羅進(jìn)華，蔣錦朋，朱培民

（1.中海油田服務(wù)股份有限公司，天津300451；2.中國(guó)地質(zhì)大學(xué)（武漢）地球物理與空間信息學(xué)院，湖北武漢430074）

?

基于數(shù)學(xué)形態(tài)學(xué)的側(cè)掃聲吶圖像輪廓自動(dòng)提取

羅進(jìn)華1，蔣錦朋2，朱培民2

（1.中海油田服務(wù)股份有限公司，天津300451；2.中國(guó)地質(zhì)大學(xué)（武漢）地球物理與空間信息學(xué)院，湖北武漢430074）

摘要：側(cè)掃聲吶圖像特征自動(dòng)提取的難點(diǎn)在于特征地貌邊緣檢測(cè)較困難，依據(jù)圖像灰度突變檢測(cè)得到的邊緣比較粗糙、不連續(xù)，而且有斷口和小洞。本文在對(duì)圖像進(jìn)行預(yù)處理和閾值化的基礎(chǔ)上，采用數(shù)學(xué)形態(tài)學(xué)方法對(duì)圖像進(jìn)行處理，即用具有一定形態(tài)的結(jié)構(gòu)元素去量度和提取圖像中的對(duì)應(yīng)形狀，得到連續(xù)化、粗化、圓滑的特征區(qū)域邊緣填充目標(biāo)內(nèi)部陰影且消除背景噪聲。基于數(shù)學(xué)形態(tài)學(xué)的側(cè)掃聲吶圖像特征自動(dòng)提取的主要步驟為：首先對(duì)側(cè)掃聲吶圖像進(jìn)行預(yù)處理，然后進(jìn)行灰度閾值化，接著采用數(shù)學(xué)形態(tài)學(xué)方法進(jìn)行處理，最后對(duì)處理后的圖像進(jìn)行邊緣檢測(cè)，提取出特征地貌邊緣。實(shí)驗(yàn)表明，采用數(shù)學(xué)形態(tài)學(xué)方法進(jìn)行處理后，錯(cuò)斷、離散的海底目標(biāo)物變得連續(xù)，背景噪聲大大減少，自動(dòng)提取結(jié)果準(zhǔn)確可靠。

關(guān)鍵詞：側(cè)掃聲吶圖像；數(shù)學(xué)形態(tài)學(xué)；海底地貌特征；自動(dòng)提取

1　引言

目前的海底探測(cè)主要依賴(lài)于聲學(xué)探測(cè)技術(shù)［1］。側(cè)掃聲吶成像技術(shù)是一種重要的海底聲成像技術(shù)，它運(yùn)用海底地物對(duì)入射聲波反向散射的原理來(lái)探測(cè)海底微地形和底質(zhì)特性。即使在能見(jiàn)度非常低的渾濁海水中，側(cè)掃聲吶系統(tǒng)也能直觀地提供海底的高精度聲成像［2］。高精度的側(cè)掃聲吶系統(tǒng)已經(jīng)在海底科學(xué)研究、海底資源勘查、海洋工程和海洋開(kāi)發(fā)，以及海洋軍事活動(dòng)等方面發(fā)揮出極其重要的作用［1］。直至目前，對(duì)側(cè)掃聲吶圖像（Side-scan Sonar Image，SSI）的解釋和判讀依然主要靠人工進(jìn)行。當(dāng)掃測(cè)海域面積大、特征地貌數(shù)量龐大時(shí)，使用手工識(shí)別效率太低，且難以精確勾勒目標(biāo)物輪廓，這就迫切需要尋找一種高效的特征地貌自動(dòng)識(shí)別方法。

