局部背景變分迭代下的合成孔徑聲吶圖像自適應(yīng)均衡

李更祥 劉紀(jì)元 李寶奇 韋琳哲 鞏文靜

(①中國(guó)科學(xué)院聲學(xué)研究所，北京 100190；②中國(guó)科學(xué)院大學(xué)，北京 100049；③中國(guó)科學(xué)院先進(jìn)水下信息技術(shù)重點(diǎn)實(shí)驗(yàn)室，北京 100190)

0 引言

合成孔徑成像聲吶(Synthetic Aperture Sonar，SAS)作為海底成像和測(cè)繪的主要手段[1]，在水下目標(biāo)探查識(shí)別、海底資源開(kāi)發(fā)、石油勘探、海難救助、海底地形地貌繪制等方面，具有廣泛的應(yīng)用前景[2]，它提供的高分辨率水下圖像能反映出豐富的水下信息。隨著SAS成像算法、硬件設(shè)備、計(jì)算機(jī)技術(shù)的不斷發(fā)展，聲吶成像水平不斷提高，使用場(chǎng)合也在不斷擴(kuò)大，結(jié)合聲吶輸出圖像的綜合分析和處理需求也在不斷增加。

由于受復(fù)雜水文環(huán)境、聲吶平臺(tái)運(yùn)動(dòng)姿態(tài)的不穩(wěn)定性、聲傳播損失、不同距離或不同地貌的散射/反射特性、聲吶基陣指向性等各方面因素的影響[3]，SAS圖像相較于其他自然圖像(尤其是光學(xué)圖像)，存在明顯差異，通常表現(xiàn)為噪聲干擾強(qiáng)、遠(yuǎn)近灰度不均衡、對(duì)比度不高等特點(diǎn)，增加了后續(xù)圖像分割與拼接、目標(biāo)檢測(cè)、分類(lèi)與識(shí)別等[4-7]任務(wù)的難度。SAS圖像預(yù)處理是整個(gè)SAS圖像處理的初始關(guān)鍵步驟，好的預(yù)處理圖像將大大提高后續(xù)聲吶圖像處理的質(zhì)量。本文基于圖像預(yù)處理中重要的灰度不均衡問(wèn)題進(jìn)行了研究和分析。

目前，解決圖像灰度不均衡的方法可分為兩類(lèi)：基于物理模型的硬件校正和基于圖像處理的軟件實(shí)現(xiàn)。基于物理模型的方法主要從聲吶過(guò)程的物理和幾何結(jié)構(gòu)出發(fā)，直接從聲吶數(shù)據(jù)估計(jì)距離、角度等相關(guān)校正因子，實(shí)現(xiàn)針對(duì)斜距、傳播、指向性、載體速度、海底散射角等的校正。最常見(jiàn)的物理模型均衡如聲吶電子系統(tǒng)接收電路中對(duì)遠(yuǎn)近回波差異補(bǔ)償采用的時(shí)變?cè)鲆?Time Varing Gain，TVG)[8]，其增益參數(shù)由經(jīng)驗(yàn)聲學(xué)方程估計(jì)得到[9-10]。但由于海水復(fù)雜的空、時(shí)變特性，物理模型并不能完全適配[11]；且聲線彎曲、海底不平整等有別于實(shí)際情況的假設(shè)也會(huì)使基于物理模型的均衡增益存在偏差。實(shí)際上得到的聲吶圖像通常已經(jīng)過(guò)TVG補(bǔ)償，但大量數(shù)據(jù)仍具有灰度不均衡現(xiàn)象；由于噪聲并不具備隨距離衰減的特性，此類(lèi)物理增益也會(huì)增強(qiáng)額外的噪聲干擾，使聲吶圖像灰度的均衡更復(fù)雜。因此，基于物理模型的均衡方法常用于快速實(shí)時(shí)實(shí)現(xiàn)，得到聲吶圖像的初始粗均衡結(jié)果，但不能作為最終的均衡手段。

