下载掌阅APP，畅读海量书库
立即打开
侧扫声呐通过斜入射方式向水底发射波束扇面，通过记录回波信号的到达时间和强度进行水底成像。
侧扫声呐系统主要由侧扫声呐主机、记录计算机、缆线、电源构成的甲板系统和载有换能器的拖鱼以及拖缆构成，并配有用于定位的GPS设备。为提高定位精度，一些侧扫声呐可选配超短基线系统、姿态传感器、回声测深仪等其他辅助设备 [130] 。
侧扫声呐数据采集时，换能器呈一定角度向水底发射特定频率的声波，其水平波束（航行方向上）较窄而垂直波束（垂直于航向方向上）很宽，从而形成垂直于水底的波束扇面。该波束扇面的一部分与水底相互作用并返回换能器，回波信号按时间顺序依次返回，被换能器接收并转化为电信号传递给主机，经过信号的解算得到波束扇面与水底交线上各位置的回波强度信息（图2—5）。
图2—5 侧扫声呐成像原理示意图
现代侧扫声呐数据的记录主要采用计算机、便携式工作站等设备实时进行。数据采集计算机上需安装侧扫声呐厂商提供的专用记录软件或通用数据采集软件，将数据记录为特定的文件格式，如常用的Qmips和XTF格式等。侧扫声呐测量时采集的主要数据包括回波强度信息、导航与定位信息，还包括用于预处理的辅助数据，如拖鱼高度、姿态数据、测深信息、通道信息、注释信息等 [15] 。
侧扫声呐换能器不断发射声信号并按照时序记录接收的声信号，将每次发射对应的接收信号按照特定的色彩映射规则显示为一行像素，称为“扫描线” [131] 。随着侧扫声呐沿航向运动，将这些像素逐行排列，这样构成的图像称为“瀑布图”（图2—6）。瀑布图每一个像素位置与回波到达的时刻相对应，像素灰度（或对应的色彩）与回波信号的强度对应。通常瀑布图有4条特征线，分别为零位线、水/海面线（侧扫声呐的换能器副瓣较小时，不易出现水/海面线）、水底线和扫描线。
侧扫声呐系统记录的瀑布图一般不包含显式的地理坐标信息，原始信号从零位线由近及远逐渐减弱，因此需要进行预处理才能形成带有地理坐标信息的地貌图像，再进行底质分类等后续应用。多源声学数据在形成完整的带有空间坐标信息的图像之前，整个数据处理过程可称为预处理过程。侧扫声呐图像的预处理过程如图2—7所示，主要包括增益均衡，斜距改正，滤波消噪，航迹、航向和航速信息提取，地理编码，图像插值和图像镶嵌 [21][131] 。
图2—6 侧扫声呐瀑布示意图
图2—7 侧扫声呐图像预处理流程示意图
侧扫声呐图像的预处理主要采用计算机、图形工作站等设备完成，一些侧扫声呐厂商提供了专用软件用于数据记录和简单的预处理，一些通用软件如Triton Survey、OIC Clean Sweep、Qinsy、EIVA、Caris HIPS and SIPS、HYPACK HySweep、Fledermaus等也可支持多种型号侧扫声呐的数据预处理 [130] 。需要注意的是，侧扫声呐图像经过预处理虽然在视觉上更有利于人工判别，但一些虚假信息也可能在处理过程中被引入。目前侧扫声呐数据预处理还需要大量人工操作才能达到较理想的精度和效果。
经过预处理的侧扫声呐图像是明暗相间的灰度（或根据灰度值转换为彩色）图像。除了未被波束覆盖的区域，每个像素的值都对应相应空间位置上的信号强度。以下讨论侧扫声呐图像的灰度与水底反向散射强度和水底地形的关系，并讨论侧扫声呐图像的空间分辨率和位置精度。
（1）图像灰度与水底反向散射强度的关系。为便于理论分析，现将公式[见式（2—36）]抄录如下。
根据侧扫声呐图像获取与预处理方法可知，侧扫声呐原始数据记录对应于上式中的 DT 项；增益均衡过程粗略地消除了传播损失 TL 项和声波指向性 DI 项联合造成的差异；滤波消噪过程也常常采用均值滤波、通道滤波等方式近似地消除了噪声级 NL 项；侧扫声呐水平波束宽度较小（通常为1°或小于1°），因此波束在水底投射面积 AE 项的差异对 BS 0 项的影响较小；对于同一型号的侧扫声呐设备在相同水体条件下测量， SL 项对于原始图像中的各采样点近似相等。在水底平坦且介质中的声速为常数的理想条件下，若发射声源级 SL 已知，则各参数经过校正后可计算得到水下底质相关参数 BS 0 ，底质的反射强度与接收到的声信号强度（在图像中用灰度表示）呈正相关关系，即图像灰度只与底质类型相关。但是上述理想条件往往难以达到，水底地形起伏将造成10lgcos 2 θ i 项的计算偏差，增益均衡过程也常常无法精确地补偿扫描线上每个像素的传播损失和指向性差异。因此，侧扫声呐图像灰度表达的是水底反向散射强度的近似值或相对值，且受水底地形变化的影响较大。当水底地形平缓时，基于侧扫声呐图像可识别反向散射强度有一定差别的底质。