對(duì)水下目標(biāo)的正確識(shí)別是建立在有效的特征提取基礎(chǔ)之上的，而圖像特征提取中的關(guān)鍵是圖像分割，即將圖像分為各具特色的區(qū)域并把“感興趣的目標(biāo)物體”從復(fù)雜的景象中提取出來(lái)的過(guò)程［3］。由于SSI信噪比低，且往往成像殘缺不全、輪廓不連續(xù)，自動(dòng)分割效果不佳，對(duì)SSI的分割沒(méi)有完全可靠的模型進(jìn)行指導(dǎo)，各種算法在SSI分割中存在的主要共性問(wèn)題是圖像分割算法的適用面有限、分割效果較差等［4］。在光學(xué)圖像處理中廣泛應(yīng)用的邊緣檢測(cè)技術(shù)，在SSI中得到的往往是斷續(xù)的、不完整的結(jié)構(gòu)信息［5］，且易受噪聲干擾而出現(xiàn)偽邊緣［6］，或是存在斑點(diǎn)噪聲抑制效果較差與邊緣定位不準(zhǔn)的問(wèn)題［5］。基于小波理論的小波模極大值邊緣檢測(cè)方法由于并不適合描述多方向的線奇異，檢測(cè)的邊緣結(jié)果通常并不理想［5］。

本文主要基于數(shù)學(xué)形態(tài)學(xué)的方法，對(duì)聲吶圖像自動(dòng)分割的結(jié)果做進(jìn)一步處理，使錯(cuò)斷、離散的海底目標(biāo)物變得連續(xù)，同時(shí)削弱了背景噪聲，目標(biāo)物參數(shù)的自動(dòng)提取結(jié)果更為準(zhǔn)確、可靠。

2　原理和算法

基于數(shù)學(xué)形態(tài)學(xué)的SSI特征自動(dòng)提取的主要步驟為：首先對(duì)SSI進(jìn)行預(yù)處理，然后進(jìn)行灰度閾值化，接著采用數(shù)學(xué)形態(tài)學(xué)方法進(jìn)行處理，最后對(duì)處理后的圖像進(jìn)行邊緣檢測(cè)，提取出特征地貌邊緣。

2.1圖像預(yù)處理

SSI通?？煞譃槟繕?biāo)高亮區(qū)、目標(biāo)陰影區(qū)和海底混響區(qū)［7］。水底硬或凸起的物質(zhì)回波強(qiáng)，軟或凹陷的回波弱，被遮擋的海底無(wú)回波［8］?；祉懹珊Ｑ笾写罅繜o(wú)規(guī)則散射體對(duì)聲吶入射信號(hào)產(chǎn)生的散射信號(hào)在接收點(diǎn)疊加而形成。原始SSI直接用來(lái)自動(dòng)識(shí)別效果不佳［4］，因此對(duì)SSI進(jìn)行預(yù)處理十分必要。預(yù)處理的目的是最大限度的消除高斯噪聲，同時(shí)盡量保留或增強(qiáng)目標(biāo)區(qū)域邊界，以便于后續(xù)參數(shù)提取的需要。

2.1.1SSI降噪處理

混響造成的SSI高斯噪聲服從瑞利分布，表現(xiàn)為許多隨機(jī)、離散或小區(qū)域分布的“斑點(diǎn)”，目標(biāo)物則以大區(qū)域聚集的形式呈現(xiàn)［9］。通常人們希望在濾除噪聲的同時(shí)保留圖像的“大區(qū)域聚集”信息。范習(xí)健等提出了SSI的3維塊匹配降斑方法［10］，霍冠英等提出了Curvelet域貝葉斯估計(jì)SSI降斑方法［11］，均取得了較好效果。事實(shí)上，圖像處理中常用的中值濾波［12—14］方法，對(duì)于抑制斑點(diǎn)噪聲和校驗(yàn)噪聲效果顯著，且運(yùn)算簡(jiǎn)單、快速。

2.1.2灰度增益和均衡

除了隨機(jī)噪聲外，SSI通常會(huì)出現(xiàn)整體橫向灰度不均的現(xiàn)象。海水對(duì)聲波的吸收、聲波的擴(kuò)散、聲吶換能器發(fā)射聲脈沖的指向性以及波束與海底表面掠射角的變化均會(huì)造成SSI橫向灰度差異。此外，聲吶儀姿態(tài)傾斜等常常導(dǎo)致左右兩通道能量不均衡。這些因素造成的影響應(yīng)盡量予以消除，以凸顯我們主要關(guān)注的海底底質(zhì)反向散射能力。常見(jiàn)的時(shí)變?cè)鲆妫═ V G）很難完全消除上述影響，甚至可能會(huì)造成新的灰度畸變［15］。本文采用了振幅增益控制和斜坡加權(quán)平均兩種方法結(jié)合的方法［16］，將灰度調(diào)整到一定的水平。另外，本文還對(duì)SSI進(jìn)行直方圖均衡可提高圖像對(duì)比度。

