計算機工程與應用. 2008, 44(22): 183-185.

[7] 李軍, 滕惠忠. 側掃聲吶數(shù)據(jù)的格式轉換及應用 [J]. 海洋測繪.2002, 22 (2): 36-38.

[8] 鄧雪清, 滕惠忠, 鞏丹超, 等. 側掃聲吶圖像幾何糾正技術研究[J]. 解放軍測繪研究所學報. 2002, 23(1): 42-45.

[9] 李勝全, 滕惠忠, 凌勇, 等. 側掃聲吶圖像實時增強技術 [J]. 應用聲學. 2006, 25(5): 284-289.

Bottom track method in side- scan sonar data processing based on LOG operator

ZHANG Ji-bo, PAN Guo-fu, DING Wei-feng
(The Second Institute of Oceanography, SOA, Hangzhou 310012, China)

Aiming at side-scan sonar data acquisition specialty, the paper introduces a new bottom track method based on LOG operator for image edge detection. It can be used in accurate bottom track so as to make the slant range correction to the side-scan sonar data. The processed results of the actual data show that the method shows obvious advantages compared with the traditional track methods.

bottom track; LOG operator; gray processing; median filtering

P716＋.1

A

1001-6932(2010)03-0324-05

2009-04-30；

2009-10-28

中國海洋大學海底科學與探測技術教育部重點實驗室資助（2008-05），國家海洋局第二海洋研究所基本科研業(yè)務費專項資助（SZ0812）

張濟博，(1984－)，男，碩士，主要從事海洋工程地球物理技術研究。電子郵箱：eastchina10@163.com