（2）图像灰度与地形的关系。如图2—8所示，根据侧扫声呐的成像原理和水底散射各向同性的假设可知，当水底地形平缓或仅有轻微起伏时，侧扫声呐图像的灰度值主要与底质的反向散射强度有关，地形变化主要引起的是几何畸变；当水底地形变化剧烈时，侧扫声呐图像将出现显著的灰度差异，其影响可能高于底质本身的反射率不同导致的灰度差异。由于很多水下底质往往不是各向同性的声波散射体（Non—isotropic Scatterer），对于一个水底目标在迎向侧扫声呐发射波束的面上，声波的反向散射强度大，在图像中形成高亮区。在背向侧扫声呐发射波束的面上，反向散射强度小甚至没有反射回波，则在图像中形成声影区，声影区的长度与目标的高度和斜距有关。对于相对平坦的周围水底区域，这种效应较为微弱，综合的结果是在图像中形成灰度适中的背景区 [132] 。
图2—8 侧扫声呐图像中目标的成像原理示意图
由此可知，侧扫声呐图像的灰度值受地形起伏影响很大，这虽然导致图像灰度无法与水底的反向散射强度建立稳定的回归关系，却适合根据纹理对一些造成地形起伏的水底地物进行辨识，例如天然礁石、水底沙波、水下人工目标、疑似水雷目标（MLO）等，当图像分辨率更高时，甚至可以区分砾石和细砂等不同底质。
（3）侧扫声呐图像的分辨率。侧扫声呐图像可定义两个方向的分辨率，分别为垂直于航向的垂向分辨率（Vertical Resolution）和与航向平行方向上的航向分辨率（Heading Resolution），如图2—9所示 [21] 。
图2—9 侧扫声呐的分辨率示意图
现代侧扫声呐通常提供CW （连续波）和Chirp （线性调频）两种工作模式以适用于远、近和不同频率的高分辨率扫测方式，其垂向分辨率可用公式[式（2—37）和式（2—38）]计算 [15] 为
式中 R V ——侧扫声呐的垂向分辨率，即在发射波束（扫描线径向）方向上的分辨率；
c ——水体中的声速；
λ ——传统CW模式下的声波脉冲长度参数（Pulse Length）；
w ——Chirp模式下声波脉冲波束的宽度参数（Band Width）。
侧扫声呐的航向分辨率与声呐发射波束的频率、宽度、水平角和航速有关，为提高航向分辨率，可采用降低航速、适当减小发射波束水平角等措施。此外，侧扫声呐的图像分辨率还与空间插值、重采样等预处理方法有关。
（4）侧扫声呐图像的位置精度。侧扫声呐图像上各个像素的位置精度通常与GPS定位精度、侧扫声呐姿态参数精度以及斜距改正和图像镶嵌的算法等有关，只有在拖鱼上安装声学定位系统（如超短基线系统）、姿态传感器和回声测深仪以确定其准确位置和姿态，并对原始数据进行严格的处理才能获得较好的测深精度和平面精度。否则，侧扫声呐图像只能提供水底的二维平面信息，具有相对准确的平面位置精度，而不能直观地给出深度信息。由于侧扫声呐是根据斜距生成水底图像的，因此对于有一定高度和体积的水底目标，还会在图像中出现几何变形 [8][25] 。
综上所述，侧扫声呐成像和预处理原理决定了其图像具有较高的垂向和航向分辨率，但位置精度较低；当水底地形平缓时，侧扫声呐图像灰度表达的是水底反向散射强度的近似值或相对值，可用于识别反向散射强度有一定差别的底质。但是，当水底地形变化较大时图像灰度无法与水底的反向散射强度建立稳定的回归关系，却适合根据纹理对一些造成地形起伏的水底地物进行辨识。因此，基于侧扫声呐图像进行底质分类具有一定的合理性，但在一些情况下也存在局限性。