2.2特征提取與處理

2.2.1圖像分割

由于SSI目標(biāo)所在的高亮區(qū)提取的特征有限，而陰影部分包含了待識(shí)別物體的一些特征，所以對(duì)SSI進(jìn)行分割的目的就是要從復(fù)雜的海底混響中提取出目標(biāo)物的陰影區(qū)域，并盡量保留圖像原始邊緣信息［4］。SSI分割可歸納為基于閾值的分割方法、基于區(qū)域的分割方法、基于邊緣的分割方法以及基于特定理論的分割方法等［4］?，F(xiàn)存的分割算法大都是針對(duì)具體問(wèn)題的，并沒(méi)有一種適合于所有圖像的通用的分割算法。本文采用了圖像分割中應(yīng)用數(shù)量最多的一類(lèi)——灰度閾值分割法?；叶乳撝捣指罘ɡ脠D像中目標(biāo)物體和背景在灰度上的差異，通過(guò)設(shè)置閾值把像素點(diǎn)按灰度級(jí)分為若干類(lèi)，從而實(shí)現(xiàn)圖像分割。它特別適用于目標(biāo)和背景占據(jù)不同灰度級(jí)的圖像，且計(jì)算簡(jiǎn)單、運(yùn)算效率較高。

閾值分割方法實(shí)際上是輸入圖像f到輸出圖像g的如下變換：

式中，T為閾值，對(duì)于物體的圖像元素g（i，j）= 1，對(duì)于背景的圖像元素g（i，j）= 0。

閾值分割方法通常分為全局閾值、自適應(yīng)閾值、最佳閾值等。閾值分割的難點(diǎn)和關(guān)鍵是確定合適的閾值，即使圖像中目標(biāo)和背景分割錯(cuò)誤最小的閾值［17］。由于已對(duì)全區(qū)SSI做個(gè)直方圖均衡，因此本文采用全局閾值法中的一種——大津法［18］（又叫Otsu法）來(lái)自動(dòng)確定閾值。大津法是一種全局化的動(dòng)態(tài)二值化方法。該算法的基本思想是設(shè)使用某一個(gè)閾值將灰度圖像根據(jù)灰度大小分成目標(biāo)部分和背景部分兩類(lèi)，在這兩類(lèi)的類(lèi)內(nèi)方差最小且類(lèi)間方差最大的時(shí)候，得到的閾值是最優(yōu)的二值化閾值。

2.2.2數(shù)學(xué)形態(tài)學(xué)原理

數(shù)學(xué)形態(tài)學(xué)（M athematical M orphology）是分析幾何形狀和結(jié)構(gòu)的數(shù)學(xué)方法［19—21］，它建立在集合代數(shù)的基礎(chǔ)上，是用集合論方法定量描述目標(biāo)幾何結(jié)構(gòu)的學(xué)科。數(shù)學(xué)形態(tài)學(xué)利用一個(gè)稱(chēng)作結(jié)構(gòu)元素的“探針”收集圖像的信息，當(dāng)探針在圖像中不斷移動(dòng)時(shí)，便可考察圖像各個(gè)部分之間的相互關(guān)系，從而認(rèn)識(shí)圖像或改變圖像的結(jié)構(gòu)特征。它的基本運(yùn)算有四種：膨脹、腐蝕、開(kāi)運(yùn)算（開(kāi)啟）和閉運(yùn)算（閉合）。

SSI中目標(biāo)體往往呈現(xiàn)不連續(xù)性，而且混響噪聲比較嚴(yán)重，形態(tài)學(xué)算法可以解決這些問(wèn)題。其基本思想是用具有一定形態(tài)的結(jié)構(gòu)元素去量度和提取圖像中的對(duì)應(yīng)形狀，來(lái)連續(xù)化、粗化、圓滑特征區(qū)域邊緣并消除背景噪聲。

