基于改進側掃聲吶法的水下拋石精準識別研究

摘要：側掃聲吶法是水下拋石探測中較為常用的方法之一，具有橫向分辨率高、工作效率高等特點。但通常只根據聲波散射強度值的相對大小進行水底介質判斷會存在較大誤差。為了提高識別準確性，以保定圩水下拋石為研究對象，首先對側掃聲吶數據進行小波去噪處理;然后根據Lambert定律消除掠射角的影響，使散射強度與水下介質的類型直接相關;最后利用聚類分析方法對長江干流蕪湖市保定圩水下介質進行分類。研究表明：該方法的識別能力明顯高于直接利用原始側掃聲吶數據進行聚類分析的方法，可精確劃分出拋石體的分布范圍，大大提高了水下拋石體的識別能力。

關 鍵 詞：水下拋石識別; 側掃聲吶; 小波去噪; Lambert定律; 聚類分析; 保定圩

中圖法分類號： TV221

文獻標志碼： A

DOI：10.16232/j.cnki.1001-4179.2022.04.033

0 引 言

在水利工程中，為了更好地指導河湖整治工作，需要對水底介質進行實時精確的跟蹤和監測。水下拋石是護岸工程中較為常見和成熟的方法之一，屬于水下隱蔽工程。由于拋石體為松散的堆積物，具有厚度薄、離散性較大等特點，且水下環境較為復雜，受水流沖刷的影響，拋石體的厚度和位置等賦存狀態常常發生變化，因此，需不定期的對水下拋石體進行跟蹤和監測[1-4]。

目前，水下介質探測中常用的方法有側掃聲吶法、多波束測深法、地震反射波法、高密度電法和探地雷達法等[5-7]。其中側掃聲吶法是通過向水下發射扇形波束的聲波信號，當遇到水底介質時發生散射，同時對散射波數據進行采集，在室內對數據進行一系列的處理后，可對水下的情況進行判識和解譯的一種水底測量方法。它具有橫向分辨率高、工作效率高、測量范圍廣、價格便宜等優點，并逐漸應用到水利工程、海洋調查、海岸工程、港口航道建設等領域[8-12]。側掃聲吶采集到的數據信息較為豐富，專業人員通常只根據聲波散射強度值的相對大小定性地進行水底介質判斷。但由于水下環境較為復雜，在探測過程中易受到水下噪聲的影響，同時聲波散射強度值除了與水底介質類型有關，還與聲波掠射角等因素存在著相關性，使得拋石體的識別存在較大的誤差[13-16]。

為了精準識別水下拋石，本文首先對側掃聲吶數據進行小波去噪處理;然后根據Lambert定律消除掠射角的影響，使散射強度與水下介質直接相關;最后利用聚類分析方法對水下介質進行分類，可大大提高對水下拋石體的識別能力。

1 基本原理

1.1 側掃聲吶工作原理

圖1為側掃聲吶工作示意圖。AC表示聲吶探頭到水底的距離，BC表示水底測點到探頭的水平距離。在測量過程中，由聲吶探頭左右對稱分布的換能器發出兩束扇形高頻聲波脈沖信號，聲波遇到水底介質后產生反向散射波，并沿原路線返回到換能器中，經過聲能向電能的轉換從而獲得散射波強度值，由電纜傳輸到計算機中存儲。

1.2 散射強度影響因素分析

（1） 水下介質。

散射強度與水下介質類型有著密切的聯系。大量研究表明[17-19]：對于硬質粗糙介質，通常散射強度較大;而對于軟質平滑介質，聲波能量吸收衰減就較強，總的散射強度較硬質粗糙介質小。因此，根據側掃聲吶散射強度的大小間接進行水底介質的識別具有理論支撐。

（2） 掠射角。

掠射角即為入射聲波方向與水平方向的夾角。散射強度與掠射角同樣存在著相關性，掠射角越大，反向散射強度也越大。當水底為粗糙介質，且在水下環境中不考慮頻散效應，同時入射聲線、散射聲線及散射面法線位于同一平面時，兩者的關系可用Lambert定律來描述[20-22]：

Sθ=S90°+10lgsin2θ（1）

式中：θ為掠射角，°，θ∈（0°，90°];S90°為掠射角為90°時的散射強度，dB;Sθ為掠射角為θ時的散射強度，dB。

式（1）經變換可得式（2）：

S90°=Sθ-10lgsin2θ（2）

式中：Sθ與10lgsin2θ之差即為掠射角為90°時的散射強度。因此，可根據此式消除掠射角對散射強度的影響。

1.3 小波變換

小波變換是在傅里葉變換基礎上發展的一種信號分析方法，其中二維小波變換是指任意信號δ（x1，x2）在小波基ψ（x1，x2）進行相同尺度a的二維伸縮，以及b1和b2的二維平移下，得到一個具有三參數a，b1和b2的函數WTx1，x2（a，b1，b2）[23-24]：

