基于深度學習的多波束海底地質數據異常值檢測方法

何書鋒 孫鈿奇 王 詔 楊洪山

1(中國地質調查局青島海洋地質研究所 山東 青島 266071)2(星環信息科技(上海)有限公司 上海 200233)

0 引 言

隨著經濟發展，人口數量增加，陸地可用資源減少，人類對資源的開發從陸地領域轉移到海洋領域。在這種情況下，海洋研究受到很大重視。海洋領域開發活動中最基礎的任務是海底地形測量，目的是測量海洋深度及繪制精確的海底地形圖。在如今的海洋測繪中，多波束測深系統[1-3]已經成為最主要的海洋測量設備，覆蓋面廣、精度高、取樣密集是其測量數據的主要特征[4]。然而，與陸地測量相比，海洋測量仍存在許多不穩定因素，例如機器噪聲、人為因素、海況環境等[5]，因此不可避免地存在數據異常值。同時海洋測量還存在動態效應，海水阻隔是其主要原因之一。除大氣影響海洋測量外，海洋測量還受到海水運動、海水流速、海水的物理性質等與實際海底不一致等的影響，可能給艦船航行帶來危險。

此外，衡量設備性能最基本和最重要的問題是設計原則是否先進，但不同制造商有不同的設計原則，這涉及獲得數據可靠性、精度分辨率和信號處理等諸多方面。多波束系統是由單波束回聲測深儀采用幅度檢測原理進行開發的，因其幅度較強，且橫向波束相對容易檢測，因此可以很容易地檢測中間波束。但由于信號散射變弱，對應的檢測結果也會較差。對此，以相位檢測相干聲吶為設計原理的多光束系統可彌補這方面的不足。雖然中間光束之間的相位差較小會導致難以檢測，但是側面光束之間的相位差較大，因此可以進行高精度檢測，以提高設備精度。根據這兩個設計思想，不同的制造商已經開發并生產了自己的多光束系統。但是，隨著科學技術的發展，大多數制造商不再應用單一的設計思想，而是同時使用幅度檢測(中間光束)和相位檢測(橫向光束)設計概念。

1 多波束海底數據

1.1 多波束數據預處理

多波束測量數據預處理的目的是實現海量多波束海底地形數據以及各種空間和屬性數據的輸入、處理、管理和可視化輸出。多波束數據預處理中的各子模塊有：數據格式轉換與讀取模塊，聲速剖面處理模塊，定位數據處理模塊和姿態數據處理模塊，如圖1所示。

圖1 多波束數據預處理結構圖

1.2 相關工作

任何設備的開發都應考慮到進行特定測量的目的、水深范圍、精度和分辨率等因素。多波束測深系統使用安裝在水中的轉換器傳輸扇形束以接收在海底反射的回波信號，進而根據水中聲波的傳播特性測量水深。換能器的發射和接收包括垂直于方向的發射陣列和接收陣列。發射陣列平行于船的縱向方向，扇形脈沖聲波在正下方的兩側對稱地傳輸，并且接收陣列沿船的橫向方向排列。在垂直于母船航向的方向上，通過波束形成技術在若干個預成波束角方向上形成若干個波束，根據各角度聲波到達的時間或相位就可以分別測量出與每個波束對應點的水深值。多波束系統是一種大型組合設備，它的基本組成如圖2所示。以工作站為代表的數據處理系統集成了聲波測量、定位、船舶姿態、聲速剖面和潮汐水平信息幾部分，可以計算波束足跡的坐標和深度然后繪制海底平面或三維地圖，最后用于海底勘探。

圖2 多波束系統基本組成

1.3 存在的問題

對多波束測深數據進行異常檢測的通用方法有三種，分別為魯棒M估計方法[6]、中值濾波方法[7-8]和趨勢面濾波方法[9-10]。魯棒M估計方法的一些參數十分敏感，例如權重函數參數、初始值參數等。如果參數選擇適當，檢測效果比趨勢面濾波方法強，但該方法計算量很大，適用于復雜地形的檢測。中值濾波方法對脈沖異常效用極佳，但對小的離群值無效。趨勢面濾波方法的計算簡單，適用于檢測和消除平坦地形中的異常值。在實際應用中，由于多波束測深數據量大，通常會選擇趨勢面濾波作為簡單可行的異常檢測和消除方法。但是，由于探測數據點包含離群值，因此通過常規曲面擬合獲得的趨勢面通常包含少量異常數據點信息，在偏離了實際地形的同時影響了異常檢測的效果，所以需要一種更好的方法進行檢測。本文方法可以有效解決這些問題，在檢測精度提高的同時，還能檢測出離群值中的異常數據點。

2 基于深度學習的多波束海底數據異常檢測方法

本文提出一種新的異常檢測方法——深度支持向量[11-14]檢測方法(Support Vector Data Description，SVDD)，這是一種基于深度學習的多波束海底數據異常檢測方法，如圖3所示。該方法在檢測出更多異常值的同時，減少了誤判和漏判的個數，提高了檢測精度。