基于圖像處理的圖像均衡方法通常是一類(lèi)不借助聲吶數(shù)據(jù)而僅從圖像本身出發(fā)去解決聲吶圖像灰度不均衡的手段。實(shí)際應(yīng)用中，除了內(nèi)部數(shù)據(jù)具有可知的聲吶參數(shù)及姿態(tài)信息，外部獲取的聲吶圖像并不具備相關(guān)聲吶數(shù)據(jù)，也就無(wú)法根據(jù)物理參數(shù)的方法做均衡處理，此時(shí)需借助圖像均衡方法實(shí)現(xiàn)均衡處理。圖像域的均衡方法較多樣化，如借鑒圖像增強(qiáng)方法，主要包括灰度拉伸、直方圖均衡、反銳化掩模、Retinex增強(qiáng)、傅里葉變換、離散余弦變換、小波變換、多尺度幾何變換等[12-18]；其他均衡方法包括模板匹配或函數(shù)擬合方法[10，19-23]、噪聲背景估計(jì)均衡方法[24-25]、比例改正方法[26]等。

聲吶圖像均衡的主要目的是抵消或減弱隨距離、角度、指向性等因素造成的聲能損失的差異性，而圖像增強(qiáng)的目的是突出感興趣區(qū)域特征，加強(qiáng)圖像判讀和識(shí)別效果，從而滿足某些特殊分析需求。因此如Zhang等[15]提出的基于圖像增強(qiáng)的諸多聲吶圖像均衡算法，雖然提高了圖像對(duì)比度，擴(kuò)大了圖像中不同物體特征之間的差別，但均衡效果有所欠缺，未能很好地補(bǔ)償聲能損失的差異性。

從局部鄰域出發(fā)的均衡算法(如中值濾波HM)具有良好的非線性濾波效果。Cervenka等[17]提出基于中值濾波的聲吶圖像均衡算法，其優(yōu)點(diǎn)是簡(jiǎn)單高效，適用于實(shí)時(shí)處理，但只適用于部分背景簡(jiǎn)單的聲吶圖像，對(duì)于地貌復(fù)雜、細(xì)節(jié)較多的聲吶圖像效果較差，主要原因是中值濾波得到的曲線對(duì)于簡(jiǎn)單聲吶圖像能較好地?cái)M合，但當(dāng)?shù)孛矎?fù)雜時(shí)，中值濾波會(huì)受明顯的奇異點(diǎn)(如高亮目標(biāo)、陰影等)影響，只能做到大趨勢(shì)上的擬合，對(duì)細(xì)節(jié)紋理等產(chǎn)生模糊，且存在橫紋干擾時(shí)會(huì)加重其影響。

Celebi等[18]提出基于離散余弦變換(Discrete Cosine Transform，DCT)和馬爾科夫隨機(jī)場(chǎng)的聲吶圖像均衡算法，變換域方法在抑制噪聲和保護(hù)邊緣方面具有很大的改進(jìn)，如DCT[27]、小波變換[28]、曲波變換[29]等，該方法是先對(duì)圖像進(jìn)行某種可逆的數(shù)學(xué)變換，然后在變換域?qū)σ恍┫禂?shù)做減小或增大等處理，最后再通過(guò)逆變換獲得已實(shí)現(xiàn)去噪、增強(qiáng)等功能的圖像，變換域雖能通過(guò)頻率系數(shù)、尺度系數(shù)等進(jìn)行一定的去噪和邊緣保護(hù)，但無(wú)法表征不均衡的機(jī)理，均衡效果不理想。

Galdran等[19]以構(gòu)建的合適先驗(yàn)函數(shù)模型做背景灰度分布曲線模板匹配，取得了較好均衡效果，但最終效果與給定的函數(shù)模型和相關(guān)聲吶數(shù)據(jù)有直接關(guān)系，當(dāng)模型不合理或數(shù)據(jù)不匹配時(shí)，效果較差。

噪聲背景估計(jì)方法最早應(yīng)用于頻域和波數(shù)域。Struzinski等[24]基于大量仿真和研究，通過(guò)噪聲估計(jì)和背景均衡有效地濾除了隨機(jī)起伏，改善了方位歷程圖像質(zhì)量，并將其應(yīng)用于聲吶圖像領(lǐng)域，同樣取得了良好效果，但該類(lèi)方法對(duì)于窗口參數(shù)選取要求較高，易濾除紋理細(xì)節(jié)及弱小目標(biāo)。