這些運(yùn)算在二值圖像和多值圖像中各有特點(diǎn)，本文只討論基于二值的形態(tài)學(xué)方法。數(shù)學(xué)形態(tài)學(xué)具有算法簡(jiǎn)單、可并行處理、速度快、易于實(shí)現(xiàn)等特點(diǎn)［22］。

設(shè)A、B為二維平面空間Z2中分布的點(diǎn)集合，例如A可以是一幅圖像，B是一幅很小的圖像，特別地稱(chēng)B為結(jié)構(gòu)元素；結(jié)構(gòu)元素可定義為具有一定的幾何形狀（如方形、十字形、菱形等）和不同大小的點(diǎn)集合（圖1）。

圖1　不同形狀和大小的算子Fig.1 M athematics morphological operator of different shapes and sizes

運(yùn)用不同結(jié)構(gòu)元素對(duì)圖像進(jìn)行形態(tài)學(xué)處理能夠得到不同的結(jié)果。若x表示結(jié)構(gòu)元素起始點(diǎn)，是相對(duì)于坐標(biāo)原點(diǎn)的位移，則A被B膨脹記為A⊕B，⊕為膨脹算子，其定義為：

A被B腐蝕記為AΘB，Θ為腐蝕算子，定義為：

A被B作開(kāi)運(yùn)算，記為A。B，其定義為：

A被B作閉運(yùn)算，記為A·B，其定義為：

由公式（3）、（4）易知，A被B開(kāi)運(yùn)算就是A先被B腐蝕，再被B膨脹；A被B閉運(yùn)算則是相反的過(guò)程。

2.2.3圖像特征提取處理

基于數(shù)學(xué)形態(tài)學(xué)的SSI目標(biāo)物的自動(dòng)提取算法，主要由閾值分割和數(shù)學(xué)形態(tài)學(xué)處理兩部分組成。閾值分割主要是將SSI中的目標(biāo)物和背景混響分割開(kāi)來(lái)，數(shù)學(xué)形態(tài)學(xué)處理則是進(jìn)一步過(guò)濾殘留的噪聲，同時(shí)熔合目標(biāo)物中的小洞，讓斷開(kāi)的目標(biāo)物得到連接，邊緣變得光滑。

本文設(shè)計(jì)的算法步驟如下：

（1）對(duì)SSI進(jìn)行增益和均衡，使目標(biāo)物體顯示更清晰；

（2）選取合理的濾波窗口，對(duì)步驟（1）處理后的SSI進(jìn)行中值濾波壓制混響噪聲；

（3）對(duì)步驟（2）處理后的SSI進(jìn)行大津法閾值分割處理得到二值圖像；

（4）選取合理的數(shù)學(xué)形態(tài)學(xué)算子，對(duì)步驟（3）處理后的圖形進(jìn)行腐蝕、膨脹、開(kāi)運(yùn)算、閉運(yùn)算等操作，消除殘留干擾，同時(shí)讓目標(biāo)物不連續(xù)部分得到連接；

（5）對(duì)步驟（4）處理的結(jié)果采用邊緣檢測(cè)算子，獲取目標(biāo)邊緣。

2.2.4數(shù)學(xué)形態(tài)學(xué)處理實(shí)驗(yàn)與分析

實(shí)驗(yàn)數(shù)據(jù)使用某海域一艘沉于海底的小漁船的SSI（圖2），其分辨率約為0.2 m，船長(zhǎng)約13 m，寬約3 m，船體較完整，適合進(jìn)行自動(dòng)提取。

圖2a為原始的SSI，圖2b是對(duì)其進(jìn)行了均衡和增益處理后的結(jié)果，圖2c是在圖2b基礎(chǔ)上使用了5 ×5窗口的中值濾波處理后的結(jié)果，海底混響造成的斑點(diǎn)噪聲得到減弱。圖2d是在圖2c的基礎(chǔ)上進(jìn)行大津法分割得到二值化圖像。

