淤泥質(zhì)海底航道邊坡失穩(wěn)滑塌聲紋特征分析

張存勇

（江蘇海洋大學 海洋技術(shù)與測繪學院，江蘇 連云港 222005）

淤泥質(zhì)海底航道邊坡失穩(wěn)滑塌通常會導致航道變形、變淺，直接影響航道的安全運營。由于淤泥質(zhì)海域海水具有良好的導電性、極強的吸熱能力和極差的透光性，使得雷達、紅外線望遠鏡、衛(wèi)星遙感技術(shù)等依賴于激光、電磁波傳播的探測技術(shù)無法對海底沉積層進行高效探測，而聲波在固體和液體中較強的穿透能力和相對較小的衰減使其在海底沉積物探測中發(fā)揮著重要作用（Urlaub et al，2018；張存勇，2019）。海底航道邊坡失穩(wěn)滑塌時內(nèi)部結(jié)構(gòu)的變化會對聲波的傳播產(chǎn)生一定的影響，通過觀測并分析邊坡沉積層對聲波的不同反應可以了解其內(nèi)部結(jié)構(gòu)變化（周建平等，2007）。

淺地層剖面探測是利用聲波在海水和海底沉積物中的傳播和反射特性對海底沉積物進行連續(xù)探測，從而獲得直觀的海底淺部地層結(jié)構(gòu)剖面的一種海底聲學探測技術(shù)，能提供一套直觀、連續(xù)的海底剖面聲學記錄圖像，當沉積物的成分、結(jié)構(gòu)和密度等因素發(fā)生變化時，聲波在其中也會發(fā)生相應的變化（盧博等，1993；Hamilton et al，1982）。因此，淺地層剖面聲圖中包含海底航道邊坡內(nèi)部聲紋變化的信息，可以利用這些信息探測相應沉積層的結(jié)構(gòu)、致密程度和完整程度等特征，進而實現(xiàn)對航道邊坡內(nèi)部結(jié)構(gòu)變化的識別。目前，淺地層剖面聲學圖像信息大部分還停留在定性描述層面，聲圖中隱含的規(guī)律尚未被充分揭示。

紋理是圖像的一個重要屬性，它是圖像像素顏色或灰度在空間以一定形式變化而反映圖像中同質(zhì)現(xiàn)象的特征，包含了內(nèi)部結(jié)構(gòu)組織排列的重要信息（Haralick et al，1973）。任何圖像都可以看作三維空間中的一個曲面，在三維空間中，相鄰一定長度間隔的兩個像素具有相同或不同的灰度級（陳成鋼等，2014），灰度共生矩陣從紋理的空間結(jié)構(gòu)提供了圖像方向、間隔和變化幅度的信息，是最常用的二階紋理分析方法（賈世英等，2016）。目前這種方法已被廣泛運用于目標動態(tài)監(jiān)測（吳剛等，2010）、河道紋理（王治國等，2012）、木材紋理識別（白雪冰等，2005）、皮膚紋理檢測（郭航等，2010） 及地震數(shù)據(jù)空間結(jié)構(gòu)（朱石磊 等，2012）等紋理圖像的分析和表征，但鮮有利用灰度共生矩陣對海底航道邊坡失穩(wěn)滑塌過程淺地層剖面聲學圖像特征進行研究的報道。

本文利用灰度共生矩陣計算淤泥質(zhì)海底航道邊坡失穩(wěn)滑塌過程聲學圖像紋理特征值，通過聲圖紋理特征定量分析航道邊坡內(nèi)部結(jié)構(gòu)變化，同時利用小波多尺度分析聲紋時空變化，以期對航道邊坡失穩(wěn)滑塌的預測預警起到一定作用。

