唐浩，許楓，楊娟

?

圖像處理方法用于聲壓敏感核聲圖的目標(biāo)定位

唐浩1,2，許楓1，楊娟1

(1. 中國(guó)科學(xué)院聲學(xué)研究所海洋聲學(xué)技術(shù)中心，北京 100190；2. 中國(guó)科學(xué)院大學(xué)，北京 100049)

利用目標(biāo)前向散射的擾動(dòng)聲線法適用于在淺水信道對(duì)目標(biāo)進(jìn)行定位，但所得到的聲壓敏感核聲圖的交匯效果易受水底地形不匹配的影響，提出了一種基于圖像處理的目標(biāo)定位方法。首先利用多次的單閾值Otsu方法對(duì)多閾值Otsu方法進(jìn)行改進(jìn)，確定備選區(qū)域；然后從備選區(qū)域中選擇擾動(dòng)聲線穿過最多的區(qū)域并計(jì)算重心。仿真結(jié)果表明該定位方法不但能夠正確定位目標(biāo)，減小人工判斷聲圖的工作量，而且同樣適用于聲壓敏感核聲圖交匯效果較差的情況，能夠輔助人工判斷來減少誤判。

聲吶圖像處理；敏感核；小目標(biāo)定位；多閾值Otsu法

0 引言

收發(fā)合置聲吶在淺水信道中對(duì)小目標(biāo)的定位能力受到強(qiáng)混響的制約。近年來，國(guó)內(nèi)外開展了很多利用目標(biāo)的前向散射進(jìn)行目標(biāo)探測(cè)和定位的研究，通常采用由垂直發(fā)射陣和垂直接收陣構(gòu)成的聲屏障系統(tǒng)[1]進(jìn)行實(shí)驗(yàn)。目前用于聲屏障系統(tǒng)的定位方法主要有時(shí)間反轉(zhuǎn)法和擾動(dòng)聲線法。擾動(dòng)聲線法是一種利用因目標(biāo)存在而受到擾動(dòng)的聲線所包含的位置信息實(shí)現(xiàn)定位的方法。不同學(xué)者利用擾動(dòng)聲線所包含的不同物理信息實(shí)現(xiàn)目標(biāo)定位，F(xiàn)OLEGOT[2]利用擾動(dòng)聲線的幾何路徑實(shí)現(xiàn)定位，而MARANDET[3]利用擾動(dòng)聲線的聲壓敏感核來估計(jì)目標(biāo)位置。敏感核是近年來從地球物理學(xué)引入到水聲學(xué)的，用于描述聲場(chǎng)觀測(cè)量對(duì)聲場(chǎng)擾動(dòng)的敏感性和空間特性[4]。聲壓敏感核聲圖的質(zhì)量會(huì)受到水底等模型精度的影響，當(dāng)缺失水底測(cè)量數(shù)據(jù)，將起伏水底近似為平底時(shí)，敏感核的交匯效果變差，影響對(duì)目標(biāo)的定位。

Otsu方法[5]計(jì)算簡(jiǎn)單，容易實(shí)現(xiàn)，算法穩(wěn)定性及魯棒性都優(yōu)于其他算法。Otsu方法從單閾值被推廣到多閾值，但本質(zhì)上仍然是一種窮舉算法，時(shí)間復(fù)雜度高。目前多閾值分割的優(yōu)化算法分為兩類[6]，一類是尋優(yōu)過程優(yōu)化算法，即各種群智能算法[7-8]，另一類是減小閾值搜索范圍的算法。王祥科等[9]先利用獨(dú)立峰值劃分直方圖區(qū)域，然后在每個(gè)小區(qū)域內(nèi)利用Otsu方法得到局部最佳閾值，最后利用松弛因子進(jìn)一步降低運(yùn)算量。王磊等[10]逐一確定閾值，每次在類內(nèi)方差最大的類中利用Otsu方法計(jì)算新的閾值，為進(jìn)一步提高計(jì)算速度，利用雙峰法確定松弛余量。劉立等[11]引入Nelder-Mead單純形法優(yōu)化多閾值Otsu方法。劉艷[12]在劃分的直方圖區(qū)間內(nèi)利用快速二分法計(jì)算閾值來改進(jìn)多閾值Otsu方法。朱玲羚等[13]針對(duì)前視聲吶聲圖的特點(diǎn)，在文獻(xiàn)[10]的基礎(chǔ)上提出了一種適用于前視聲吶圖像的多閾值Otsu方法。