圖2d中目標(biāo)背景噪聲已大部分被消除，但剩余一部分海底散射強(qiáng)度與目標(biāo)物相近的殘余干擾依然較明顯。為了減弱圖像中的殘余干擾，采用3×3正方形算子對(duì)圖2d進(jìn)行數(shù)學(xué)形態(tài)學(xué)的腐蝕運(yùn)算得到圖2e。圖2e除去了部分小的殘余干擾，較大的殘余干擾得以縮小但依然存在。改用5×5正方形算子對(duì)圖2d重新進(jìn)行數(shù)學(xué)形態(tài)學(xué)的腐蝕運(yùn)算得到圖2f，較好的除去了殘余干擾，但同時(shí)目標(biāo)物沉船不連續(xù)部分也有所增加，船體有所縮小。為了使目標(biāo)物輪廓更完整、連續(xù)，又采用3×3十字形算子對(duì)圖2f進(jìn)行膨脹處理得到了圖2g。從中可看出目標(biāo)物沉船的空隙得到一定閉合，輪廓更完整、連續(xù)，縮小的船體在一定程度上得到膨脹。

圖2　海底沉船聲吶圖像處理與自動(dòng)提取結(jié)果示意圖Fig.2 Image processing and automatic detection results of a wreck SSI

為了能進(jìn)一步凸顯目標(biāo)，抑制噪聲干擾，可反復(fù)多次進(jìn)行數(shù)學(xué)形態(tài)學(xué)腐蝕、膨脹和開(kāi)、閉運(yùn)算處理。處理時(shí)，膨脹和腐蝕可交替進(jìn)行，一般首先采用腐蝕以去除細(xì)小干擾，然后根據(jù)處理后效果采用合適的算子，或是再次進(jìn)行腐蝕以進(jìn)一步消除細(xì)小干擾，或是進(jìn)行膨脹以填補(bǔ)目標(biāo)空隙。通常情況下，腐蝕和膨脹次數(shù)，以及采用的結(jié)構(gòu)元素可根據(jù)經(jīng)驗(yàn)確定。

相比于未使用數(shù)學(xué)形態(tài)學(xué)處理的圖2d，圖2g中背景噪聲大大減少，邊緣提取效果好。

3　應(yīng)用實(shí)例

3.1研究區(qū)背景

荔灣3-1（L W 3-1）氣田位于中國(guó)南海珠江口盆地珠二坳陷內(nèi)，該氣田開(kāi)發(fā)建設(shè)擬采用鋪設(shè)海底管線的輸氣方式，路由區(qū)經(jīng)過(guò)一段16 k m的埋藏較淺或完全裸露的珊瑚礁或膠結(jié)砂的海底，如圖3所示。由于鋪設(shè)在硬質(zhì)海底區(qū)域的管道難以自沉埋入土中，不僅可能會(huì)發(fā)生管道懸跨，而且管道可能會(huì)受到周?chē)鷪?jiān)硬珊瑚礁的磨損，影響海底管道的壽命［23］。因此查明研究區(qū)的海底地貌狀況，精確繪制古珊瑚礁、硬質(zhì)海底等災(zāi)害地質(zhì)要素的形態(tài)、分布范圍，對(duì)海底挖溝方案制定和海底管道鋪設(shè)設(shè)計(jì)有直接影響。路由區(qū)已識(shí)別出數(shù)千目標(biāo)物，如此多的目標(biāo)物，使用手工提取效率太低，且難以精確勾勒出目標(biāo)物輪廓。