基于物理模型的聲吶圖像均衡通常因?qū)嶋H環(huán)境的復(fù)雜性而具有不均衡殘余，基于圖像域的聲吶圖像均衡多從圖像增強(qiáng)出發(fā)，但一味地增強(qiáng)處理并不能有效改善均衡問(wèn)題。為此，本文通過(guò)分析聲吶圖像有別于其他圖像的特點(diǎn)，建立時(shí)間演化的均衡模型，依據(jù)背景估計(jì)的思路，提出了一種基于圖像局部背景迭代估計(jì)的SAS圖像自適應(yīng)均衡方法。

該方法首先利用圖像背景、目標(biāo)紋理的統(tǒng)計(jì)特性及均衡前、后圖像的差分關(guān)系等對(duì)均衡函數(shù)、濾波分量(圖像背景)進(jìn)行自動(dòng)迭代更新，當(dāng)滿足迭代終止條件時(shí)，得到原始圖像的背景分量(的估計(jì))；然后通過(guò)背景均衡與動(dòng)態(tài)范圍調(diào)整得到最終均衡結(jié)果。一方面此方法涉及參數(shù)較少，除窗口大小外，其他參數(shù)具有自動(dòng)更新能力，降低了對(duì)調(diào)參的依賴性；另一方面，算法參數(shù)和濾波函數(shù)的設(shè)計(jì)從實(shí)際聲吶圖像特點(diǎn)出發(fā)，在均衡同時(shí)對(duì)原圖的紋理、邊緣等特征也有較好保護(hù)作用，且對(duì)暗條紋干擾(由電源干擾、數(shù)據(jù)傳輸異常等引起)具有一定消除功能。

1 聲吶圖像自適應(yīng)均衡方法

1.1 問(wèn)題描述

聲信號(hào)的能量損失是水聲信道最明顯的傳播特性。以擴(kuò)展損失為例，聲波在海水中傳播時(shí)，其能量隨作用距離的增大以指數(shù)函數(shù)形式衰減，遠(yuǎn)距離目標(biāo)回波衰減嚴(yán)重，導(dǎo)致聲吶圖像近端較亮，遠(yuǎn)端較暗。其次，聲吶基陣發(fā)射的脈沖具有很強(qiáng)的指向性，波束軸中心能量較強(qiáng)，兩邊較弱，也會(huì)導(dǎo)致圖像灰度分布不均勻。另外，目標(biāo)散射強(qiáng)度與掠射角有關(guān)，距離越遠(yuǎn)，掠射角越小，回波信號(hào)越弱，從而也造成了圖像灰度的差異性。同時(shí)，海底的粗糙度也影響聲波的散射性能，導(dǎo)致不同地貌成像的差異性。

實(shí)際SAS圖像(圖1)與SAR(Synthetic Aperture Radar，合成孔徑雷達(dá))成像原理相似，但成像時(shí)條帶沿距離向近端和遠(yuǎn)端回波強(qiáng)度差異較大，圖像不均衡現(xiàn)象嚴(yán)重。另外聲波為機(jī)械波，受水中環(huán)境噪聲影響大，水聲信道也遠(yuǎn)比光或電磁傳輸信道差，故SAS圖像的信噪比較低、對(duì)比度較差、灰度畸變等特征表現(xiàn)得更嚴(yán)重。因此合適的聲吶圖像均衡處理尤為重要。

圖1 實(shí)際SAS圖像

1.2 算法模型

為了得到良好的均衡效果，本文算法模型基于以下聲吶圖像不均衡特點(diǎn)：

(1)聲吶圖像背景在整個(gè)圖像范圍內(nèi)根據(jù)地貌、底質(zhì)不同，其起伏是變化的、任意的，但在局部范圍內(nèi)起伏是連續(xù)的、變化較小的。

