海床地貌图像作为海洋数字化工作中最常见的数据源之一，其处理精度和质量对能否准确描述海床表面特征至关重要。目前，海底地貌图像主要通过侧扫声呐系统采集时序信号获得，受其测量原理及作业模式制约，侧扫声呐图像多以瀑布图像形式存在。由于缺乏直观、准确的方向、位置信息，侧扫声呐瀑布图像的准确判读需要丰富的人工经验，并且仅能进行水下目标的定性分析^[1]。瀑布图像的上述不足，限制了其与其他空间数据的融合及使用范围。

针对侧扫声呐瀑布图像存在的辐射畸变、倾斜几何畸变、压缩畸变、使用不直观等问题，国外已出现SonarWeb、Triton等侧扫声呐数据综合性处理软件，但仍然存在水柱区域未改正、编码图像缝隙未填补等问题^{[2, 3]}；国内学者在此领域的工作主要集中在原始数据解码及格式统一^[4]、海底线提取^[5]、地理编码^[6]、图像增强^[7-9]等，相关研究大都针对侧扫声呐图像处理一个或部分方面进行研究，系统性、综合性的研究相对较少。本文从侧扫声呐诸畸变产生机理入手，对瀑布图像处理的关键环节进行探讨和研究，以期形成一套完善了侧扫声呐条带数据处理及无缝成图方法。

1 侧扫声呐瀑布图像处理

原始侧扫声呐瀑布图像不同于普通的光学成像，如图 1所示。在海底第一个回波返回之前，换能器仅能接收到水体噪声，图像中间形成弱回波水柱区域；由于采用等时间斜距记录模式，图像存在倾斜几何畸变；受声能扩展损失、吸收损失影响，图像横向上存在辐射畸变；受船速变化影响，图像纵向上存在压缩畸变。由于不具备直观的坐标信息，瀑布图像使用极不方便，难以与其他地理信息数据进行有效融合。

侧扫声呐瀑布图像的处理主要包括海底追踪、灰度增益、斜距改正等内容。

1.1 海底追踪

海底线由每Ping扫描线中第一个海底强回波序列组成，它表征了拖鱼至海底的高度变化，既是侧扫声呐横向增益的起始线，也是斜距改正的基准线，正确提取海底线是瀑布图像后续处理的基础。声波由水体传播至海底，回波信号会发生阶跃变化，因此，可以通过设置合适的阈值T(见图 2)，按接收时间先后顺序，在回波序列中寻找首个强度I_n>T的回波，认为该回波即为海底表面的第一个回波，该回波至拖鱼的距离即为拖鱼到海底的高度。

1.2 灰度增益

侧扫声呐图像的辐射畸变主要表现为横向上的灰度不均衡。侧扫声呐图像的灰度增益常依据经验公式对传播损失进行补偿，见式 (1)。

$ TL=n\cdot 10\log R+\alpha R $

(1)

式中，系数n与波束形状有关；吸收系数α与声波的发射频率、海水温度及盐度等有关系。

1.3 斜距改正

受斜距记录影响，侧扫声呐图像横向上存在倾斜几何畸变；水柱的存在也导致拖鱼正下方目标被分离在两侧，因此，需要对侧扫声呐图像进行斜距改正，得到各回波的平距。

图 3为瀑布图像的某Ping回波，N为每侧回波总采样个数，n_h为海底线至发射线的斜距像素宽度，n_i为当前回波至发射线的斜距像素宽度，当海底地形变化平缓时，各回波至海底线的平距像素宽度为：

$ {{{n}'}_{i}}=\sqrt{n_{i}^{2}-n_{h}^{2}} $

(2)

2 拖鱼位置估算

拖鱼常与绞架的拖点相连，GPS和姿态传感器安装在船上 (见图 4)，拖鱼的瞬时位置可由拖点的位置结合航向A和拖缆长度L进行估算，而拖点实时位置需结合GNSS导航数据和船体姿态数据通过坐标旋转得到^[10]。

2.1 拖点瞬时坐标求解

静止状态下，拖挂点的船体坐标为 (x, y, z)_VFS-T0，GPS的船体坐标为 (x, y, z)_VFS-GPS0，GPS实时测量值为 (X，Y，Z)_GRF-GPS，行驶航向为A，受船体姿态影响 (roll (r)，pitch (p))，拖挂点的实时地理坐标为 (x, y, z)_GRF-T:

$ {{\left( \begin{matrix} \Delta x \\ \Delta y \\ \end{matrix} \right)}_{\rm{VFS-T-GPS}}}=\mathit{\boldsymbol{R}}(p)\mathit{\boldsymbol{R}}(r)\bullet \left[{{\left( \begin{matrix} x \\ y \\ \end{matrix} \right)}_{\rm{VFS-T0}}}-{{\left( \begin{matrix} x \\ y \\ \end{matrix} \right)}_{\rm{VFS-GPS0}}} \right] $

(3)

$ {{\left( \begin{matrix} X \\ Y \\ \end{matrix} \right)}_{\rm{GRF-T}}}={{\left( \begin{matrix} X \\ Y \\ \end{matrix} \right)}_{\rm{GRF-GPS}}}+\mathit{\boldsymbol{R}}(A){{\left( \begin{matrix} \Delta x \\ \Delta y \\ \end{matrix} \right)}_{\rm{VFS-T-GPS}}} $

(4)

式中，$ \mathit{\boldsymbol{R}}(p)=\left\{ \begin{matrix} \cos p & 0 & \sin p \\ 0 & 1 & 0 \\ -\sin p & 0 & \cos p \\ \end{matrix} \right\} $, $ \mathit{\boldsymbol{R}}(r)=\left\{ \begin{matrix} 1 & 0 & 0 \\ 0 & \cos r & \sin r \\ 0 &-\sin r & \cos r \\ \end{matrix} \right\} $，$ \mathit{\boldsymbol{R}}(A)=\left( \begin{matrix} \cos (A) &-\sin (A) \\ \sin (A) & \cos (A) \\ \end{matrix} \right) $。

2.2 拖鱼瞬时坐标推算

拖鱼位置一般通过拖缆长度近似计算，缆线一般都有较好的强度和柔性，在拖曳过程中，拖缆很大程度上减弱了船体姿态变化对拖鱼的影响。因此，当船匀速直线航行时，可以认为拖鱼仅受向前的牵引力，拖缆由于自重，三角形的斜边常取拖缆长度L的0.9倍，拖鱼至拖点的水平距离按图 5中三角形的几何关系推算。

$ {{D}_{\text{layback}}}=\sqrt{{{(0.9L)}^{2}}-{{(h+{{f}_{d}})}^{2}}} $

(5)

式中，h为绞架至水面的高度；f_d为拖鱼至水面的距离，该值可由压力传感器求得。最后，由拖鱼与船体的航向一致性，通过拖点位置可求出拖鱼地理坐标为：

$ {{\left( \begin{matrix} x \\ y \\ \end{matrix} \right)}_{\text{VFS }\!\!\_\!\!\text{ TOW}}}={{\left( \begin{matrix} x \\ y \\ \end{matrix} \right)}_{\text{GRF }\!\!\_\!\!\text{ T}}}+\left( \begin{matrix} {{D}_{\text{layback}}}\bullet \cos (A+\pi ) \\ {{D}_{\text{layback}}}\bullet \sin (A+\pi ) \\ \end{matrix} \right) $

(6)

3 地理编码及重采样 3.1 瀑布图像地理编码

如图 6所示，每Ping回波测量时, 拖鱼正下方投影点的地理坐标为P₀(X₀，Y₀)，侧扫声呐单侧扫幅为R，每个通道的采样率为N，航向为α，由于每Ping回波垂直于航向，因此，左舷通道回波的方位角θ=α-π/2，右舷通道回波的方位角则为θ=α+π/2，P_i为某通道的第i个回波，则P_i的地理坐标 (X_i, Y_i) 为：

$ \left\{ \begin{align} & {{X}_{i}}={{X}_{0}}+R\bullet \cos (\alpha \pm {\pi }/{2}\;)\bullet i/N \\ & {{Y}_{i}}={{Y}_{0}}+R\bullet \sin (\alpha \pm {\pi }/{2}\;)\bullet i/N \\ \end{align} \right. $

(7)

当每个回波的地理坐标确定以后，便可以获得条带声呐图像的实际地理范围 (X_min, Y_min；X_max, Y_max)。根据设定的像素尺寸Δd，求得图像的分辨率以及点P_i (X_i, Y_i) 对应的像素坐标p_i(x_i, y_i) 为：

$ \left\{ \begin{matrix} {{x}_{i}}=({{X}_{i}}-{{X}_{\min }})/\Delta d \\ {{y}_{i}}=({{Y}_{i}}-{{Y}_{\min }})/\Delta d \\ \end{matrix} \right. $