WTx1，x2（a，b1，b2）=1aδ（x1，x2）ψ（x1-b1a，x2-b2a）dx1dx2（3）

式中：a為尺度因子;b1和b2為位移因子。

即通過伸縮和平移小波基函數對二維信號進行多尺度的變換，尺度因子a越小，表示小波基ψ（x1，x2）被壓縮，變換后的信號代表原信號δ（x1，x2）的高頻分量;尺度因子a越大，表示小波基ψ（x1，x2）被拉伸，變換后的信號代表原信號δ（x1，x2）的低頻分量。

1.4 聚類分析

聚類分析是將樣本數據按照相似性自動劃分為不同類的過程，通常將樣本之間和類之間的距離作為評價相似性的標準。聚類分析中計算樣本間的距離有歐幾里德距離、相關距離等。通過計算每個樣本之間的距離后，將距離最小的兩個樣本歸為一類[25-26]。本文采用的是歐幾里德距離，其計算公式為

D（xi，xj）=mn=1（xi-xj）2（4）

式中：i，j為樣本序號。即第i和第j個樣本間的歐幾里德距離樣本對應的特征數據為其絕對距離平方和的算術平方根。

評價類與類之間的距離通常有最短距離法、最長距離法等。本文采用最長距離法進行分類，即通過計算兩類所有樣本間的距離，將其中最長的距離視作兩類間的距離，再將距離最近的兩類合并，使得同一類的數據有較大的相似性，不同類的數據有較大的相異性。DFF3ED11-A11D-4AB8-85EB-FE194BEF08C0

2 地質模型的方法驗證

為了研究側掃聲吶精準識別水下拋石方法的可行性，本文參照實際的長江拋石護岸工程（保定圩段）建立拋石護岸地質模型，如圖2所示。模型由拋石體、岸坡填土和江砂3種介質組成，平行于岸坡和垂直于岸坡方向范圍均為0～10 m，其中，垂直岸坡方向范圍0～5 m為岸坡填土，范圍5～10 m為江砂，拋石體平面尺寸為0.5 m×0.5 m，均勻分布在填土和江砂上，相鄰拋石體間隔為0.2 m。

為了研究小波變換對側掃聲吶數據的去噪能力，首先模擬聲吶探頭在水深0.1 m、垂直岸坡方向5 m處，平行于岸坡方向進行探測，將圖2地質模型中的拋石體、岸坡填土和江砂掠射角為90°時的散射強度分別設定為200，100 dB和150 dB，同時考慮掠射角的影響，得到側掃聲吶模擬結果，如圖3（a）所示。為了模擬受到水下噪聲的影響，對模擬側掃聲吶圖像加入高斯白噪聲，如圖3（b）所示。受噪聲的干擾，圖中拋石體輪廓線變得模糊，與填土和江砂較難區分開來。接著本文選用sym8小波對加噪信號進行小波變換，如圖4所示。圖4（a）為小尺度信號，代表其高頻分量，主要為隨機噪聲干擾;圖4（b）為中尺度和大尺度信號的疊加，代表其中頻和低頻分量之和，主要為反映不同介質的側掃聲吶數據，相對圖3（b）的加噪圖像，圖4（b）中拋石體輪廓線變得清晰，這樣便實現了消除噪聲的目的。

為了研究Lambert定律消除掠射角的能力，根據式（2）進行掠射角的校正，得到掠射角為90°時的散射強度，結果如圖5所示。對比圖4（b），發現圖像中兩側小掠射角對應的散射強度值得到了提高，使得散射強度值與水下介質直接相關。

為了研究聚類分析劃分水下介質的能力，本文采用歐幾里德距離最長距離法對圖5經過一系列處理后的側掃聲吶圖像進行聚類分析，如圖6所示。聚類分析結果中拋石體、填土和江砂3種介質分類明顯，劃分結果與圖2原始地質模型較為接近，說明聚類分析應用于側掃聲吶數據，進行水下介質的劃分較為可靠。

3 實例分析

保定圩位于長江干流蕪湖市三山區境內，為了查明其水下拋石體的賦存狀態，采用側掃聲吶法進行了相關的探測。探測儀器選用瑞典生產的雙頻側掃聲吶探測儀（Deep Vision DE3468D），探測過程中將側掃聲吶探頭固定在船只底部，隨船只平行于岸坡方向勻速前進，探測范圍在平行于岸坡方向和垂直于岸坡方向均為0～100 m，結果如圖7（a）所示。