(2)目標(biāo)被照射區(qū)域表現(xiàn)為高亮對(duì)應(yīng)高灰度值，未被照射區(qū)域表現(xiàn)為陰影，對(duì)應(yīng)低灰度值，其他區(qū)域?yàn)楸尘皡^(qū)，對(duì)應(yīng)中灰度值。但由于聲能損失、接收陣指向性等影響，聲吶圖像遠(yuǎn)端回波較弱，該區(qū)域目標(biāo)、背景均表現(xiàn)為較低灰度值。

(3)聲吶圖像均衡時(shí)，不應(yīng)產(chǎn)生新的高亮與陰影，以免破壞了原圖質(zhì)地與結(jié)構(gòu)。

(4)聲波隨距離的損失、目標(biāo)回波散射特性與掠射角關(guān)系、基陣發(fā)射波束指向性、混響、噪聲干擾等對(duì)圖像的灰度不均衡影響整體上呈現(xiàn)非線性和疊加性，是隨時(shí)間演化累積的，任何一次性的處理方式均可能存在不均衡殘余。

(5)由于聲速、波束輻射角度等在不同區(qū)域具有一定差異，聲吶圖像表現(xiàn)出的不均衡性是局部的而非全局的，因此均衡過(guò)程也是局部而非全局的，局部處理利用適當(dāng)窗函數(shù)實(shí)現(xiàn)。

以上假設(shè)滿足聲吶圖像灰度不均衡的基本特征，有別于SAR圖像與光學(xué)圖像。根據(jù)以上聲圖特征，本文將聲吶圖像灰度均衡處理劃分為三個(gè)主要步驟，即背景估計(jì)、背景均衡和動(dòng)態(tài)范圍調(diào)整。

傳統(tǒng)的圖像均衡方法的思路較為簡(jiǎn)單，即認(rèn)為觀測(cè)到的非均衡圖像由均衡圖像與一系列線性或非線性核函數(shù)卷積得到，即

I(x,y,t)=I0(x,y)*G(x,y,t)

(1)

式中：I(x，y，t)表示隨時(shí)間演化得到的非均衡圖，這里指已觀測(cè)圖像；I0(x，y)為理想海底聲圖，這里指待求均衡圖；G(x，y，t)為卷積核；x，y分別表示方位向和距離向坐標(biāo)；t為時(shí)間因子；“*”表示卷積算子。

不同核函數(shù)卷積產(chǎn)生不同的非均衡效果，通過(guò)不同局部區(qū)域的時(shí)間演化并累積，得到觀測(cè)的非均衡聲吶圖像。而核函數(shù)的反推，一般可通過(guò)聲學(xué)物理或數(shù)學(xué)模型獲得，但實(shí)際非均衡更復(fù)雜，其演化方程變成

I(x,y,t)=F[I0(x,y)，t]

(2)

式中F表示非均衡函數(shù)。

圖像全局非均衡是局部非均衡的集合，則式(2)可進(jìn)一步描述為

(3)

式中Ω表示局部區(qū)域。

因?yàn)楹瘮?shù)FΩ通常無(wú)法用單一精確的表達(dá)式表述，所以一般性地將其視為一系列核函數(shù)的乘積，即隨時(shí)間演化的非均衡過(guò)程，有

(4)

式中GΩ，tj表示作用于局部區(qū)域Ω內(nèi)tj時(shí)刻的非均衡函數(shù)。

因此非均衡聲吶圖像I(x，y，t)可看成由待求均衡圖I0(x，y)隨時(shí)間不斷受局部非均衡函數(shù)GΩ，t累積作用的結(jié)果，即

(5)

由于目標(biāo)信號(hào)的有效衰減系數(shù)大于無(wú)目標(biāo)時(shí)背景的衰減系數(shù)[30]，均衡(逆非均衡)過(guò)程可表述為

(6)

(1)對(duì)于局部區(qū)域的背景部分，均衡濾波前、后應(yīng)變化較小，盡可能地保留下來(lái)；

(2)對(duì)于目標(biāo)或邊緣等奇異特征，受非均衡(及均衡)的影響程度遠(yuǎn)大于平整的背景部分，所以濾波前、后變化較大。

因此，均衡函數(shù)ωΩ，tj可建模為圖像隨時(shí)間變化的圖像梯度的函數(shù)

