文/趙海旭

1 聲納圖像預處理流程

整個處理流程如圖1所示，主要包含目標增強、灰度變換、圖像分割、二值形態(tài)學處理。

1.1 自動檢測

似雷目標回波的自動檢測采用恒虛警CFAR處理技術，基于回波圖像的柵格化，以及回波SNR估計，通過對背景的分析，進行自適應門限檢測。

接收陣獲得的波束匹配輸出幅度數(shù)據(jù)，首先進行圖像柵格化處理，將圖像分割成與目標尺寸接近的柵格；圖像柵格劃分完成后，對每個柵格估計回波幅度均值、方差，以便估計柵格內像素SNR，實現(xiàn)恒虛警率（CFAR）檢測。

假設cell表示當前考慮的柵格(像素)單元，cell單元左右N/2點參與背景估計，假定目標最大尺度6m(含陰影長度)，則在當前cell單元前后(距離)、左右(方位)留出6m保護段，SNR根據(jù)當前cell像素幅度值x、背景均值、背景方差δ進行計算，SNR計算公式為

圖1：圖像處理流程

圖2：圖像增強框圖

圖3：目標增強前后對比圖

設Th為恒虛警門限，根據(jù)下式進行計算

將SNR與Th進行比較，將通過門限的回波進行保留，經(jīng)過CFAR檢測可以實現(xiàn)超過給定門限的疑似回波提取。

經(jīng)過上述分析得以保留的疑似回波，在時間上多個發(fā)射ping內進行同一回波存在性分析，通過時間滑窗器進行判斷，采用3/5或5/9準則，可以在5個或9個發(fā)射周期內實現(xiàn)似疑似回波的快速判斷。

1.2 聲納圖像去噪處理

對目標聲圖像去噪是進行后置處理的必要條件，采用小波去噪、中值濾波、維納濾波等方法對目標聲圖像進行去噪。

1.3 目標增強

圖像聲納具備采樣率高，數(shù)據(jù)刷新快的特點，短時真實樣本出現(xiàn)次數(shù)有助于提高目標的置信度，并降低虛警。可以利用這個特點對所關注的慢速小目標進行增強操作。

采用圖2所示流程對聲納輸入圖像進行目標增強操作。

首先將輸入波束圖像進行背景估計，將圖像中動目標與靜目標進行剝離，對當前圖像與其之前的n幀圖像進行滑窗疊加操作（n大小取決于所關注目標速度和聲納圖像刷新率）。對于固定目標，疊加后的圖像相應位置的強度值取當前幀與其之前n幀圖像中對應位置的強度的平均值，以使固定目標強度弱化，而對于關注的動目標區(qū)域，疊加后圖像相應位置取當前幀與其前n幀圖像中對應位置強度的最大值，增強目標與背景的對比度。

圖3是采用了疊加處理后的效果，為了顯示效果，對疊加后的聲納圖像進行了插值操作，采用了拋物線內插對方位維三倍內插、距離維兩倍內插。

1.4 灰度變換

建立一定的映射準則將疊加后獲取的圖像映射成灰度圖像，通過圖像分析，設計對比度增強曲線，或者采用直方圖均衡化方法來增強原圖像中某兩個灰度值之間的動態(tài)范圍來實現(xiàn)圖像對比度的增強，進一步加強目標與背景之間的對比度，便于邊緣特征的提取。如圖4所示。

假設經(jīng)過增強處理后獲取的圖像矩陣為A，灰度轉換后矩陣為B，本文仿真所采用的灰度映射準則如下：

1.5 圖像分割

聲納圖像由目標高亮區(qū)、陰影區(qū)和背景區(qū)三部分組成。目標高亮區(qū)主要由聲波在目標表面的反射造成的區(qū)域，而陰影區(qū)是由于目標物的遮擋使得聲波難以到達造成的區(qū)域。水下目標檢測的目的就是要從復雜背景區(qū)中提取出目標高亮區(qū)和陰影區(qū)，并盡量保留圖像原始邊緣信息。

圖4：灰度變換示意圖

圖5：圖像分割示意圖

圖6：二值化圖像

圖7：二值形態(tài)學處理對比圖

根據(jù)圖像信息的不同，通常圖像分割方法被分為四大類：基于閾值的分割方法、基于區(qū)域的分割方法、基于邊緣檢測的分割方法和基于特定理論的分割方法。根據(jù)圖像信息的不同，通常圖像分割方法被分為四大類：基于閾值的分割方法、基于區(qū)域的分割方法、基于邊緣檢測的分割方法和基于特定理論的分割方法。如圖5所示。

本文對當前ping背景峰值目標回波數(shù)據(jù)進行滑動平均，目的是獲得比較穩(wěn)定的背景，本文采用下式直接求局部最大值實現(xiàn)。

聲納圖像的峰值背景估計完成后，需要進行目標檢測與判別。針對式（2）獲得的背景估計，每個像素都是匹配處理輸出，p為發(fā)射ping下標號，n為像素下標號，k為波束號，目標檢測可表示為：

式中選擇gate0=6dB，即只有比背景大6dB的目標回波才予以保留，否則認為非目標，不予保留。

目標判別可以采用聚類的方法進行判斷，利用目標回波在空間上存在的擴展，對經(jīng)過了初步檢測的目標數(shù)據(jù)，考察其鄰域9點(像素：方位3×距離3)是否存在3個以上的強背景(值1)，如果是，則確認目標回波，否則認為是噪聲背景(值0)。

經(jīng)過上述數(shù)據(jù)分析及處理后得到圖6右所示的二值圖像。

1.6 二值形態(tài)學處理

數(shù)學形態(tài)學方法是一種非線性的濾波方法。數(shù)學形態(tài)學的應用能夠簡化圖像數(shù)據(jù)量，保持目標基本的形狀特性，并可以除去其它不相干的結構。數(shù)學形態(tài)學的基本運算包含四個：膨脹(或擴張)、腐蝕(或侵蝕)、開啟和閉合。

通常將膨脹和腐蝕級聯(lián)組合使用，開啟是先對圖像進行腐蝕然后膨脹其結果，閉合就是先對圖像進行膨脹，然后腐蝕其結果。開啟和閉合運算都可以除去比結構元素小的特定圖像細節(jié)，同時保證不產(chǎn)生全局幾何失真，開運算能夠平滑圖像的輪廓，去掉輪廓上的細小突出。閉運算正好與之相反，它融合掉圖像中物體邊緣的缺口，去掉物體內部的小洞，填補輪廓的縫隙。

在此我們采用對二值圖像先進行腐蝕運算，再進行閉運算的處理方法，有效地去除了圖像中得斑點噪聲并去除圖像中物體內部不應有的小洞。如圖7所示。

2 結論

本文對聲納圖像的蛙人數(shù)據(jù)進行了圖像增強、灰度變換、圖像分割及二值形態(tài)學處理仿真，本文所選取聲納圖像背景相對簡單，下一步將對背景較復雜圖像進行仿真分析。