(8)

计算侧扫声呐每一个回波的像素坐标，并根据回波强度确定对应的像素值，从而得到如图 7的侧扫声呐瀑布图像。

3.2 缝隙填补采样

当拖鱼航向发生变化时，扫描线的边缘产生缝隙，缝隙填补的关键是如何确定填充区域。基于侧扫声波发射原理和计算机图形原理，本文给出了扇形法和扫描法两种填充方法。

扇形填充法符合侧扫声呐发射声波照射机理，发射波束具有一定的角度，整个海底的照射区域近似于扇形，如图 8所示。因此可根据侧扫声呐发射波束的角度，结合横向距离，计算出每个回波代表的实际纵向高度。图 8中，H_a=R·θ，以a点为中心，纵向上H_a宽度内所有的像素点的像素值应该与a点相同，利用这种方法可以实现扫描线边缘的缝隙填补。当拖鱼航向变化缓慢时，扫描线边缘缝隙较小，扇形填充法可以取得较好的效果。

扫描填充法是计算机图形学中常见的区域填充算法，可实现对任意封闭区域的填充。在相邻两Ping扫描线上选取距离最近的4个点，如图 9所示，A₁、A₂为同一扫描线上的相邻两个回波，B₃、B₄为邻近扫描线上的两个相邻点，A₁、A₂、B₃、B₄组成一个闭合的连通区域，采用扫描填充法，可以标定区域内部所有的像素点，每个像素点的像素值可由式 (9) 按反距离加权法求得。扫描填充法运算量较大，但在航向快速变化的低采样区域仍可实现无缝填充，适用范围较广。

$ \text{I=}{\left( \frac{1}{{{\text{s}}_{1}}}{{\text{I}}_{{{\text{A}}_{1}}}}\text{+}\frac{1}{{{\text{s}}_{2}}}{{\text{I}}_{{{\text{A}}_{2}}}}\text{+}\frac{1}{{{\text{s}}_{3}}}{{\text{I}}_{{{\text{B}}_{3}}}}\text{+}\frac{1}{{{\text{s}}_{4}}}{{\text{I}}_{{{\text{B}}_{4}}}} \right)}/{\sum\limits_{i=1}^{4}{\frac{1}{{{\text{s}}_{\text{i}}}}}}\; $

(9)

4 试验分析

本文在深圳以南某水域进行了侧扫声呐数据采集，船上配有GPS接收机、MRU及罗经等设备，拖揽长度为5 m，测区水深为8~12 m，数据记录格式为XTF格式，测区海床以泥沙和礁石为主要底质，海床目标特征丰富。选取其中一个条带数据作为试验对象，所选条带数据的相关参数如表 1所示。

对原始XTF数据解码，提取导航、罗经、姿态数据并进行质量控制，提取左右通道回波数据，按脉冲发射先后纵向堆叠，形成侧扫声呐瀑布图像，按阈值法对原始瀑布图像进行海底追踪，可提取水柱两侧的海底线，如图 10所示。

以海底线为起算基准，对瀑布图像进行时变增益，调整式 (1) 中参数n和ɑ，直到瀑布图像边缘和中间的灰度均衡，然后按式 (2) 对增益后的瀑布图像进行斜距改正，斜距改正后，图像横向倾斜几何畸变得到改善，如图 11所示。

因受拖鱼航向变化的影响，归位计算后扫描线边缘出现交叉和缝隙 (图 12(a))，导致海床目标轮廓缺失，判读困难，而采用扫描填充法对扫描线边缘进行重采样处理，从图 12(b)可以看出，最终得到了一幅削弱了辐射畸变、倾斜几何畸变、压缩畸变影响、灰度均衡和目标轮廓清晰的无缝地理编码图像，成图质量优于SonarWeb商用软件 (见图 12(c))。

5 结束语

本文针对侧扫声呐瀑布图像成图质量不高、使用不直观等问题，对侧扫声呐条带数据处理的各个环节开展了系统研究，形成了一套集海底追踪、斜距改正、拖鱼归位计算、地理编码、缝隙填补等技术为一体的侧扫声呐条带数据处理及无缝成图方法。试验结果表明，经过深加工后的侧扫声呐地貌图像，不仅较好地消除了各种畸变的影响，而且灰度均衡、目标轮廓清晰，具有直观的坐标信息，极易与其他地理信息数据融合，对开展更深入的定量分析工作具有重要的意义。