(7)

假設(shè)tj時(shí)刻的非均衡圖為I(xΩ，yΩ，tj)，則有

(8)

由均衡性質(zhì)分析可知，此時(shí)f的選取通常具有下列三種形式。

(1)平方反比環(huán)繞函數(shù)

(9)

(2)指數(shù)形式。進(jìn)一步修改為依賴于空間常數(shù)的形式，即近似地模擬VLSI電阻網(wǎng)絡(luò)空間的形式

f(r)=e-|r|/c2

(10)

式中c表示均衡控制因子。

(3)高斯形式。這種形式更寬泛，在圖像處理、機(jī)器視覺(jué)建模中應(yīng)用最廣

f(r)=e-r2/c2

(11)

算法的關(guān)鍵是對(duì)背景分量的有效估計(jì)，背景分量的估計(jì)直接決定了最終的均衡效果，因此采用適用最廣的高斯形式(式11)作為均衡函數(shù)的表征。此時(shí)濾波函數(shù)ωΩ，tj合理地利用了時(shí)間演化過(guò)程中圖像的微分關(guān)系，且參數(shù)c是該算法的唯一參數(shù)，因此參數(shù)c的選取直接決定了對(duì)背景分量估計(jì)的準(zhǔn)確性，也即決定了最終的均衡效果。

為滿足自適應(yīng)處理的需求，均衡參數(shù)c用局部圖像均值表示，因此局部區(qū)域Ω內(nèi)第tj時(shí)刻的均衡控制因子可表示為

(12)

式中NΩ表示區(qū)域Ω像素總個(gè)數(shù)。

當(dāng)圖像局部區(qū)域包含較多目標(biāo)區(qū)域時(shí)，此時(shí)均值較大，對(duì)應(yīng)的均衡效果應(yīng)該表現(xiàn)為小步迭代均衡，避免大步迭代過(guò)程中可能造成圖像灰度畸變。當(dāng)均衡效果越來(lái)越好時(shí)，此時(shí)估計(jì)得到的背景分量較多，cΩ，tj減小，可均衡尺度增大，均衡速率提高。

因此，tj時(shí)刻聲吶圖像均衡的整個(gè)濾波過(guò)程為

(13)

然后將tj時(shí)刻的均衡估計(jì)結(jié)果作為tj時(shí)刻的原始非均衡輸入數(shù)據(jù)，即

(14)

所以，第tj時(shí)刻的圖像微分，即式(7)可表述為

(15)

一般默認(rèn)tj+1-tj=1為單位時(shí)刻，默認(rèn)操作由于后續(xù)的歸一化處理不影響算法性能。

1.3 算法流程

針對(duì)均衡處理中的背景估計(jì)、背景均衡和動(dòng)態(tài)范圍調(diào)整等三個(gè)主要步驟(圖2)，為保證算法的有效實(shí)施，有如下幾點(diǎn)事項(xiàng)說(shuō)明：

圖2 圖像均衡流程示意圖

(1)聲吶圖像的不均衡發(fā)生在斜距向，所以均衡過(guò)程為聲吶圖像逐行處理。

(2)初始值設(shè)置：因?yàn)樗惴ㄐ杞?jīng)過(guò)迭代自適應(yīng)處理，其初始的均衡圖像可通過(guò)其他任意均衡算法得到，又考慮算法的快速實(shí)施與權(quán)重系數(shù)的初始化，故采用原始圖像的局部均值濾波作為初始均衡結(jié)果，此時(shí)初始均衡函數(shù)ωΩ，tj由全1向量表示。