下面根据侧扫声呐图像特点给出一种侧扫声呐图像灰度均衡化方法。从图2—6扫描线的波形可以看出，由于声波传播过程中的能量衰减，侧扫声呐图像常出现近场信号较强、远场信号较弱的情况，且这种整体衰减的趋势通常是非线性的。虽然一些侧扫声呐图像处理软件提供了灰度均衡化功能，但常常因参数设置、操作流程的差异，使得成图效果仅适合图像的人工判读，不利于后续基于图像的分类等数据处理。侧扫声呐图像处理常用的灰度均衡化方法包括时间增益控制（Time Gain Control,TGC）、自动增益控制（Au tomatic Gain Control,AGC）和手动增益控制（Manual Gain Control,MGC） [133] ，上述方法仅能在图像镶嵌之前的瀑布图上进行处理，但由于瀑布图各像素不直接包含空间坐标信息，仅适用于局部图像的灰度修正 [134—135] 。因此，在必要的情况下还需在预处理后的图像中进一步执行灰度均衡化。
经过初步增益补偿的侧扫声呐图像特征如图2—10 （a）所示，包括航迹线（换能器正下方无信号区域）、扫描成像带和图像背景区。扫描成像带一般对称地分布在航迹线左、右两侧，水底信息主要通过该区域的图像灰度变化呈现。
图2—10 侧扫声呐图像（局部）及缓冲区示意图
①—航迹线；②—扫描成像带；③—图像背景图
步骤1:生成侧扫声呐路径缓冲区。基于侧扫声呐图像灰度与斜距相关的规律，可借鉴地理信息系统的空间分析方法——缓冲区分析，沿声呐路径（航迹线）建立其两侧一定宽度范围内的若干等宽的区域，称为缓冲区[图2—10 （b）]。统计左右两侧缓冲区内像素灰度的分布特征，图2—11为航迹两侧缓冲区像素灰度的统计箱形图，缓冲区按与航迹线距离由近及远排列，箱形区域表示大部分像素灰度值所在的灰度区间，黑色“+”符号表示少数离散像素的灰度值分布。
图2—11 侧扫声呐图像两侧缓冲区的灰度统计
步骤2:依据各缓冲区内灰度的中位数逐条进行灰度均衡化。将各像素的灰度值与相应缓冲区内所有像素灰度值的中位数求比值实现归一化，见式（2—39）为
式中 i ——缓冲区的编号；
j ——相应缓冲区内的像素编号；
X ij ——第 i 个缓冲区内的某个像元 j ;
X i,median ——第 i 个缓冲区内所有所有像素灰度值的中位数；
H max ——常数，表示整个图像的灰度最大值，例如图像有 256 个灰阶，则 H max 可取256。
由于图像中的灰度值 X ij 始终为非负值，因此有 H ij ≥0,但是根据上述运算存在 X ij / X i,median >2,则得到的结果存在 H ij > H max 的情况。由于这些像素数量较少，且有更大可能性包含拟识别的特殊目标，因此对于这些像素，取 H ij = H max 。逐个缓冲区执行该运算后，得到的扫描带灰度统计箱形图如图2—12所示。该过程需要利用航迹信息，既可自适应地对每段图像的灰度进行均衡化处理（不必区分左右两侧），又避免了人工设置TVG函数的参数时，参数不合理带来的偏差。
图2—12 灰度均衡化后缓冲区灰度统计图
本书选取东海某实验区6条侧扫声呐扫描成像带数据进行灰度均衡化处理，原图像扫描区域内主要包含均匀的细砂和少量砾石、礁石等底质，将上述方法与Triton Isis软件AGC校正和MGC校正生成的图像比较，如图2—13所示。
图2—13 几种灰度均衡化结果的视觉效果和分类效果对比图
（1）视觉效果。图2—13 （a）为采用本研究提出的方法灰度均衡化后的效果，图2—13 （c）和图2—13 （e）分别为利用Triton Isis软件进行AGC校正和MGC校正生成的图像。本书提出的方法显著消除了各扫描带灰度不均衡的效应，在底质相对灰度值的保持方面又优于自动TVG校正效果，有利于图像的目视解译。
（2）分类效果。本书利用ENVI 5.0软件自带的K—means非监督分类功能，基于图像灰度对图 2—13 （a）、图 2—13 （c）和图 2—13 （e）进行分类，结果分别见图 2—13 （b）、图2—13 （d）和图2—13 （f）。仅从直观经验即可评判，本书提出的预处理结果[图2—13 （b）]更利于对图像中底质的自动分类。更多分类方法将在本书第4章介绍。