圖3 深度支持向量模型圖

2.1 基于深度學習的異常檢測方法

深度學習[15-16]作為機器學習的新發展方向，它可以利用具有多個處理層的模型架構來學習輸入數據間的高階隱含特征。本文將利用深度學習的方法分類為“混合”和“完全深度”兩種。混合方法表示在先前的步驟中進行單獨學習，然后再將這些表示饋入OC-SVM等的數據表示。多個抽象級別允許以非常緊湊和分布式的形式表示功能豐富的空間。深度(多層)神經網絡特別適合于學習本質上分層的數據表示，例如圖像或傳統的(淺)異常檢測方法。相反，完全深度的方法直接將表示學習目標用于檢測異常。借助支持向量機引入了一種新穎的、有多層神經網絡的無監督異常檢測方法。SVDD通過訓練神經網絡以使網絡輸出適合最小體積的超球面來學習提取數據分布變化的公共因素。相比之下，幾乎所有現有的深度異常檢測方法都依賴于重構錯誤，這些方法或是混合方法僅用于學習表示，或是直接用于表示學習和檢測。

自編碼器的學習目標為通過最小化重構誤差來獲得原始數據在低維空間上的特征表征。在異常檢測任務中，自編碼器能夠從正常樣本中學習到共性的低維表征并且可以通過解碼器準確地重構數據，但是對于異常的數據由于其缺乏共性特征，所以在編碼和解碼的過程中會存在較大的重構誤差。因此將自編碼器學習到的低維表征與經典方法相結合能夠有效提升現有異常檢測任務的準確度[17-19]。此外，在一些端到端的深度網絡模型中，可以直接將重構誤差的數值作為異常檢測任務的衡量指標。用于異常檢測的自編碼器主要有四大類：變分自動編碼器，稀疏自動編碼器，去噪自動編碼器，深卷積自動編碼器，其中最后一個變體主要用于帶有圖像或視頻的異常檢測應用中的數據。

自動編碼器具有降維的目的，并且不直接針對異常檢測。在選擇合適的壓縮度(即降維)時，給出了將自動編碼器用于異常檢測的主要困難。如果沒有壓縮，則自動編碼器將僅學習標識函數。在信息減少到單個值的另一種邊緣情況下，平均值將是最佳解決方案，即數據表示的“緊湊性”是一個模型的超參數，由于具備不受監督的性質和數據的固有維數通常難以估計，因此難以選擇正確的平衡。相比之下，本文通過最小化封裝數據的超球面的體積，將表示的緊湊性納入本次的深度異常檢測的目標中，從而直接定位異常點。除了自動編碼器，Schlegl等[20]提出了一種基于生成對抗網絡(GAN)的新型深度異常方法，稱為AnoGAN。在這種方法中，首先根據訓練數據訓練GAN以生成樣本，給定一個測試點，AnoGAN會嘗試在生成器的潛在空間中找到一個點，以生成最接近所考慮的測試輸入的樣本。直觀地講，根據訓練數據訓練GAN得到樣本后，正常樣本(即來自分布的樣本)應該在潛在空間中具有良好的表示能力，而異常樣本則不會。為了找到潛在空間中的點，Schlegl等[20]提出的方法在潛在空間中執行梯度下降，以使生成器的學習權重保持穩定。最后，AnoGAN還通過重構錯誤定義異常分數。與自動編碼器類似，這種生成方法的主要困難在于如何規范生成器的緊湊性。

2.2 SVDD算法介紹

使用SVDD時，通過找到最小尺寸的數據封裝超球面，在基于內核的SVDD和最小體積估計的基礎上進行構建。借助SVDD可以學習數據的有用特征表示以及進行單類分類時的目標，為此，本文采用了經過聯合訓練的神經網絡，可以將數據映射到最小體積的超球面中。

(1)

式中：v∈(0,1]為模型的超參數；R為半徑。

與內核SVDD中一樣，最小化R2可以最小化超球面的體積。優化式(1)中的第二項是通過網絡后位于球體外部的點的懲罰項，最后一項是超參數λ>0的網絡參數W的權重衰減調節器，其中‖·‖F表示Frobenius范數。優化式(1)使網絡學習參數W，以使數據點緊密映射到超球面的中心c。為此，網絡必須提取數據變化的共同因素。結果是數據的正常示例都緊密映射到中心c，而反常的示例則被映射為遠離超球面的中心或超球面之外。

對于假設大多數訓練數據Dn正常的情況，這通常是在單類分類任務中的情況，本文提出一個額外的簡化目標，將單類深度SVDD目標函數定義為:

(2)

式(2)中第二項還是具有超參數λ>0的網絡權重衰減正則化器，也可以認為單類深度SVDD是尋找一個以超球以c為中心的體積最小的超球面。但與軟邊界不同，通過直接懲罰半徑和落在球體之外的數據表示來收縮超球體，SVDD通過最小化所有數據表示到中心的平均距離來縮小球面。同樣，為了將數據(平均)映射到盡可能靠近中心c的位置，神經網絡必須提取變化的公共因子。懲罰所有數據點上的平均距離而不是允許某些點落在超球面之外符合以下假設：大多數訓練數據來自一類。給定一個測試點x∈X，本文可以通過點到超球面中心的距離來定義SVDD的兩個變體的異常得分：

s(x) =‖φ(x;w*)-c‖2

(3)

