圖像處理方法用于聲壓敏感核聲圖的目標定位

唐浩，許楓，楊娟

?

圖像處理方法用于聲壓敏感核聲圖的目標定位

唐浩1,2，許楓1，楊娟1

(1. 中國科學院聲學研究所海洋聲學技術中心，北京 100190；2. 中國科學院大學，北京 100049)

利用目標前向散射的擾動聲線法適用于在淺水信道對目標進行定位，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定位方法。首先利用多次的單閾值Otsu方法對多閾值Otsu方法進行改進，確定備選區域；然后從備選區域中選擇擾動聲線穿過最多的區域并計算重心。仿真結果表明該定位方法不但能夠正確定位目標，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；小目標定位；多閾值Otsu法

0 引言

收發合置聲吶在淺水信道中對小目標的定位能力受到強混響的制約。近年來，國內外開展了很多利用目標的前向散射進行目標探測和定位的研究，通常采用由垂直發射陣和垂直接收陣構成的聲屏障系統[1]進行實驗。目前用于聲屏障系統的定位方法主要有時間反轉法和擾動聲線法。擾動聲線法是一種利用因目標存在而受到擾動的聲線所包含的位置信息實現定位的方法。不同學者利用擾動聲線所包含的不同物理信息實現目標定位，FOLEGOT[2]利用擾動聲線的幾何路徑實現定位，而MARANDET[3]利用擾動聲線的聲壓敏感核來估計目標位置。敏感核是近年來從地球物理學引入到水聲學的，用于描述聲場觀測量對聲場擾動的敏感性和空間特性[4]。聲壓敏感核聲圖的質量會受到水底等模型精度的影響，當缺失水底測量數據，將起伏水底近似為平底時，敏感核的交匯效果變差，影響對目標的定位。

Otsu方法[5]計算簡單，容易實現，算法穩定性及魯棒性都優于其他算法。Otsu方法從單閾值被推廣到多閾值，但本質上仍然是一種窮舉算法，時間復雜度高。目前多閾值分割的優化算法分為兩類[6]，一類是尋優過程優化算法，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]先利用獨立峰值劃分直方圖區域，然后在每個小區域內利用Otsu方法得到局部最佳閾值，最后利用松弛因子進一步降低運算量。王磊等[10]逐一確定閾值，每次在類內方差最大的類中利用Otsu方法計算新的閾值，為進一步提高計算速度，利用雙峰法確定松弛余量。劉立等[11]引入Nelder-Mead單純形法優化多閾值Otsu方法。劉艷[12]在劃分的直方圖區間內利用快速二分法計算閾值來改進多閾值Otsu方法。朱玲羚等[13]針對前視聲吶聲圖的特點，在文獻[10]的基礎上提出了一種適用于前視聲吶圖像的多閾值Otsu方法。

本文根據聲壓敏感核聲圖的特點，先利用多次的單閾值Otsu方法確定備選區域，再從中選擇擾動聲線穿過最多的區域，最后計算該區域的重心進行目標定位。仿真結果表明，對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現目標定位。

1 基本原理

1.1 擾動聲線聲壓敏感核的定位原理

射線理論中，對聲場的描述是通過聲線進行的，把聲波的傳播看作是一束無數條射線的傳播，每一條射線與等相位面垂直，稱為聲線。從聲源出發經過一定的路徑到達接收點的聲線稱為本征聲線，本征聲線是射線理論描述聲場的關鍵。目標進入探測區域會對原有的部分本征聲線產生擾動，引起接收信號幅度、相位等的變化，受目標擾動的本征聲線稱為擾動聲線。擾動聲線的聲壓相對變化如下：

圖1 某條擾動聲線的聲壓相對變化

圖2 湖試得到的聲壓敏感核聲圖及其定位結果

1.2 多閾值Otsu的基本原理

1.2.1 傳統多閾值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調整達到最佳，以便更合理地體現聲圖的細節，但最關心的區域是目標所在的灰度區間。由于聲壓敏感核聲圖形成的特點，目標區域的像素值在分割后灰度值最大的區間，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

實際應用中，有時不具備測量水底地形的實驗條件，這種情況下如果水底起伏不大，可以假設水底為平底，但實際聲場的水底地形與計算聲壓敏感核所用到的平底模型不符，會導致交匯變差，進而影響定位。本文提出的基于圖像處理的目標定位方法不僅需要能夠處理聲圖交匯較好的情況，而且需要對上述實際應用中會遇到的情況具有一定的處理能力。實驗所用到的剛性垂直陣布放難度大，不便于在很多地點開展實驗進行驗證，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的定位效果。仿真參數為：垂直發射陣和垂直接收陣相距71 m，16個發射陣元均勻分布在4～19 m處，16個接收陣元均勻分布在4.2～19.2 m處。目標為半徑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為負梯度的躍變層，從1 452 m·s-1變為1 442 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，當計算聲壓敏感核時均假設水底為24 m的平底，如圖4中虛線所示。由于水底模型存在誤差，用于定位的擾動聲線中水底反射聲線越多，交匯的效果越差，從聲圖準確判斷目標的位置的難度越大。本文分析的均處理此類難度較大的聲圖的結果。