(3)局部窗口選擇：為了有效估計(jì)背景像素，窗口大小應(yīng)盡量滿足所選區(qū)域的背景像素占68%以上[19]。

(4)算法終止條件：雖然不能預(yù)知非均衡的演化時(shí)間t或演化次數(shù)，也就無(wú)法得到逆解算回I0(x，y)所需的時(shí)間和次數(shù)，但我們知道該求解過(guò)程的第一步為背景分量估計(jì)，而背景通常是連續(xù)較平整的，因此可利用背景分量的特性，設(shè)置達(dá)到算法終止的約束條件。通常可采用兩種方式，一是認(rèn)為當(dāng)相鄰兩次均衡圖像的所有局部梯度方差小于一定閾值時(shí)，即達(dá)到最終均衡結(jié)果，由于非線性函數(shù)的均衡是一個(gè)持續(xù)振蕩的過(guò)程，須避免閾值選取不合理導(dǎo)致無(wú)法收斂；二是當(dāng)相鄰兩次均衡圖像梯度方差與前一時(shí)刻相鄰兩次均衡圖像梯度方差的比值小于某一閾值時(shí)停止迭代。也可直接給定最大均衡迭代次數(shù)。由門(mén)限閾值進(jìn)行算法終止的兩種方式的數(shù)學(xué)式為

(16)

(17)

式中：T1對(duì)應(yīng)絕對(duì)誤差門(mén)限閾值；D[·]為序列方差；T2對(duì)應(yīng)相對(duì)誤差門(mén)限閾值。

1.3.1 背景估計(jì)

聲吶圖像均衡第一步為背景估計(jì)，其流程為：

(1)從圖像左側(cè)即近距端開(kāi)始，根據(jù)滑動(dòng)窗口，計(jì)算某時(shí)刻圖像與其均衡結(jié)果的差分，通過(guò)式(11)、式(12)、式(15)得到均衡濾波函數(shù)ωΩ；

(2)由式(13)、式(14)迭代更新均衡圖像結(jié)果；

(3)迭代終止：針對(duì)步驟(2)的均衡結(jié)果，通過(guò)式(16)、式(17)做均衡程度判別，當(dāng)滿足終止條件或達(dá)到迭代次數(shù)上限，算法終止; 否則，返回步驟(1)。

1.3.2 背景均衡

(18)

1.3.3 動(dòng)態(tài)范圍調(diào)整

對(duì)于背景均衡后的聲吶圖像，需進(jìn)行對(duì)比度拉伸等處理，使最終結(jié)果的動(dòng)態(tài)范圍與原始聲吶圖像具有一致性。其過(guò)程如下

(19)

其中

(20)

分別表示背景均衡圖R和原始不均衡圖I的均值；

(21)

分別為背景均衡圖和原始不均衡圖的標(biāo)準(zhǔn)差。

2 實(shí)際數(shù)據(jù)處理與分析

本文給出三組具有不同地貌的典型湖試、海試合成孔徑聲吶圖像數(shù)據(jù)進(jìn)行均衡處理。若未特別說(shuō)明，默認(rèn)圖像左側(cè)為近距端，右側(cè)為遠(yuǎn)距端。為了全面、客觀評(píng)價(jià)本文算法，既比較了基于噪聲背景的對(duì)照算法(OTA)[24]，同時(shí)也比較了圖像域其他較常用均衡算法，如中值濾波[17]、函數(shù)擬合(AM)[19]等，并給出了選定的圖像評(píng)價(jià)的具體指標(biāo)數(shù)值。

局部方差(SIG2)和峰值信噪比(PSNR)可評(píng)價(jià)圖像算法的去噪質(zhì)量，但忽略了對(duì)圖像區(qū)域均衡效果及邊緣、細(xì)節(jié)等信息的保持度的有效度量。而圖像的異變信息(可用等效視數(shù)ENL評(píng)價(jià))有效描述了區(qū)域的同質(zhì)性即均衡效果，人眼視覺(jué)對(duì)圖像質(zhì)量好壞的感知?jiǎng)t可從背景結(jié)構(gòu)(可用結(jié)構(gòu)相似性SSIM評(píng)價(jià))中獲取。因此，本文采用SIG2、PSNR、ENL、SSIM作為圖像質(zhì)量、均衡效果、細(xì)節(jié)保護(hù)的綜合評(píng)價(jià)指標(biāo)。其表達(dá)分別為

(22)

