第3期 赵玉新，等：海底声呐图像智能底质分类技术研究综述 ·589· 1.2海底回波空间分布关系模型 提出的方法可以归纳为三大类：空间域方法、频 海底回波空间分布特征以多波束和侧扫声呐 率域方法以及其他变换域方法。 为主要探测设备，通过综合分析一定空间范围内 2.1空间域特征 的反向散射强度特征，判断海底底质的类型和表 空间域特征是指基于声呐图像灰度空间分布 层结构。Clarke等B.o提出利用反向散射强度随 特性的统计量。海底声呐图像的灰度变化在局部 波束入射角的变化曲线进行海底底质分类，实验 区域内具有不规则性，而在整体上又呈现出一定 证实不同类型的海底底质角度响应曲线的形状、 的规律性，这使图像中的不同区域可以依据概率 方差和幅值特征具有区分性，该方法在多波束底 统计特征和纹理特征进行识别，兼顾图像的宏观 质识别研究中受到广泛关注。Pace等山提出了 和微观结构特征6。 基于侧扫声呐图像纹理特征的海底沉积学类型自 2.1.1概率统计特征 动识别方法，初步验证了图像法在海底地质特征 声呐系统将接收到的回波强度转换为图像灰 分析中的有效性。此后，基于声呐图像的海底表 度，由于海底底质的反射系数有所差异，不同底 层地质属性识别技术迅速发展，谱特征)、灰度 质的声呐图像会呈现出一定的明暗变化。通常情 共生矩阵4)、参数化反射概率密度模型、神经 况下，声波反射能力强的底质类型回波强度值 网络及其优化模型、支持向量机、决策树6个 大，区域呈现亮色，声波吸收能力强的底质类型 等方法被应用在海底声呐图像识别中，显著提升 回波强度值小，区域呈现阴影区。为了表示海底 了海底底质识别的效率和准确度。 图像灰度值的平均水平和起伏情况，选取均值、 1.3海底回波波形关系模型 标准差、偏度、峰度、分位数描述海底声阻抗和界 海底回波波形特征以单波束测深仪和浅地层 面粗糙度变化s。假设样本图像1(x,y)的分辨率 剖面仪为主要的探测设备，声波到达海底后受硬 为N,×Ne,则各项统计量计算如下： 度、粗糙度、声阻抗等因素的影响，经过反射和散 1)均值。不同底质类型会形成起伏变化的反 射回到换能器，回波信号的振幅和相位发生变 向散射强度分布，可利用灰度均值表征底质对声 化，不同类型底质的回波呈现出独有特征。通过 波反射特性的平均水平： 分析入射海底的声脉冲信号的幅值、波形特征， 1 推断海底底质的类型和结构特性7。孟金生等s0 μ=1 N. 扫1扫1 提出利用高频正入射声脉冲估测海底表层沉积物 2)标准差。受海底起伏和表面粗糙度不均匀 的声衰减系数，从回波包络的形状提取声波传播 衰减的指数因子。Prager等s利用回声测深仪回 的影响，海底底质图像呈现出明暗变化，灰度值 标准差反映了反向散射强度相对平均值的总离 波的形状信息，提取直方图统计特征、能量特征、 散度： 谱特征和小波系数特征共166维的全特征向量， 利用主成分分析法对特征进行融合，在海试中验 证了该类方法的有效性。万宏俊2将多波束声 呐信号时域波形进行EMD分解，得到了信号瞬 NN 时频率分布图，并提取希尔伯特边际谱特征进行 3)偏度与峰度。偏度(s)是图像灰度分布偏 海底底质分类。 斜方向和程度的度量，用于表征概率密度曲线相 对于平均值不对称程度。峰度(k)表征了数据概 2海底声呐图像特征提取方法 率密度分布曲线在平均值处峰值高低的特性，描 述了分布形态的陡缓程度。 对海底反向散射强度数据按照地理位置信息 进行处理和拼接，可以得到海底的声呐图像，进 N,Ne (1(i,)-) 而以更加直观的形式对海底反向散射数据的空间 i=l l 特性进行分析。海洋环境噪声随机性强，水声信 NNσ3 道受到诸多时变和空变因素的影响，目标边界或 结构有较大的不规则性，仅利用单一的特征值难 i.- l 以准确地描述海底观测数据的特征，因此在水声 k= NN 图像识别中特征提取成为最为关键的技术。目 4)分位数。对海底底质图像灰度值分布函 前针对海底图像的特征提取问题，相关研究学者 数，采用四分位数作为分类特征量，包括第一四1.2 海底回波空间分布关系模型 海底回波空间分布特征以多波束和侧扫声呐 为主要探测设备，通过综合分析一定空间范围内 的反向散射强度特征，判断海底底质的类型和表 层结构。