本文根據(jù)聲壓敏感核聲圖的特點(diǎn)，先利用多次的單閾值Otsu方法確定備選區(qū)域，再?gòu)闹羞x擇擾動(dòng)聲線穿過最多的區(qū)域，最后計(jì)算該區(qū)域的重心進(jìn)行目標(biāo)定位。仿真結(jié)果表明，對(duì)于交匯效果較差的聲壓敏感核聲圖，該方法也能夠較好地實(shí)現(xiàn)目標(biāo)定位。

1 基本原理

1.1 擾動(dòng)聲線聲壓敏感核的定位原理

射線理論中，對(duì)聲場(chǎng)的描述是通過聲線進(jìn)行的，把聲波的傳播看作是一束無數(shù)條射線的傳播，每一條射線與等相位面垂直，稱為聲線。從聲源出發(fā)經(jīng)過一定的路徑到達(dá)接收點(diǎn)的聲線稱為本征聲線，本征聲線是射線理論描述聲場(chǎng)的關(guān)鍵。目標(biāo)進(jìn)入探測(cè)區(qū)域會(huì)對(duì)原有的部分本征聲線產(chǎn)生擾動(dòng)，引起接收信號(hào)幅度、相位等的變化，受目標(biāo)擾動(dòng)的本征聲線稱為擾動(dòng)聲線。擾動(dòng)聲線的聲壓相對(duì)變化如下：

圖1 某條擾動(dòng)聲線的聲壓相對(duì)變化

圖2 湖試得到的聲壓敏感核聲圖及其定位結(jié)果

1.2 多閾值Otsu的基本原理

1.2.1 傳統(tǒng)多閾值Otsu分割

圖像的灰度均值為

類間方差為

1.2.2 多次的單閾值Otsu分割

上述閾值組合需要同時(shí)調(diào)整達(dá)到最佳，以便更合理地體現(xiàn)聲圖的細(xì)節(jié)，但最關(guān)心的區(qū)域是目標(biāo)所在的灰度區(qū)間。由于聲壓敏感核聲圖形成的特點(diǎn)，目標(biāo)區(qū)域的像素值在分割后灰度值最大的區(qū)間，所以多閾值中最大的閾值是最重要的。為快速確定最大的閾值，利用多次的單閾值Otsu分割進(jìn)行替代，具體流程如圖3所示。

圖3 多次的單閾值Otsu分割流程圖

2 聲壓敏感核聲圖的圖像處理方法

2.1 仿真參數(shù)

實(shí)際應(yīng)用中，有時(shí)不具備測(cè)量水底地形的實(shí)驗(yàn)條件，這種情況下如果水底起伏不大，可以假設(shè)水底為平底，但實(shí)際聲場(chǎng)的水底地形與計(jì)算聲壓敏感核所用到的平底模型不符，會(huì)導(dǎo)致交匯變差，進(jìn)而影響定位。本文提出的基于圖像處理的目標(biāo)定位方法不僅需要能夠處理聲圖交匯較好的情況，而且需要對(duì)上述實(shí)際應(yīng)用中會(huì)遇到的情況具有一定的處理能力。實(shí)驗(yàn)所用到的剛性垂直陣布放難度大，不便于在很多地點(diǎn)開展實(shí)驗(yàn)進(jìn)行驗(yàn)證，所以本文采用仿真的方式來分析所提出的方法在不同水底地形時(shí)的定位效果。仿真參數(shù)為：垂直發(fā)射陣和垂直接收陣相距71 m，16個(gè)發(fā)射陣元均勻分布在4～19 m處，16個(gè)接收陣元均勻分布在4.2～19.2 m處。目標(biāo)為半徑0.2 m的鐵球。聲速分布為：水深0～7 m為等聲速的表面層，聲速為1 452 m·s-1；水深7～15 m為負(fù)梯度的躍變層，從1 452 m·s-1變?yōu)? 442 m·s-1；水深15 m以下為等溫層，聲速為1 442 m·s-1。圖4為3種不同起伏的水底，起伏范圍在23～25 m，當(dāng)計(jì)算聲壓敏感核時(shí)均假設(shè)水底為24 m的平底，如圖4中虛線所示。由于水底模型存在誤差，用于定位的擾動(dòng)聲線中水底反射聲線越多，交匯的效果越差，從聲圖準(zhǔn)確判斷目標(biāo)的位置的難度越大。本文分析的均處理此類難度較大的聲圖的結(jié)果。