式中：σ2表示方差；H表示處理圖像，這里指均衡圖像；K表示參考圖像，這里指已觀測(cè)圖像；L表示像素灰度最大值，本文設(shè)定為255。

2.1 實(shí)際聲吶圖像均衡處理對(duì)比結(jié)果

第一組SAS原始圖像數(shù)據(jù)(圖3)為海底管道，成像使用高頻合成孔徑聲吶。圖像地貌簡(jiǎn)單、背景區(qū)域較大、目標(biāo)明顯。圖像均衡處理結(jié)果如圖4所示?；谠摻M數(shù)據(jù)，對(duì)比四種算法均衡處理的效果(評(píng)判指標(biāo))。

圖3 第一組SAS數(shù)據(jù)原始圖像

圖4 第一組SAS數(shù)據(jù)四種算法圖像均衡結(jié)果

第二組SAS圖像數(shù)據(jù)的原始圖像(圖5)為電纜圖，成像使用高頻SAS。該圖像仍然具有地貌簡(jiǎn)單、背景區(qū)域較大、目標(biāo)明顯等特征。且存在一定的暗條紋干擾。圖像均衡處理結(jié)果如圖6所示。將以該組數(shù)據(jù)說(shuō)明幾種均衡算法對(duì)目標(biāo)的影響和對(duì)暗條紋的消除作用。

圖5 第二組SAS數(shù)據(jù)原始圖像

這兩組數(shù)據(jù)處理結(jié)果主要體現(xiàn)簡(jiǎn)單背景下各均衡算法的性能，從直觀視覺(jué)角度說(shuō)明各均衡算法對(duì)圖像細(xì)節(jié)、邊緣等的保持作用。

第三組SAS圖像數(shù)據(jù)的原始圖像(圖7a)為地貌地形圖，是典型的復(fù)雜地貌，也采用高頻SAS成像。圖像均衡處理結(jié)果如圖7所示。

2.2 實(shí)際聲吶圖像均衡處理結(jié)果分析

從上述三組數(shù)據(jù)的處理結(jié)果可知，各算法均具有一定的均衡效果，聲能損失造成的灰度差異得到有效補(bǔ)償，背景變得更連續(xù)和平整。但從對(duì)圖3、圖4的指標(biāo)定量分析(圖8)及圖7的直觀定性分析等結(jié)果來(lái)看，相比于本文算法，其他均衡算法均存在一定局限性。

HM算法處理結(jié)果(圖7b)雖然背景變得平整，但聲能損失造成的低灰度值未得到有效補(bǔ)償，仍存在較多暗區(qū)域。由圖6a可知，HM算法無(wú)法消除暗條紋干擾，且有進(jìn)一步加重的現(xiàn)象。由圖4b和圖6b可知，AM算法存在一定的陰影擴(kuò)展，破壞了原圖結(jié)構(gòu)，容易對(duì)后續(xù)基于高亮和陰影的分割、識(shí)別等處理造成干擾。由圖7d可知，OTA算法對(duì)邊緣細(xì)節(jié)破壞嚴(yán)重，但對(duì)于簡(jiǎn)單背景圖像(圖4c和圖6c)，具有良好的均衡效果。

圖6 第二組SAS數(shù)據(jù)四種算法圖像均衡結(jié)果

圖7 第三組SAS數(shù)據(jù)原始圖像(a)、HM(b)、AM(c)、OTA(d)及本文算法(e)的圖像均衡處理結(jié)果

本文算法則較好地規(guī)避了上述算法存在的一些缺點(diǎn)，在實(shí)現(xiàn)圖像亮度均衡的同時(shí)，有效地保護(hù)了原圖邊緣、細(xì)節(jié)等，也較好地消除了暗條紋干擾，圖像質(zhì)量和對(duì)比度有著明顯提升。

2.3 聲吶圖像均衡性能評(píng)價(jià)指標(biāo)比較分析

為了更合理評(píng)估算法性能，對(duì)前兩組數(shù)據(jù)進(jìn)行了局部區(qū)域背景均衡性能評(píng)估(局部區(qū)域如藍(lán)色矩形窗所示，分別記為R1～R4)。選取的區(qū)域應(yīng)盡可能屬于背景區(qū)，且滿足：①局部區(qū)域選取不宜過(guò)大，以滿足局部背景平整連續(xù)的假設(shè)；②局部區(qū)域盡可能不存在高亮、陰影、橫紋干擾等，減小對(duì)均衡性能參數(shù)的影響。