1 材料與方法

1.1 室內(nèi)實驗

由于很難在現(xiàn)場獲得一個完整的海底航道邊坡失穩(wěn)滑塌過程，因此采用室內(nèi)模擬方法，利用在連云港淤泥質(zhì)海底航道中采取的沉積物，在水槽中建立航道邊坡模型，模擬航道邊坡在動力作用下失穩(wěn)滑塌過程（圖1）。航道邊坡模型坡度45毅，高度130 cm，采用SES-2000 參量陣淺地層剖面儀對航道邊坡失穩(wěn)滑塌過程進行連續(xù)探測。為了獲取航道邊坡失穩(wěn)滑塌過程中內(nèi)部結(jié)構(gòu)變化，儀器換能器對航道邊坡坡肩進行定點連續(xù)觀測，采樣周期為1 s。利用差頻技術(shù)，參量陣聲吶發(fā)射低頻聲波，低頻設置為15kHz，為了確保頻率盡可能高，將最大頻率設置為系統(tǒng)默認值。采用推波板和潛水泵模擬波浪和海流產(chǎn)生的水動力。分別模擬了潮流和波流作用下邊坡失穩(wěn)滑塌過程，由于波浪產(chǎn)生的高濁度，采用效果最好的潮流作用下航道邊坡失穩(wěn)滑塌過程不同階段聲學圖像。為了便于實現(xiàn)對邊坡失穩(wěn)滑塌的模擬，設置的邊坡角度和流速（0.5 m/s）均比實際要大。測量過程中，系統(tǒng)將所有原始數(shù)據(jù)存儲在芯片中，通過信號處理技術(shù)對回波信號進行放大和濾波等處理后，形成以不同色彩顯示的淺地層剖面聲圖，據(jù)此建立淤泥質(zhì)海底航道邊坡失穩(wěn)滑塌全周期過程不同階段聲學圖像。為了便于研究航道邊坡失穩(wěn)滑塌過程的沉積聲紋變化，利用SES-2000 后處理軟件對原圖像進行了裁剪。對于一幅m伊n 像素大小的淺地層剖面聲圖，可將其視作一個m伊n 矩陣，矩陣中每個元素對應一個像素點，元素的值就是聲強的大小。利用SES-2000 淺地層剖面儀后處理軟件直接從淺地層剖面圖像中提取聲強數(shù)據(jù)。

圖1 實驗裝置和邊坡示意圖

1.2 灰度共生矩陣

圖像灰度共生矩陣用于描述某方向上間隔一定距離的一對像素灰度出現(xiàn)的統(tǒng)計規(guī)律，通過研究圖像灰度分布與變化規(guī)律、灰度值的局部特征，以具體的特征參數(shù)量化描述肉眼無法感觀的圖像紋理特征。具體方法為：設圖像的灰度級為L，灰度共生矩陣的大小為L伊L，從圖像灰度為i 的像元出發(fā)，統(tǒng)計與其距離為d，灰度為j 的像元在特定方向的頻度p （i，j），通常取0毅、45毅、90毅、135毅方向。由于很難對矩陣進行定量解釋，Haralick 等（1973）總結(jié)了14 個特征參數(shù)來度量紋理特征，其中能量（ASM）、對比度（CON）、逆差矩（HOM）、相關(guān)度（COR）等是進行紋理分析的主要參數(shù)（Ulaby et al，1986；Baraldi et al，1995），其計算公式分別為：

式中 滋i、滋j 為灰度共生矩陣行和列的均值，滓i、滓j 為行和列標準差。本文采用16伊16 窗口，特征距離d =1，計算0毅、45毅、90毅、135毅四個方向特征值，再將所有子窗口特征值平均，從而得到圖像聲紋的特征向量。

1.3 小波多尺度分析

小波分析是一種信號的時頻分析方法，其基本思想是將原始信號分解成一系列頻域的信號，同時具有時域和頻域的良好局部性質(zhì)，能夠反映信號的局部變化特征及其內(nèi)在層次結(jié)構(gòu)，不僅可以對信號進行多尺度細化分析，還具有突變點檢測能力。通過伸縮和平移運算，多尺度分析能將信號分解為子空間中的近似部分和細節(jié)部分，即分解為f（t）=ai+移di，其中ai是小波分解后各層信號的低頻近似部分，di是小波分解后各層信號的高頻細節(jié)部分（Mallat，1989）。本文利用sym5 小波函數(shù)對航道邊坡失穩(wěn)滑塌過程淺地層剖面聲學圖像中的聲強時間序列和垂向空間序列進行多尺度分解，進一步對其聲紋變化進行分析。