式中：w*是訓練模型的網絡參數。

2.3 SVDD算法優化

本文使用隨機梯度下降(SGD)及其變體(例如Adam)和反向傳播來優化兩個SVDD目標中的神經網絡參數W，進行訓練直到損失收斂到局部最小值。使用SGD可使SVDD在大型數據集上很好地擴展，因為它的計算復雜度在訓練批次的數量上呈線性增長，而不是指數增長，復雜度不會大到難于訓練，并且每個批次都可以并行處理來提升訓練速度(例如使用GPU進行并行處理)。SGD優化還可實現迭代或在線學習，例如一邊用最新的數據一邊訓練優化。由于網絡參數W和半徑R通常在不同的尺度上，因此使用一種常見的SGD學習速率可能不足以優化軟邊界，會出現優化時損失一直不能下降的情況。相反，本文采用交替最小化/塊坐標下降法交替優化網絡參數W和半徑R,即在半徑R固定的情況下訓練了k個周期的網絡參數W；接著在每個第k個周期之后，使用最新更新的網絡參數W，根據網絡的數據表示來求解半徑R，再通過行搜索可以輕松解決R。采用該方法的優點在于可進一步提高優化邊界速率。

3 實驗與分析

3.1 數據集

多波束測深系統提供的信息非常豐富，具體內容如下：1) 測量水深的基本信息：波束號，經度，緯度，水深值；2) 測量船舶位置信息：傾斜度，吃水，航向，速度；3) 中心梁信息：中心梁北坐標，中心梁東坐標，側向距離，航向距離；4) 其他時間信息：行進時間以及角度。具體數據如表1所示。此處的水深數據是經過實時處理的水深值，例如滾動、傾斜、吃水、聲波校正等，指示每個檢測光束的特定位置。本文算法處理的數據是其中三種：經度、緯度和水深值。

表1 數據字段匯總表

3.2 評測方法

3.2.1基于改進GA的異常值檢測算法[21-24]

基于改進GA的異常值檢測算法主要思想如下：1) 在生成初始種群之前，將調查區域劃分為多個子空間，以確保每個空間的水深數據能夠不斷變化。2) 在實際工作中，有必要先確定選擇規則，再采用一種基于染色體適應度大小排序的選擇算子。

3.2.2截斷最小二乘估計異常值檢測算法[25-26]

截斷最小二乘估計是一種具有高崩潰點的穩健估計方法，估計方法的崩潰點值越高，說明可以接受的異常值越多，表明其魯棒性越好。這個方法的目標函數為使升序排列在前半部分的殘差平方和取最小時的估計值，并不是所有數據點的殘差平方和取最小時的估計值，因此截斷最小二乘估計的崩潰點高達50%，說明數據集中異常值的數量可占總數據的一半，證明它極為健壯。當數據點集中偏離實際值較大的數據點時，該方法能夠有效防止數據點中異常值參與參數估計的計算，從而獲得準確的參數估計值。實際地形數據統計結果顯示，異常深度數據點不到總數據的一半，而由于地形的復雜度造成的異常深度數據點的比例不到十分之一，完全滿足此估計方法的適用條件，但該方法的缺點在于網絡復雜，訓練的時間較長。

3.3 結果比較與分析

將基于改進GA的異常值檢測算法(方法1)、截斷最小二乘估計異常值檢測算法(方法2)和本文方法進行對比分析，實驗結果如表2所示。實驗的預置值包括：測試數據的總個數(總個數)、總個數中離散的個數(其中的離散點數)、總個數中的異常點的個數(異常點數)；實測值包括不是異常點判成了異常點(誤判個數)、是異常點但判成了正常點(判漏個數)、正確判對的數量(總判對個數)、總判對個數中正常點判成了正常點(判對的正常點數)、總判對個數中異常點判成了異常點(判對的異常點數)、總判對個數中的離散點數和精度。從實驗結果可得出本文方法優于方法1和方法2，主要體現在：在總個數和異常點個數不變的情況下，基于本文方法計算得出的誤判個數和漏判個數少于方法1和方法2，總判對個數多于方法1和方法2，其中正確檢測出來的正常點數、正確檢測的異常點數和正確檢測出來的離散點數都高于其他兩種方法。

表2 方法對比實驗結果

4 結 語

本文提出基于深度學習的多波束海底地質數據檢測方法，設計應用深度支持向量檢測方法對異常數據進行檢測。在海底地形數據下進行了實驗對比分析，結果表明本文方法顯著優于基于改進GA的異常值檢測算法和截斷最小二乘估計異常值檢測算法，并且對離散點識別的正確樣本數也顯著高于兩種對比方法。此外，本文方法在維持較高召回率的同時，在準確率方面平均比對比方法提升了1百分點左右。實驗結果表明了本文方法的有效性，同時其為海洋地質數據分類提供可靠的算法支撐，減少了誤判和漏判的情況，提高了檢測精度。