圖8a給出SIG2的比較結(jié)果，經(jīng)均衡處理后的局部背景區(qū)域，本文方法對(duì)應(yīng)的SIG2值最小，說(shuō)明背景更平整，更有利于突出高亮、陰影等特征。

圖8b顯示ENL(等效視數(shù)/同質(zhì)性)的比較結(jié)果，可看出評(píng)價(jià)區(qū)域中本文方法對(duì)應(yīng)的ENL值最大，說(shuō)明區(qū)域同質(zhì)性更好，均衡效果更優(yōu)。

圖8c的PSNR比較結(jié)果表明，本文方法具有比其他方法更高的峰值信噪比，僅區(qū)域4數(shù)值略小于HM算法，可見(jiàn)本文算法噪聲抑制能力更強(qiáng)，均衡后圖像質(zhì)量更高。

從各算法的SSIM比較結(jié)果(圖8d)可見(jiàn)，本文方法與原始圖像的結(jié)構(gòu)相似性最大，說(shuō)明了本文算法對(duì)圖像結(jié)構(gòu)(邊緣、細(xì)節(jié)等)信息的保持度更好。

圖8 四種算法的局部區(qū)域SIG2(a)、ENL(b)、PSNR(c)和SSIM(d)等四項(xiàng)性能指標(biāo)對(duì)比

因此，綜合來(lái)看，本文算法均衡效果最優(yōu)，既有效消除了暗條紋干擾，也保護(hù)了圖像細(xì)節(jié)與紋理，使得圖像顯示效果更優(yōu)。

2.4 均衡算法在聲吶圖像分割中的應(yīng)用

為了進(jìn)一步說(shuō)明圖像均衡的意義，分別對(duì)均衡前、后圖像進(jìn)行目標(biāo)分割處理。針對(duì)原始圖像(圖9a)存在近端亮、遠(yuǎn)端暗的灰度不均衡現(xiàn)象，進(jìn)行均衡處理?？梢?jiàn)處理結(jié)果(圖9b)的整個(gè)背景變得更均衡平整，黑色暗條紋干擾被濾除，遠(yuǎn)端的紋理細(xì)節(jié)變得清晰明了，整個(gè)圖像的對(duì)比度得到較大提高，整體圖像信息也更豐富。

圖9 SAS圖像均衡前、后對(duì)比圖及對(duì)應(yīng)的閾值分割和線狀目標(biāo)提取對(duì)比

分別對(duì)圖9a、圖9b進(jìn)行雙閾值分割處理。從處理結(jié)果可看出，均衡后的圖像分割結(jié)果(圖9d)背景分割完整、線狀目標(biāo)清晰明了，陰影與高亮更易識(shí)別；而原始圖像的分割(圖9c)效果較差，無(wú)法有效區(qū)分高亮、背景和陰影。

3 結(jié)束語(yǔ)

根據(jù)聲吶圖像的特點(diǎn)及不均衡問(wèn)題，本文將圖像均衡的問(wèn)題轉(zhuǎn)化為隨時(shí)間演化的非線性濾波的累積問(wèn)題，進(jìn)而提出一種新的自適應(yīng)均衡算法。該算法在實(shí)現(xiàn)聲吶圖像均衡的同時(shí),也能較充分地保護(hù)原始圖像細(xì)節(jié)，并有效濾除暗條紋干擾，得到高質(zhì)量的均衡聲吶圖像。需要指出的是，由于該算法采用迭代方式進(jìn)行自適應(yīng)均衡處理，耗時(shí)較長(zhǎng)，不利于實(shí)時(shí)處理，這將在后續(xù)研究中進(jìn)行優(yōu)化。

針對(duì)各類(lèi)圖像的不同特點(diǎn)，通過(guò)構(gòu)造不同的均衡函數(shù)或其他功能的濾波函數(shù)，以泛化算法的適用性，這也已列入后續(xù)深入研究的重要內(nèi)容。