Clarke 等 [39-40] 提出利用反向散射强度随 波束入射角的变化曲线进行海底底质分类，实验 证实不同类型的海底底质角度响应曲线的形状、 方差和幅值特征具有区分性，该方法在多波束底 质识别研究中受到广泛关注。Pace 等 [41] 提出了 基于侧扫声呐图像纹理特征的海底沉积学类型自 动识别方法，初步验证了图像法在海底地质特征 分析中的有效性。此后，基于声呐图像的海底表 层地质属性识别技术迅速发展，谱特征 [42] 、灰度 共生矩阵[43] 、参数化反射概率密度模型[44] 、神经 网络及其优化模型[44] 、支持向量机[45] 、决策树[46] 等方法被应用在海底声呐图像识别中，显著提升 了海底底质识别的效率和准确度。 1.3 海底回波波形关系模型 海底回波波形特征以单波束测深仪和浅地层 剖面仪为主要的探测设备，声波到达海底后受硬 度、粗糙度、声阻抗等因素的影响，经过反射和散 射回到换能器，回波信号的振幅和相位发生变 化，不同类型底质的回波呈现出独有特征。通过 分析入射海底的声脉冲信号的幅值、波形特征， 推断海底底质的类型和结构特性[47]。孟金生等[48-50] 提出利用高频正入射声脉冲估测海底表层沉积物 的声衰减系数，从回波包络的形状提取声波传播 衰减的指数因子。Prager 等 [51] 利用回声测深仪回 波的形状信息，提取直方图统计特征、能量特征、 谱特征和小波系数特征共 166 维的全特征向量， 利用主成分分析法对特征进行融合，在海试中验 证了该类方法的有效性。万宏俊[52] 将多波束声 呐信号时域波形进行 EMD 分解，得到了信号瞬 时频率分布图，并提取希尔伯特边际谱特征进行 海底底质分类。 2 海底声呐图像特征提取方法 对海底反向散射强度数据按照地理位置信息 进行处理和拼接，可以得到海底的声呐图像，进 而以更加直观的形式对海底反向散射数据的空间 特性进行分析。海洋环境噪声随机性强，水声信 道受到诸多时变和空变因素的影响，目标边界或 结构有较大的不规则性，仅利用单一的特征值难 以准确地描述海底观测数据的特征，因此在水声 图像识别中特征提取成为最为关键的技术[53]。目 前针对海底图像的特征提取问题，相关研究学者 提出的方法可以归纳为三大类：空间域方法、频 率域方法以及其他变换域方法。 2.1 空间域特征 空间域特征是指基于声呐图像灰度空间分布 特性的统计量。海底声呐图像的灰度变化在局部 区域内具有不规则性，而在整体上又呈现出一定 的规律性，这使图像中的不同区域可以依据概率 统计特征和纹理特征进行识别，兼顾图像的宏观 和微观结构特征[54]。 2.1.1 概率统计特征 I(x, y) Nr ×Nc 声呐系统将接收到的回波强度转换为图像灰 度，由于海底底质的反射系数有所差异，不同底 质的声呐图像会呈现出一定的明暗变化。通常情 况下，声波反射能力强的底质类型回波强度值 大，区域呈现亮色，声波吸收能力强的底质类型 回波强度值小，区域呈现阴影区。为了表示海底 图像灰度值的平均水平和起伏情况，选取均值、 标准差、偏度、峰度、分位数描述海底声阻抗和界 面粗糙度变化[55]。假设样本图像 的分辨率 为 ，则各项统计量计算如下： 1) 均值。不同底质类型会形成起伏变化的反 向散射强度分布，可利用灰度均值表征底质对声 波反射特性的平均水平： µ = 1 NrNc ∑Nr i=1 ∑Nc j=1 I(i, j) 2) 标准差。受海底起伏和表面粗糙度不均匀 的影响，海底底质图像呈现出明暗变化，灰度值 标准差反映了反向散射强度相对平均值的总离 散度： σ = vuuuuuut ∑Nr i=1 ∑Nc j=1 (I(i, j)−µ) 2 NrNc s k 3) 偏度与峰度。偏度 ( ) 是图像灰度分布偏 斜方向和程度的度量，用于表征概率密度曲线相 对于平均值不对称程度。峰度 ( ) 表征了数据概 率密度分布曲线在平均值处峰值高低的特性，描 述了分布形态的陡缓程度。 s = ∑Nr i=1 ∑Nc j=1 (I(i, j)−µ) 3 NrNcσ3 k = ∑Nr i=1 ∑Nc j=1 (I(i, j)−µ) 4 NrNcσ4 4) 分位数。对海底底质图像灰度值分布函 数，采用四分位数作为分类特征量，包括第一四 第 3 期 赵玉新，等：海底声呐图像智能底质分类技术研究综述 ·589·