2 結(jié)果與討論

2.1 海底航道邊坡失穩(wěn)滑塌聲紋特征

圖2 為海底航道邊坡失穩(wěn)滑塌過程典型聲紋變化。由圖可以看出，航道邊坡失穩(wěn)滑塌前聲紋總體為近平行紋理（圖2a），在失穩(wěn)滑塌過程中聲紋逐漸發(fā)生變化，由平行紋理開始變得粗糙、不規(guī)則，強度變得不均勻，間距變化明顯，出現(xiàn)聲紋斷裂現(xiàn)象，但聲紋整體還保持近平行紋理（圖2b），隨著邊坡失穩(wěn)強度增大，聲紋出現(xiàn)絨毛狀、分叉、斷裂，然后繼續(xù)變粗糙，強度變大，不均勻（圖2c），伴隨著聲紋強度逐漸變大，出現(xiàn)波紋狀（圖2d）。隨著時間的延續(xù)，不同紋理之間出現(xiàn)交叉分離、合并，強度變大（圖2e）。邊坡上部聲紋不連續(xù)，出現(xiàn)波動，強度間斷變化，底部聲紋出現(xiàn)變形（圖2f）。聲紋強度向下部變化，邊坡發(fā)生失穩(wěn)（圖2g），反射不連續(xù)。失穩(wěn)后聲紋強度變化不規(guī)則，聲紋變粗，部分聲紋又恢復失穩(wěn)前狀態(tài)（圖2h）。綜上所述，聲紋形象地反映了海底航道邊坡失穩(wěn)滑塌過程及其動態(tài)變化，展示了滑塌過程的內(nèi)部變化規(guī)律，為利用聲紋研究航道邊坡失穩(wěn)滑塌提供了依據(jù)。

圖2 航道邊坡失穩(wěn)滑塌前（a）、滑塌中（b—g）、失穩(wěn)后（h）典型聲圖聲紋

2.2 聲圖紋理特征值分析

灰度共生矩陣通過紋理參數(shù)反映圖像的信息（Haralick et al，1973）。表1 為航道邊坡失穩(wěn)滑塌過程中淺地層剖面聲學圖像的對比度、能量、相關(guān)度、逆差距紋理參數(shù)。對比度體現(xiàn)圖像紋理清晰度，反映矩陣像素值的分布及其局部變化程度，值越大，紋理越明顯，值越小，紋理效果越不明顯。表1 表明四個方向的對比度變化趨勢基本一致，水平方向?qū)Ρ榷茸兓秶鸀?0.465耀29.313，45毅和135毅方向?qū)Ρ榷茸兓秶謩e為31.215耀38.456 和30.470耀37.550，垂向?qū)Ρ榷茸兓秶鸀?9.838耀35.964，四個方向中水平方向?qū)Ρ榷茸畹?，垂向?qū)Ρ榷却沃?。邊坡失穩(wěn)滑塌前對比度較低，隨著邊坡失穩(wěn)滑塌，對比度呈逐漸增加趨勢，邊坡失穩(wěn)滑塌時對比度變小，失穩(wěn)滑塌后對比度變大。能量是圖像灰度分布均勻程度和紋理粗細的度量，紋理越粗能量越大。當圖像紋理細致均勻時，能量值較小。

表1 中四個方向能量總體變化趨勢基本一致，水平方向和垂直方向能量變化范圍分別為0.156耀0.183 和0.119耀0.141。邊坡失穩(wěn)滑塌前能量總體偏小，反映邊坡內(nèi)部各方向受外界應力較均勻，圖像強度分布相對均勻。邊坡失穩(wěn)滑塌過程中，能量變化明顯，圖像紋理逐漸變粗糙，邊坡失穩(wěn)滑塌時能量最大，尤以水平方向變化最顯著，最大值為0.183，邊坡滑塌后能量又變小。

相關(guān)度是圖像在特定方向上的相似度，指示紋理主要方向，反映圖像中局部灰度相關(guān)性，其值越大相似度越高。四個方向相關(guān)度總體變化趨勢較一致，水平方向和垂直方向變化范圍分別為0.385耀0.529 和0.259耀0.306。邊坡失穩(wěn)滑塌前，相關(guān)度總體較小，隨著邊坡失穩(wěn)滑塌，相關(guān)度呈增大趨勢，邊坡失穩(wěn)滑塌時相關(guān)度變大，邊坡滑塌后相關(guān)度變小。