在圖7（a）中，受水下噪聲的干擾，原始側掃聲吶圖像較為模糊，同時受到掠射角的影響，圖像兩側散射強度值較小，難以精確地進行拋石體的識別。為此，本文首先對原始側掃聲吶圖像進行小波去噪處理，然后根據式（2）消除掠射角的影響，使散射強度與水下介質直接相關，最后利用聚類分析對水下介質進行分類。

本文選用sym8小波對原始側掃聲吶圖像進行小波去噪，結果如圖7（b）所示，去噪后的側掃聲吶圖像相對圖7（a）較為清晰，大大提高了圖像的信噪比。

圖7中在垂直岸坡方向50 m處的紅線代表聲吶探頭運動軌跡，藍線和紅線之間的距離代表聲吶探頭到水底的距離，由圖7可知探測范圍內均為5 m左右。聲吶探頭兩側的水下介質與探頭的水平距離為5～50 m，從而換算得到掠射角范圍為5.7°～45.0°，根據式（2）進行掠射角的校正，得到掠射角為90°時的散射強度結果如圖7（c）所示。對比圖7（b），發現兩側小掠射角對應的散射強度值得到了提高（見圖7（b）～（c）中紅色方框區域），消除了掠射角的影響，使得散射強度值直接與水下介質相關。

采用歐幾里德距離最長距離法對經過一系列處理后的側掃聲吶數據（圖7（c））進行聚類分析，結果如圖8（b）所示。聚類分析結果將水底介質分為3類：黑色區域為拋石體范圍，主要分布在垂直岸坡方向10～30 m范圍內，該區域散射強度最大;黃色區域為岸坡填土范圍，主要分布在垂直岸坡方向0～40 m范圍內，該區域散射強度最小;藍色區域為江砂范圍，主要分布在垂直岸坡方向40～100 m范圍內，該區域散射強度介于兩者之間。3種介質分布范圍區分明顯，其中拋石體大部分集中分布在岸坡之上，河床江砂上也有零星分布，可能是由于水流沖刷所致，識別結果符合實際地質情況。

為了進行對比，將原始側掃聲吶數據通過相同的聚類分析法進行水下介質的劃分，如圖8（a）所示。受水下噪聲的干擾，聚類分析結果中拋石體的分布范圍難以精確識別，拋石體識別的能力大大降低，3種介質分布范圍較為模糊;同時受到掠射角的影響，垂直岸坡方向80～100 m范圍容易誤劃分為岸坡填土。綜上所述，側掃聲吶數據經過去噪和掠射角校正后的拋石體的識別能力明顯高于未經過處理進行聚類分析的識別能力。

4 結 論

為了精準識別水下拋石，本文對側掃聲吶數據進行小波去噪和掠射角校正等一系列處理后，利用聚類分析方法對水下介質進行分類，可提高水下拋石體的識別能力，并得到如下結論：

（1） 利用小波變換，可以去除側掃聲吶中的高頻噪聲，同時利用Lambert定律可消除掠射角的影響，使得散射強度與水下介質直接相關。

（2） 以去噪和掠射角校正后的側掃聲吶數據為輸入，通過聚類分析，可以精確地識別出拋石體的分布范圍，識別能力明顯高于直接利用原始側掃聲吶數據進行聚類分析的方法。

本文所采用的方法消除了水下噪聲和掠射角等因素的影響，同時結合聚類分析方法，達到了精確識別拋石體的效果。但識別結果有待進一步驗證，同時Lambert定律為一定前提條件下的經驗公式，在消除掠射角時存在一定的誤差。在今后的研究中，可制作水下模型，模擬同一水下介質條件下不同掠射角對應的散射強度，從而較為準確地獲得兩者之間的關系，進而消除掠射角的影響。

參考文獻：

[1] 高云云，魯程鵬，王茂枚，等.點云密度對水下拋石效果評價的不確定性研究 [J].人民長江，2019，50（8）：156-160.DFF3ED11-A11D-4AB8-85EB-FE194BEF08C0

[2] 李丹，譚玄，胡波，等.拋石磨圓度對沙枕破壞影響離心模型試驗研究 [J].人民長江，2020，51（7）：206-211.

[3] 李小超，常留紅，李凌，等.水槽混合石料群拋試驗 [J].水利水電科技進展，2017，37（6）：76-80.

[4] 馬國棟，傅建.水下拋石體探測中地震采集參數的優選 [J].水利水電科技進展，2020，40（1）：81-87.

[5] 鄧彪，李紅文，胡雄武.海堤拋石底界的聯合探測方法試驗研究 [J].人民長江，2019，50（2）：161-165.

[6] 余金煌，陶月贊.高密度電法探測水下拋石體正反演模擬研究 [J].合肥工業大學學報（自然科學版），2014，37（3）：333-337.