2.2 聲圖的處理過程

圖5為處理某次湖試數(shù)據(jù)所得到的聲圖，從圖中可以看出交匯效果較好，容易確定目標(biāo)位置。但并不是所有情況都能得到交匯較好的聲圖，有的聲圖人工也很難做出正確的判斷。下面給出基于圖像處理方法的聲壓敏感核聲圖的處理過程，主要包括以下3步：聲圖預(yù)處理；多次的單閾值Otsu分割；目標(biāo)區(qū)域的確定。其中聲圖預(yù)處理是對(duì)發(fā)射陣和接收陣附近的盲區(qū)進(jìn)行抑制，增大目標(biāo)的探測(cè)范圍；多次的單閾值Otsu分割是處理盲區(qū)以外的聲圖，分割出目標(biāo)可能出現(xiàn)的位置；確定目標(biāo)區(qū)域是利用聲壓敏感核聲圖的特點(diǎn)從上述備選位置選擇出最可能出現(xiàn)目標(biāo)的位置。

圖4 起伏水底的三種不同仿真模型

2.2.1 聲圖預(yù)處理

圖5(a)為所有擾動(dòng)聲線的計(jì)算結(jié)果相加得到的原始聲圖，存在同一個(gè)發(fā)射陣元或同一個(gè)接收陣元的計(jì)算結(jié)果相加的情況，因此靠近發(fā)射陣和接收陣的位置的計(jì)算結(jié)果較大。目標(biāo)出現(xiàn)在上述位置無法進(jìn)行有效定位，稱其為盲區(qū)。將相同發(fā)射陣元和相同接收陣元的計(jì)算結(jié)果合并，結(jié)果分別如圖5(b)和5(c)所示，可以發(fā)現(xiàn)合并發(fā)射陣元的聲圖在發(fā)射陣一側(cè)的盲區(qū)減小了；合并接收陣元的聲圖在接收陣一側(cè)的盲區(qū)減小了。最后將二者按距離加權(quán)，得到如圖5(d)所示的預(yù)處理結(jié)果，可見發(fā)射和接收的盲區(qū)同時(shí)受到了一定的抑制。通過對(duì)聲圖進(jìn)行預(yù)處理，可以增大對(duì)定位目標(biāo)的探測(cè)范圍。

圖5 聲圖預(yù)處理的過程

2.2.2 多次的單閾值Otsu分割

聲圖預(yù)處理雖然在一定程度上抑制了盲區(qū)，但盲區(qū)仍然存在。圖6(a)為去掉盲區(qū)的預(yù)處理結(jié)果(圖5(d)中5～65 m的結(jié)果)。利用1.2.2節(jié)中所述多閾值Otsu的改進(jìn)方法對(duì)預(yù)處理結(jié)果進(jìn)行分割，結(jié)果如圖6(b)～6(d)，對(duì)應(yīng)的閾值分別為：0.054 9，0.094 1和0.145 1?？梢园l(fā)現(xiàn)隨著循環(huán)次數(shù)的增加，閾值不斷提高，分割出區(qū)域的面積逐漸縮小，直到面積小于一定比例，把分割出的區(qū)域當(dāng)成備選區(qū)域作為下一步的輸入。觀察圖6(c)和6(d)，發(fā)現(xiàn)控制循環(huán)次數(shù)的比例值的合理范圍較寬泛，不易發(fā)生循環(huán)次數(shù)過多或不足的情況。

2.2.3 確定目標(biāo)區(qū)域

聲壓敏感核聲圖是所有擾動(dòng)聲線的計(jì)算結(jié)果相加后得到的，每條擾動(dòng)聲線是受到目標(biāo)擾動(dòng)的本征聲線，其保留的計(jì)算結(jié)果的位置是目標(biāo)可能出現(xiàn)的位置，所以所有擾動(dòng)聲線應(yīng)該在目標(biāo)位置交匯。由于受水底地形不匹配的影響，聲壓敏感核聲圖的交匯效果變差，通過預(yù)處理和分割處理會(huì)得到幾個(gè)備選區(qū)域，根據(jù)聲壓敏感核聲圖的形成特點(diǎn)，目標(biāo)所在的區(qū)域應(yīng)該是通過擾動(dòng)聲線數(shù)最多的區(qū)域。