3.2處理結(jié)果

使用本文基于數(shù)據(jù)形態(tài)學(xué)自動(dòng)識(shí)別目標(biāo)體的方法對(duì)上述研究區(qū)的一幅側(cè)掃聲吶圖像進(jìn)行了處理，得到了古珊瑚礁、硬質(zhì)海底等目標(biāo)物的位置和形態(tài)。圖4a為原始側(cè)掃聲吶圖像，圖像中有一些古珊瑚礁、硬質(zhì)海底等目標(biāo)物，目標(biāo)物體邊緣比較模糊。對(duì)原始圖像先進(jìn)行了預(yù)處理（均衡和中值濾波處理）得到圖像圖4b，圖像中目標(biāo)物體變得相對(duì)清晰，但邊緣連續(xù)性較差。然后，對(duì)圖4b進(jìn)行大津法分割得到二值化圖像圖4c。圖4c中殘留較多背景噪聲且目標(biāo)物不連續(xù)，直接對(duì)其進(jìn)行邊緣檢測(cè)效果較差，如圖4d所示。對(duì)圖4c進(jìn)行了多次形態(tài)學(xué)處理（膨脹、腐蝕、開(kāi)運(yùn)算和閉運(yùn)算）后，熔合了目標(biāo)物中的小洞，目標(biāo)物變得連續(xù)，背景噪聲得到很好的消除，邊緣檢測(cè)的結(jié)果和原圖中的目標(biāo)物匹配程度高，這說(shuō)明數(shù)學(xué)形態(tài)學(xué)處理發(fā)揮了很好的作用。

圖3　研究區(qū)地理位置圖Fig.3 Study area

4　結(jié)語(yǔ)

本文的實(shí)驗(yàn)和應(yīng)用效果表明基于數(shù)學(xué)形態(tài)學(xué)的側(cè)掃聲吶目標(biāo)物提取算法是可行的。通過(guò)試驗(yàn)得到以下幾點(diǎn)結(jié)論：

（1）在提取目標(biāo)物邊緣之前經(jīng)過(guò)圖像加強(qiáng)和濾波等預(yù)處理消除圖像噪聲是必要的，可為目標(biāo)識(shí)別提供更好的條件。

（2）運(yùn)用數(shù)學(xué)形態(tài)學(xué)方法能夠消除不感興趣的小目標(biāo)，光滑目標(biāo)邊緣，閉合目標(biāo)中間細(xì)小空洞，使得提取的目標(biāo)邊緣更連續(xù)。

（3）數(shù)學(xué)形態(tài)學(xué)算法具有實(shí)現(xiàn)簡(jiǎn)單、運(yùn)算快、存儲(chǔ)空間小等特點(diǎn)，具有良好的實(shí)用性。

形態(tài)學(xué)處理能夠達(dá)到好的效果，結(jié)構(gòu)元素的尺寸、形狀需要根據(jù)目標(biāo)體的大小進(jìn)行選取，用不同大小和形狀的結(jié)構(gòu)元素處理將得到不同的效果。在進(jìn)行膨脹、腐蝕、開(kāi)閉運(yùn)算過(guò)程中，有時(shí)需要進(jìn)行多次操作，操作次數(shù)需要根據(jù)目標(biāo)物的圖像質(zhì)量憑經(jīng)驗(yàn)確定，尚不能完全自動(dòng)完成數(shù)學(xué)形態(tài)學(xué)處理。

圖4　圖像處理與自動(dòng)提取結(jié)果Fig.4 Image processing and automatic detection results

參考文獻(xiàn)：

［1］金翔龍.海洋地球物理研究與海底探測(cè)聲學(xué)技術(shù)的發(fā)展［J］.地球物理學(xué)進(jìn)展，2007，22（4）：1243-1249.Jin Xianglong.The development of research in marine geophysics and acoustic technology for sub marine exploration［J］.Progress in Geophysics，2007，22（4）：1243-1249.

［2］Celik T，Tjahjadi T.A novel method for sidescan sonar image segmentation［J］.IEEE Journal of Oceanic Engineering，2011，36（2）：186-194.

［3］Sonka M，Hlavac V，Boyle R.Image processing，analysis，and machine vision［M］.北京：人民郵電出版社，2003.Sonka M，Hlavac V，Boyle R.Image processing，analysis，and machine vision［M］.Beijing：Post & Telecom Press，2003.

［4］王興梅.水下聲吶圖像目標(biāo)分割方法的研究及應(yīng)用［D］.哈爾濱：哈爾濱工程大學(xué)，2008.W ang Xingmei.Research and application of the underwater object segmentation algorith m based on the sonarimagery［D］.Harbin：Harbin Engineering U niversity，2008.