逆差矩反映紋理的同質(zhì)性或規(guī)則程度，度量紋理局部變化的多少，其值越大，紋理越規(guī)則，值越小，紋理越雜亂。四個方向逆差距變化趨勢基本一致，水平方向變化范圍為0.638耀0.696，其他三個方向較一致。邊坡失穩(wěn)滑塌過程中，逆差距變化幅度較小，反映邊坡內(nèi)部變化多，局部不均勻，失穩(wěn)滑塌時逆差距變大，失穩(wěn)滑塌后逆差距變小。

總體上，對比度、能量、相關(guān)度和逆差距分別從不同方面反映了淺地層剖面圖像聲紋的清晰度、紋理粗細、主要方向和規(guī)則性（表1），以定量的形式顯示其內(nèi)在異質(zhì)性，實現(xiàn)人眼無法識別的信息。能量、相關(guān)度和逆差距三個特征值在水平和垂直方向明顯大于對角方向。能量與相關(guān)度隨方向變化明顯。因此，紋理粗細、紋理方向和紋理規(guī)則性是航道邊坡失穩(wěn)滑塌過程淺地層剖面聲圖紋理的主要特征，在邊坡失穩(wěn)滑塌過程中具有明顯的差異。航道邊坡在其失穩(wěn)滑塌過程中，必然引起邊坡沉積物空間結(jié)構(gòu)和密度等因素的變化，聲波在其中也會發(fā)生相應變化，相應地在航道邊坡淺地層剖面圖像上形成一種特殊的航道邊坡失穩(wěn)滑塌過程聲學紋理。邊坡失穩(wěn)前，內(nèi)部變化較小，隨著邊坡失穩(wěn)滑塌，內(nèi)部應力發(fā)生變化，局部應力變大，灰度共生矩陣內(nèi)部聲強灰度數(shù)據(jù)逐漸變化，在邊坡失穩(wěn)滑塌時變化明顯。這些結(jié)果表明利用灰度共生矩陣提取出的紋理特征值能夠反映航道邊坡失穩(wěn)滑塌過程，可以作為航道邊坡失穩(wěn)滑塌過程的重要參數(shù)。不同階段航道邊坡失穩(wěn)滑塌參數(shù)不同，可以利用這些參數(shù)對邊坡穩(wěn)定性進行識別判定，實現(xiàn)預測預警。

表1 航道邊坡失穩(wěn)滑塌過程聲圖紋理特征值

2.3 聲圖聲紋值變化規(guī)律

由于灰度共生矩陣特征參數(shù)是圖像聲紋的均值，為進一步刻畫聲紋特征的時空變化，采用小波多尺度分解方法對聲紋變化規(guī)律進行分析。

2.3.1 聲強時間序列多尺度分析

在航道邊坡失穩(wěn)滑塌過程中，邊坡沉積物內(nèi)部結(jié)構(gòu)發(fā)生變化，聲圖時間序列內(nèi)部蘊含著聲強的變化趨勢。為了分析聲強隨時間的變化規(guī)律，對邊坡從上至下的表、中、底三個典型部位聲強時間序列進行3 層小波分解得到各層低頻成分和高頻成分（圖3—圖5）。圖中s 為聲圖中原聲強時間變化序列，a3 為小波分解后的低頻成分，反映了聲強時間序列的變化趨勢，d1、d2、d3 分別為小波分解后各層高頻成分，反映了聲強的細節(jié)特征。從圖中可以看出，經(jīng)小波多尺度分解后，邊坡表、中、底三個部位聲強時間序列被分解為反映聲強變化概貌特征的低頻成分和反映聲強細節(jié)變化的高頻成分。低頻成分大致保持了原聲強的起伏變化特征，高頻成分變化的幅度和頻率突出聲強的小幅變化，更清楚地反映了聲強細節(jié)，并使聲強變化差異更明顯。聲強時間序列被分解的尺度越高，各層信號的震蕩變化也相對越平穩(wěn)。隨著航道邊坡失穩(wěn)滑塌過程，表層聲強時間序列變化逐漸變大，高頻細節(jié)震蕩明顯，中層聲強時間序列變化由不明顯逐漸增強，高頻細節(jié)震蕩劇烈，底層聲強時間序列變化強度較弱，高頻細節(jié)震蕩顯著。聲強時間序列通過不同尺度下的分解呈現(xiàn)了動態(tài)特性。這些特征為深入理解航道邊坡失穩(wěn)滑塌過程，通過不同深度聲強變化強度、劇烈程度、突變點為邊坡失穩(wěn)滑塌預測預警提供了依據(jù)。