去掉圖6(d)中聯(lián)通面積較小的備選區(qū)域，結(jié)果如圖7(a)所示，并對(duì)區(qū)域進(jìn)行編號(hào)。然后在所有擾動(dòng)聲線中統(tǒng)計(jì)通過每個(gè)編號(hào)區(qū)域的數(shù)量，將通過聲線數(shù)量最多的區(qū)域確定為目標(biāo)區(qū)域。圖7(a)中4個(gè)區(qū)域通過聲線的數(shù)量分別為：24、22、18和17，所以最終確定區(qū)域1為目標(biāo)區(qū)域，計(jì)算目標(biāo)區(qū)域的重心便可得到目標(biāo)坐標(biāo)。圖7(b)、7(c)分別為通過圖7(a)中區(qū)域1和區(qū)域4的擾動(dòng)聲線，可以觀察到通過區(qū)域1的聲線多于通過區(qū)域4的聲線。

2.3 處理結(jié)果

圖5～7為利用本文所述方法對(duì)圖4中的水底地形1進(jìn)行聲圖預(yù)處理、多次的單閾值Otsu分割和目標(biāo)區(qū)域確定的結(jié)果。圖8為利用本文方法處理其他水底地形的定位結(jié)果，圖8中實(shí)際水底地形用黑色線表示，近似的平底用灰色表示，實(shí)際目標(biāo)位置用藍(lán)色五角星表示，定位結(jié)果用藍(lán)色三角表示。由于水底模型的近似，交匯效果并不理想，人工判斷圖8(a)也容易出現(xiàn)誤判，而利用本文方法能夠正確判斷目標(biāo)的大致位置，可以用于輔助人工判斷。3種水底地形的定位結(jié)果見表1，在不同的地形近似下，定位誤差的大小不同。

圖7 確定地形1的目標(biāo)區(qū)域

表1 三種不同水底地形的定位結(jié)果

3 結(jié)論

本文根據(jù)聲壓敏感核聲圖的特點(diǎn)，提出了一種基于圖像處理的目標(biāo)定位方法。首先通過預(yù)處理抑制發(fā)射和接收的盲區(qū)，然后提出了適用于聲壓敏感核聲圖的多閾值Otsu改進(jìn)方法，分割聲圖得到備選區(qū)域，最后統(tǒng)計(jì)穿過各備選區(qū)域的擾動(dòng)聲線數(shù)量進(jìn)行再次選擇，并計(jì)算最終區(qū)域的重心。本文仿真了3種不同起伏水底近似為平地時(shí)所得到的聲壓敏感核聲圖，并利用所提出的圖像處理方法進(jìn)行處理。仿真結(jié)果表明，該定位方法不但能夠正確定位目標(biāo)，減小人工判斷聲圖的工作量，而且適用于聲壓敏感核聲圖交匯效果較差的情況，能夠輔助人工判斷以減少誤判。

[1] SONG H, KUPERMAN W A, HODGKISS W S, et al. Demonstration of a high-frequency acoustic barrier with a time-reversal mirror[J]. Oceanic Engineering, IEEE Journal of 2003, 28: 246-249.

[2] FOLEGOT T, MARTINELLI G, GUERRINI P, et al. An active acoustic tripwire for simultaneous detection and localization of multiple underwater intruders[J]. J. Acoust. Soc. Am., 2008, 124(5): 2852-2860.

[3] MARANDET C, ROUX P, NICOLAS B, et al. Target detection and localization in shallow water: an experimental demonstration of the acoustic barrier problem at the laboratory scale[J]. J. Acoust. Soc. Am., 2011, 129(1): 85-97.

[4] 溫鳳丹, 林巨. 淺海環(huán)境下的聲學(xué)靈敏度核函數(shù)研究[J]. 南京大學(xué)學(xué)報(bào)(自然科學(xué)版), 2017, 53(1): 135-143.

WEN Fengdan, LIN Ju. The study of sensitivity kernels in shallow water environments[J]. Journal of Nanjing University (Natural Sciences), 2017, 53(1): 135-143.

[5] OTSU N. A threshold selection method from gray-level histograms[J]. IEEE Transactions on Systems, Man, and Cybernetics, 1979, 9(1): 62-66.

[6] 申鉉京, 劉翔, 陳海鵬. 基于多閾值Otsu準(zhǔn)則的閾值分割快速計(jì)算[J]. 電子與信息學(xué)報(bào), 2017, 39(1): 144-149.