2.2 聲圖的處理過程

圖5為處理某次湖試數據所得到的聲圖，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：聲圖預處理；多次的單閾值Otsu分割；目標區域的確定。其中聲圖預處理是對發射陣和接收陣附近的盲區進行抑制，增大目標的探測范圍；多次的單閾值Otsu分割是處理盲區以外的聲圖，分割出目標可能出現的位置；確定目標區域是利用聲壓敏感核聲圖的特點從上述備選位置選擇出最可能出現目標的位置。

圖4 起伏水底的三種不同仿真模型

2.2.1 聲圖預處理

圖5(a)為所有擾動聲線的計算結果相加得到的原始聲圖，存在同一個發射陣元或同一個接收陣元的計算結果相加的情況，因此靠近發射陣和接收陣的位置的計算結果較大。目標出現在上述位置無法進行有效定位，稱其為盲區。將相同發射陣元和相同接收陣元的計算結果合并，結果分別如圖5(b)和5(c)所示，可以發現合并發射陣元的聲圖在發射陣一側的盲區減小了；合并接收陣元的聲圖在接收陣一側的盲區減小了。最后將二者按距離加權，得到如圖5(d)所示的預處理結果，可見發射和接收的盲區同時受到了一定的抑制。通過對聲圖進行預處理，可以增大對定位目標的探測范圍。

圖5 聲圖預處理的過程

2.2.2 多次的單閾值Otsu分割

聲圖預處理雖然在一定程度上抑制了盲區，但盲區仍然存在。圖6(a)為去掉盲區的預處理結果(圖5(d)中5～65 m的結果)。利用1.2.2節中所述多閾值Otsu的改進方法對預處理結果進行分割，結果如圖6(b)～6(d)，對應的閾值分別為：0.054 9，0.094 1和0.145 1?？梢园l現隨著循環次數的增加，閾值不斷提高，分割出區域的面積逐漸縮小，直到面積小于一定比例，把分割出的區域當成備選區域作為下一步的輸入。觀察圖6(c)和6(d)，發現控制循環次數的比例值的合理范圍較寬泛，不易發生循環次數過多或不足的情況。

2.2.3 確定目標區域

聲壓敏感核聲圖是所有擾動聲線的計算結果相加后得到的，每條擾動聲線是受到目標擾動的本征聲線，其保留的計算結果的位置是目標可能出現的位置，所以所有擾動聲線應該在目標位置交匯。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，通過預處理和分割處理會得到幾個備選區域，根據聲壓敏感核聲圖的形成特點，目標所在的區域應該是通過擾動聲線數最多的區域。

去掉圖6(d)中聯通面積較小的備選區域，結果如圖7(a)所示，并對區域進行編號。然后在所有擾動聲線中統計通過每個編號區域的數量，將通過聲線數量最多的區域確定為目標區域。圖7(a)中4個區域通過聲線的數量分別為：24、22、18和17，所以最終確定區域1為目標區域，計算目標區域的重心便可得到目標坐標。圖7(b)、7(c)分別為通過圖7(a)中區域1和區域4的擾動聲線，可以觀察到通過區域1的聲線多于通過區域4的聲線。

2.3 處理結果

圖5～7為利用本文所述方法對圖4中的水底地形1進行聲圖預處理、多次的單閾值Otsu分割和目標區域確定的結果。圖8為利用本文方法處理其他水底地形的定位結果，圖8中實際水底地形用黑色線表示，近似的平底用灰色表示，實際目標位置用藍色五角星表示，定位結果用藍色三角表示。由于水底模型的近似，交匯效果并不理想，人工判斷圖8(a)也容易出現誤判，而利用本文方法能夠正確判斷目標的大致位置，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的目標區域

表1 三種不同水底地形的定位結果

3 結論

本文根據聲壓敏感核聲圖的特點，提出了一種基于圖像處理的目標定位方法。首先通過預處理抑制發射和接收的盲區，然后提出了適用于聲壓敏感核聲圖的多閾值Otsu改進方法，分割聲圖得到備選區域，最后統計穿過各備選區域的擾動聲線數量進行再次選擇，并計算最終區域的重心。本文仿真了3種不同起伏水底近似為平地時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行處理。仿真結果表明，該定位方法不但能夠正確定位目標，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. 淺海環境下的聲學靈敏度核函數研究[J]. 南京大學學報(自然科學版), 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準則的閾值分割快速計算[J]. 電子與信息學報, 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. 螢火蟲算法優化最大熵的圖像分割方法[J]. 計算機工程與應用, 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. 自然場景圖像中葉片區域快速多閾值提取方法[J]. 計算機工程與應用, 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. Otsu多閾值快速分割算法及其在彩色圖像中的應用[J]. 計算機應用, 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, 段會川. Otsu方法在多閾值圖像分割中的應用[J]. 計算機工程與設計, 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多閾值算法推廣實現[J]. 測繪科學, 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]. 計算機應用, 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]. 水雷戰與艦船防護, 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

中國科學院戰略性先導科技專項(XDA13030604)、自然科學基金項目(11404365)

唐浩(1990－), 男, 黑龍江哈爾濱人, 博士研究生, 研究方向為水聲信號處理。

許楓, E-mail: xf@mail.ioa.ac.cn