圖3 表層聲強時間序列小波多尺度分解

圖4 中層聲強時間序列小波多尺度分解

圖5 底層聲強時間序列小波多尺度分解

2.3.2 聲強垂向序列多尺度分析

聲圖中聲強大小的空間變化決定了聲紋的特征。垂向聲強變化是航道邊坡失穩(wěn)滑塌過程主要方向之一，因此將聲學圖像垂向聲強變化作為一個序列，對航道邊坡失穩(wěn)滑塌前、中、后三個典型時刻垂向聲強變化序列分別進行3 尺度小波分解，圖6—圖8 分別為航道邊坡失穩(wěn)滑塌前、中、后垂向聲強變化序列分解結(jié)果，圖中s 為垂向聲強變化序列，a3 為小波分解后的低頻成分，d1、d2、d3分別為小波分解后的各層高頻細節(jié)成分。由圖可以看出，邊坡失穩(wěn)滑塌前、中、后垂向聲強變化具有多個波峰，根據(jù)這些聲強變化很難識別失穩(wěn)滑塌的階段，但是這些變化均表現(xiàn)出在某一深度處聲強具有強烈的震蕩特征，并且在失穩(wěn)滑塌過程的不同階段，聲強波動的深度發(fā)生了變化。航道邊坡失穩(wěn)滑塌前（圖6），聲強變化相對較小，震蕩變化深度較大。邊坡失穩(wěn)滑塌過程中（圖7），聲強強度增加，高頻震蕩變化劇烈，主要發(fā)生在淺部。邊坡失穩(wěn)滑塌后（圖8），聲強強度變化又基本恢復滑塌前的強度大小，震蕩變化深度較淺。因此，邊坡內(nèi)部垂向聲強變大并向邊坡淺部移動，是邊坡失穩(wěn)滑塌前的征兆。

圖6 邊坡滑塌前聲強垂向序列小波多尺度分解

圖7 邊坡滑塌中聲強垂向序列小波多尺度分解

圖8 邊坡滑塌后聲強垂向序列小波多尺度分解

3 結(jié)論

海底航道邊坡失穩(wěn)滑塌過程的不同階段淺地層剖面圖像聲紋特征不同，邊坡失穩(wěn)滑塌前，主要由近平行的聲紋組成。隨著邊坡失穩(wěn)滑塌，聲紋逐漸發(fā)生變化，由平行聲紋逐漸變得粗糙、不規(guī)則，強度不均勻，間距變化明顯。邊坡失穩(wěn)后聲紋變粗，聲紋強度變化不規(guī)則，發(fā)生斷裂。

對淤泥質(zhì)海底航道邊坡失穩(wěn)滑塌過程淺地層剖面圖像采用灰度共生矩陣法提取能量、對比度、相關(guān)度、逆差距四個聲紋特征值進行量化比較分析，四個特征參數(shù)在邊坡失穩(wěn)滑塌過程中具有明顯的差異，水平和垂向變化大于對角方向，水平方向波動最顯著，能量和相關(guān)度隨方向變化較大，反映了航道邊坡失穩(wěn)滑塌過程中的內(nèi)在異質(zhì)性。

在航道邊坡失穩(wěn)滑塌過程中，邊坡沉積物內(nèi)部結(jié)構(gòu)發(fā)生變化，剖面聲圖包含航道邊坡失穩(wěn)滑塌變化趨勢，小波多尺度分解將滑塌過程淺地層剖面圖像聲強時間序列和垂向空間變化分解到不同尺度空間，突出了聲強局部變化特征及其在各尺度中變化的強弱分布和突變點位置，克服了常規(guī)方法難以分析的困難，對突變點異常識別以及深入研究航道邊坡失穩(wěn)滑塌過程具有重要意義。

致謝：江蘇海洋大學海洋技術(shù)專業(yè)本科生王鑫、徐江、王遠、馮佳文、劉兆元等同學，海洋資源開發(fā)技術(shù)專業(yè)本科生劉天鵬、李天銀、常天宇等同學參加了野外和實驗工作，在此一并致謝！