［5］王敏，李慶武，程曉軒.側(cè)掃聲納圖像的NSC T域模極大值邊緣檢測(cè)［J］.計(jì)算機(jī)工程，2011，37（24）：207-209.W ang Min，Li Qingwu，Cheng Xiaoxuan.NSC T domain modulus maximu m edge detection in side-scan sonar image［J］.Computer Engineering，2011，37（24）：207-209.

［6］郭芳俠，梁娟，王晅.基于模糊推理的噪聲圖像邊緣檢測(cè)［J］.計(jì)算機(jī)工程，2010，36（15）：194-195.Guo Fangxia，Liang Juan，W ang Xuan.Edge detection for noisy images based on fuzzy reasoning［J］.Computer Engineering，2010，36（15）：194-195.

［7］Reed S，Petillot Y，Bell J.An automatic approach to the detection and extraction of mine features in sidescan sonar［J］.IEEE Journal of Oceanic Engineering，2003，28（1）：90-105.

［8］蔣立軍，杜文萍，許楓.側(cè)掃聲納回波信號(hào)的增益控制［J］.海洋測(cè)繪，2002，22（3）：6-8.Jiang Lijun，Du W enping，Xu Feng.Signal gain adjustment for side scan sonar［J］.H ydrographic Surveying and Charting，2002，22（3）：6-8.

［9］Hellequin L，Boucher J M，Lurton X.Processing of high-frequency multibeam echo sounder data for seafloor characterization［J］.IEEE Journal of Oceanic Engineering，2003，28（1）：78-89.

［10］范習(xí)健，李慶武，黃河，等.側(cè)掃聲吶圖像的3維塊匹配降斑方法［J］.中國(guó)圖象圖形學(xué)報(bào)，2012，17（1）：68-74.Fan Xijian，Li Qingwu，H uang He，et al.Side-scan sonar image despeckling based on block-matching and 3 D filtering［J］.Journal of Image and Graphics，2012，17（1）：68-74.

［11］霍冠英，李慶武，王敏，等.Curvelet域貝葉斯估計(jì)側(cè)掃聲吶圖像降斑方法［J］.儀器儀表學(xué)報(bào)，2011，32（1）：170-177.H uo Guanying，Li Qingwu，W ang Min，et al.Side-scan sonar image despeckling based on Bayesian estimation in curvelet domain［J］.Chinese Journal of Scientific Instru ment，2011，32（1）：170-177.

［12］Bednar J B.Applications of median filtering to deconvolution，pulse estimation，and statistical editing of seismic data［J］.Geophysics，1983，48：1598-1610.

［13］Duncan G，Beresford G.Some analyses of 2-D median fk filters［J］.Geophysics，1995，60（4）：1157-1168.

［14］Ng P E，M a K K.A switching median filter with boundary discriminative noise detection for extremely corrupted images［J］.IEEE Transactions on Image Processing，2006，15（6）：1506-1516.

［15］滕惠忠，嚴(yán)曉明，李勝全，等.側(cè)掃聲納圖像增強(qiáng)技術(shù)［J］.海洋測(cè)繪，2004，24（2）：47-49.Teng H uizhong，Yan Xiaoming，Li Shengquan，et al.Processing techniques of enhancementfor side scan sonarimages［J］.H ydrographic Surveying and Charting，2004，24（2）：47-49.

［16］張濟(jì)博，潘國(guó)富，丁維鳳.側(cè)掃聲納圖像改正研究［J］.聲學(xué)技術(shù)，2009，28（6）：44-47.Zhang Jibo，Pan Guofu，Ding W eifeng.Research on side-scan sonar images' correction［J］.Technical Acoustics，2009，28（6）：44-47.

［17］Boulinguez D，Quinquis A.3-D underwater object recognition［J］.IEEE Journal of Oceanic Engineering，2002，27（4）：814-829.

［18］李了了，鄧善熙，丁興號(hào).基于大津法的圖像分塊二值化算法［J］.微計(jì)算機(jī)信息，2005，21（14）：76-77.Li Liaoliao，Deng Shanxi，Ding Xinghao.Binarization algorith m based on image partition derived from Da-Jing method［J］.Control & Automation，2005，21（14）：76-77.