SHEN Xuanjing, LIU Xiang, CHEN Haipeng. Fast computation of threshold based on multi-threshold Otsu criterion[J]. Journal of Electronics & Information Technology, 2017, 39(1): 144-149.

[7] 吳鵬. 螢火蟲算法優(yōu)化最大熵的圖像分割方法[J]. 計(jì)算機(jī)工程與應(yīng)用, 2014, 50(12): 115-119.

WU Peng. Image segmentation method based on firefly algorithm and maximum entropy method[J]. Computer Engineering and Applications, 2014, 50(12): 115-119.

[8] 董本志, 蔡文宇, 景維鵬. 自然場(chǎng)景圖像中葉片區(qū)域快速多閾值提取方法[J]. 計(jì)算機(jī)工程與應(yīng)用, 2017, 53(22): 198-203.

DONG Benzhi, CAI Wenyu, JING Weipeng. Fast multi-threshold extraction method of leaf region in natural scene image[J]. Computer Engineering and Applications, 2017, 53(22): 198-203.

[9] 王祥科, 鄭志強(qiáng). Otsu多閾值快速分割算法及其在彩色圖像中的應(yīng)用[J]. 計(jì)算機(jī)應(yīng)用, 2006, 26(z1): 14-15.

WANG Xiangke, ZHENG Zhiqiang. Fast Otsu multi-threshold segmentation algorithm and its application in color image[J]. Computer Applications, 2006, 26(z1): 14-15.

[10] 王磊, 段會(huì)川. Otsu方法在多閾值圖像分割中的應(yīng)用[J]. 計(jì)算機(jī)工程與設(shè)計(jì), 2008, 29(11): 2844-2845.

WANG Lei, DUAN Huichuan. Application of Otsu' method in multi-threshold image segmentation[J]. Computer Engineering and Design, 2008, 29(11): 2844-2845.

[11] 劉立, 焦斌亮, 劉欽龍. Otsu多閾值算法推廣實(shí)現(xiàn)[J]. 測(cè)繪科學(xué), 2009, 34(6): 240-241.

LIU Li, JIAO Binliang, LIU Qinlong. Promotion and realization of Otsu multi-threshold segmentation method[J]. Science of Surveying and Mapping, 2009, 34(6): 240-241.

[12] 劉艷, 趙英良. Otsu多閾值快速求解算法[J]. 計(jì)算機(jī)應(yīng)用, 2011, 31(12): 3363-3365.

LIU Yan, ZHAO Yingliang. Quick approach of multi-threshold Otsu method for image segmentation[J]. Journal of Computer Applications, 2011, 31(12): 3363-3365.

[13] 朱玲羚. 基于Otsu法的聲吶圖像多閾值分割方法[J]. 水雷戰(zhàn)與艦船防護(hù), 2016, 24(4): 68-71.

ZHU Lingling. Multi-threshold segmentation method of sonar image based on Otsu method[J]. Mine Warfare & Ship Self-defence, 2016, 24(4): 68-71.

Target localization based on pressure sensitivity kernel sonogram processing

TANG Hao1,2, XU Feng1, YANG Juan1

(1. Ocean Acoustic Technology Center, Institute of Acoustics, Chinese Academy of Sciences, Beijing 100190, China;2. University of Chinese Academy of Sciences, Beijing 100049, China)

Perturbed eigenrays method using target forward scatting is suitable for target localization in shallow water waveguide. However, on the sonogram, the intersection of pressure sensitivity kernels is easily affected by bottom model mismatch. To solve this problem, this paper proposes a method of target localization based on sonogram processing. Instead of multi-threshold Otsu method, this work determines alternative areas by applying single threshold Otsu method repeatedly, and then computes the gravity center of the area with most perturbed eigenrays. Simulation results suggest that this method can not only locate targets precisely and reduce manual workload when the sonar image is clear, but also help make decisions when the intersection of perturbed eigenrays is complicated.

sonogram processing; sensitivity kernel; small target localization; multi-threshold Otsu method

TP391.4

A

1000-3630(2019)-03-0263-07

10.16300/j.cnki.1000-3630.2019.03.005

2018-03-02;

2018-04-15

中國(guó)科學(xué)院戰(zhàn)略性先導(dǎo)科技專項(xiàng)(XDA13030604)、自然科學(xué)基金項(xiàng)目(11404365)

唐浩(1990－), 男, 黑龍江哈爾濱人, 博士研究生, 研究方向?yàn)樗曅盘?hào)處理。

許楓, E-mail: xf@mail.ioa.ac.cn