[7] 余金煌，陶月贊，王鐵強.應用探地雷達法測量淺水域薄層拋石體厚度 [J].南水北調與水利科技，2014，12（5）：214-216.

[8] 王曉，王愛學，蔣廷臣，等.側掃聲吶圖像應用領域綜述 [J].測繪通報，2019（1）：1-4.

[9] 彭軍，高建華，王鵬，等.多模式聲吶技術在云溪水庫淤泥探測中的應用研究 [J].工程地球物理學報，2020，17（5）：574-579.

[10] 嚴俊，趙建虎，孟俊霞，等.一種顧及輻射畸變的多波束與側掃聲吶通用海底底質分類方法 [J].哈爾濱工業大學學報，2019，51（5）：178-184.

[11] 庫安邦，周興華，王方旗，等.一種聯合單波束測深的側掃聲吶海底線提取方法 [J].海洋通報，2019，38（1）：47-52.

[12] 趙建虎，王曉，張紅梅.側掃聲吶圖像海底線自動提取方法研究 [J].武漢大學學報（信息科學版），2017，42（12）：1797-1803.

[13] 郭海濤，徐雷，趙紅葉，等.一種抑制聲吶圖像散斑噪聲的形態學濾波器 [J].儀器儀表學報，2015，36（3）：654-660.

[14] 郭海濤，趙紅葉，徐雷，等.基于循環平移和 DTCWT的聲吶圖像濾波方法 [J].儀器儀表學報，2015，36（6）：1350-1355.

[15] 卞紅雨，陳奕名，張志剛，等.像素重要性測量特征下的側掃聲吶目標檢測 [J].聲學學報，2019，44（3）：353-359.

[16] 熊春寶，田磊，熊愛成，等.側掃聲吶聲波掠射角對海底管道檢測的影響 [J].測繪通報，2016（4）：58-63.

[17] 肖軍，費志剛，孟華.海底三維散射模型仿真研究 [J].艦船電子工程，2013，33（6）：93-96.

[18] 楊玉春.基于Jackson模型的高頻海底散射研究 [J].聲學與電子工程，2015（4）：33-36.

[19] JACKSON D R，WINEBRENNER D P，ISHIMARU A.Application of the composite roughness model to high-frequency bottom backscattering [J].The Journal of the Acoustical Society of America，1986，79（5）：1410-1422.

[20] 劉保華，闞光明，裴彥良，等.海底聲散射特性研究進展 [J].海洋學報，2017，39（7）：1-11.

[21] 侯倩男，吳金榮.淺海小掠射角的海底界面聲反向散射模型的簡化[J].物理學報，2019，68（4）：238-246.

[22] STANIC S，BRIGGS K B，FLEISCHER P，et al.High-frequency acoustic backscattering from a coarse shell ocean bottom [J].The Journal of the Acoustical Society of America，1989，85（1）：125-136.

[23] 張國偉.基于小波變換的圖像去噪方法研究[D].昆明：昆明理工大學，2014.

[24] 張鵬，王甜，王遠明.基于小波變換去噪的ARMA 堤壩水平位移預測模型 [J].人民長江，2017，48（2）：259-262.

[25] 馬國棟，陳同俊，崔若飛.測井曲線識別構造煤實例研究 [J].地球物理學進展，2017，32（3）：1208-1216.

[26] 吳靜涵，江新，周開松，等.地下洞室施工安全風險綜合評價：基于ISM-ANP的灰色聚類分析 [J].人民長江，2020，51（6）：159-165.

（編輯：胡旭東）

Study on accurate identification of underwater riprap based on improved side

scan sonar method

MA Guodong1，2

（1.Water Resources Research Institute of Anhui Province and Huaihe River Commission of MWR，Hefei 230088，China; 2.Anhui Province Construction Engineering Quality Supervision and Inspection Station，Hefei 230088，China）

Abstract：

Side scan sonar is one of the commonly methods for underwater riprap detection，which has the advantages of high lateral resolution and high efficiency.However，qualitative identification of underwater media according to the relative value of acoustic scattering intensity may have big error.In order to improve the identification accuracy，taking the underwater riprap in Baoding polder as the research object，wavelet analysis was used to denoise the side scan sonar data.Then Lambert law was used to eliminate the effect of grazing angle，the acoustic scattering intensity was related to the type of underwater media directly.Finally cluster analysis was used to classify underwater media.The research results showed that the identification ability of this method was obviously higher than that of clustering analysis based on the original side scan sonar data，and could accurately classify the distribution range of riprap，and greatly improved the identification ability of underwater riprap.

Key words：

underwater riprap identification;side scan sonar;wavelet denoising;Lambert law;cluster analysis;Baoding polderDFF3ED11-A11D-4AB8-85EB-FE194BEF08C0