［19］Soille P.M orphologicalimage analysis：principles and applications［M］.New York：Springer-Verlag，2003.

［20］Haralick R M，Sternberg S R，Zhuang X H.Image analysis using mathematical morphology［J］.IEEE Journal of Oceanic Engineering，1987，9 （4）：532-550.

［21］袁悅鋒，朱培民，趙娜，等.基于數(shù)學(xué)形態(tài)學(xué)的月海圓形撞擊坑自動(dòng)識(shí)別方法［J］.中國(guó)科學(xué)：物理學(xué)，力學(xué)，天文學(xué)，2013（3）：324-332.Yuan Yuefeng，Zhu Peimin，Zhao Na，et al.Automaticidentification of circular mare craters based on mathematical morphology［J］.Scientia Sinica Physica，M echanica & Astronomica，2013（3）：324-332.

［22］Serra J.Introduction to mathematical morphology［J］.Computer Vision Graphics & Image Processing，1986，35（3）：283-305.

［23］朱林.南海北部荔灣3-1氣田管道路由區(qū)災(zāi)害地質(zhì)特征研究［D］.青島：國(guó)家海洋局第一海洋研究所，2013.Zhu Lin.Geological hazardsin the northern South China Sea Liwan 3-1 gas field pipeline route［D］.Qingdao：First Institute of Oceanography，State Oceanic Administration，2013.

羅進(jìn)華，蔣錦朋，朱培民.基于數(shù)學(xué)形態(tài)學(xué)的側(cè)掃聲吶圖像輪廓自動(dòng)提?。跩］.海洋學(xué)報(bào)，2016，38（5）：150-157，doi：10.3969/j.issn.0253-4193.2016.05.014

Luo Jinhua，Jiang Jinpeng，Zhu Peimin.Automatic extraction ofthe side-scan sonarimagery outlines based on mathematical morphology［J］.Haiyang Xuebao，2016，38（5）：150-157，doi：10.3969/j.issn.0253-4193.2016.05.014

Automatic extraction of the side-scan sonar imagery outlines based on mathematical morphology

Luo Jinhua1，Jiang Jinpeng2，Zhu Peimin2
（1.China Oilfield Services Limited，Tianjin 300451，China；2.Instituteof Geophysics & Geomatics，China University of Geosciences，Wuhan 430074，China）

Abstract：Automatic extraction ofthe side-scan sonarimagery outlinesis difficult.The results extracted by edge detection based on sharp gray-scale gradient ofimage are discontinuous and rough，and also have gaps and holes edge detection.After preprocessing the side-scan sonarimage and thresholding，some processings are carried outto take the smooth and continuous rims ofthe geological objectives，and to eliminate the background noises，by measuring and extracting the corresponding shape from the image with a certain form of structural element according to thebook=157,ebook=160basic idea of mathematical morphology.The algorith m of feature extraction for the side-scan sonar imagery based on mathematical morphology is as follows：firstly，preprocess the image and do thresholding it；then process the image by mathematical morphology；finally obtained the edges of the geological objectives by edge-detection technology.The nu merical experiments show that this method leads to smooth and continuous and accurate detection，meanwhile，greatly reduced background noise.

Key words：side-scan sonar；mathematical morphology；seabed feature；automatic extraction

作者簡(jiǎn)介：羅進(jìn)華（1983—），男，湖北省仙桃市人，工程師，主要從事海洋地球物理探測(cè)方面的工作與研究。E-mail：luojinhua001＠163.com

基金項(xiàng)目：中海油田服務(wù)股份有限公司科研項(xiàng)目——A U V調(diào)查數(shù)據(jù)處理解釋系統(tǒng)開(kāi)發(fā)（E-23132019）。

收稿日期：2015-05-12；

修訂日期：2016-01-29。

中圖分類(lèi)號(hào)：P714+.7

文獻(xiàn)標(biāo)志碼：A

文章編號(hào)：0253-4193（2016）05-0150-08