（生物医学工程专业论文）水声三维数据场的可视化技术研究.pdf

浙江大学硕士学位论文a b s t r a e t a b s t r a c t u n d e r w a t e re x p l o r a t i o ni sb e c o m i n gm o r ga n dm o r ei m p o r t a n tf o r t h eg r o w i n g a p p li c a t i o nr e q u i r e m e n t si n v o l v i n gm a r i n e r e s o u r c e se x p l o r a t i o n ，a sw e l la s g e o l o g i c a la n da r c h a e o l o g i c a lr e s e a r c h u n f o r t u n a t e l y , t h ec o m p l e x i t yo ft h em a r i n e e n v i r o n m e n ta n dt h es p e c i a lp r o p e r t i e so fs e a w a t e ra sp r o p a g a t i n gm e d i u mh a v e p l a c e dl i m i t a t i o n s0 nt h em e a n so ft h eu n d e r w a t e re x p l o r a t i o n a sa l la d v a n c e d u n d e r w a t e ri m a g i n gs o n a r , s y n t h e t i ca p e r t u r es o n a r ( s a s ) h a st h ea b i l i t yt oa c q u i r ea h i g ha z i m u t hr e s o l u t i o nf r o map h y s i c a l l ys m a l la r r a y , t h u sh a sab r o a dp r o s p e c t h o w e v e r , c o m p a r e dt oo p t i c a li m a g e ，s a sd a t ah a sl o w e rc o n t r a s ta n dw e a k e r a b i l i t yt od i s t i n g u i s ht a r g e t sd u et ot h ei n t e r f e r e n c e s t h e r e f o r e i t ss i g n i f i c a n tt o e f f e c t i v e l ye n h a n c et h ed a t a , d e t e c tt h et a r g e t sa n ds h o wt h ep r o c e s s e dr e s u l t b a s e do nt h ea n a l y s i so fc l a s s i ce n h a n c e m e n ta n ds e g m e n t a t i o na l g o r i t h m s ，i n c o m b i n a t i o nw i t hs a sd a t ac h a r a c t e r i s t i c s ，as e to fc o m p l e t ea n de f f e c t i v ep r o c e s s i n g s c h e m ei n v o l v i n gd a t ae n h a n c e m e n t 、t a r g e ts e g m e n t a t i o na n d3 dv i s u a l i z a t i o ni s p r o p o s e db ye f f e c t i v e l yc o m b i n gav a r i e t yo fa l g o r i t h m s f i r s to fa l l ，t h ei d e ao fs e p a r a t i n gw a t e ra n ds e a f l o o rf i r s t l ya n dt h e np r o c e s s i n g w a t e ra n ds e a f l o o rr e s p e c t i v e l yi s p r o p o s e d s e p a r a t i o no fw a t e ra n ds e a f l o o r i s a c h i e v e db yt h ec o m b i n a t i o no fl o gt r a n s f o r m a t i o n 、g a u s s i a ns m o o t h i n g 、t h r e s h o l d i n g a n dt h el a r g e s tc 6 n n e c t e dc o m p o n e n tl a b e l i n g a sf o rt h ew a t e r , a na l g o r i t h mb a s e do nt h ei n t e r - s c a l ec o r r e l a t i o no fw a v e l e t c o e f f i c i e n t sa n df u z z yt h e o r yi sp r o p o s e dt oe n h a n c et h et a r g e t s c o m p a r e dw i t h s i n g l e l e v e lf u z z ye n h a n c e m e n ta n da d a p t i v eh i s t o g r a me q u a l i z a t i o n ，t h i sa l g o r i t h m h a st h eb e s tp e r f o r m a n c ea n dt h er e s u l t sa r et h ef o u n d a t i o no fs e g m e n t a t i o n t h e n ， b a s e do nt h er e s e a r c ho ft a r g e t sc h a r a c t e r i s t i c s ，a na u t o m a t i cs e g m e n t a t i o na l g o r i t h m b a s e do n3 一da d a p t i v er e g i o ng r o w i n gi sp r o p o s e d ，e x p e r i m e n t a lr e s u l t ss h o wt h a tt h e a l g o r i t h mh a sg o o dp e r f o r m a n c e f i n a l l y , b e c a u s et h e r ea leal o to fi n t e r f e r e n c e s a r o u n dt h et a r g e t si nw a t e r , t h r e s h o l d i n gi sa d o p t e dt or e m o v ei n t e r f e r e n c e st oa c h i e v e b e t t e rv i s u a l i z a t i o nr e s u l t a sf o rt h es e a f l o o r , t h es e g m e n t a t i o na l g o r i t h mb a s e do n3 - da d a p t i v er e g i o n 浙江大学硕士学位论文 a b s t r a c t g r o w i n gw h i c hi su s e dt os e g m e n tt h ew a t e ri sa d o p t e dt os e g m e n tt h et a r g e t si n s e a f l o o r b e c a u s es e a f l o o rh a sl o wc o n t r a s t ，g a m m at r a n s f o r m a t i o ni su s e dt oe n h a n c e t h es e a f l o o rt oa c h i e v eb e t t e rv i s u a l i z a t i o nr e s u l t f i n a l l y , t h ep r o c e s s e dw a t e ra n ds e a f l o o r d a t a i s c o m b i n e d ，a n dt h e nt h e v i s u a l i z a t i o no fs a sv o l u m ed a t ai sa c h i e v e db yt h er a yc a s t i n ga l g o r i t h mo fd i r e c t v o l u m er e n d e r i n g k e yw o r d s ：s y n t h e t i ca p e r t u r es o n a r w a v e l e t ，f u z z yt h e o r y ，r e g i o ng r o w i n g 。 s e g m e n t a t i o n 、v i s u a l i z a t i o n i v 浙江大学研究生学位论文独创性声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的 研究成果。除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发 表或撰写过的研究成果，也不包含为获得逝江太堂或其他教育机构的学位或 证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文 中作了明确的说明并表示谢意。 学位论文作者签名： 7 签字日期： 伽护年3 月。日 学位论文版权使用授权书 本学位论文作者完全了解逝江太堂有权保留并向国家有关部门或机 构送交本论文的复印件和磁盘，允许论文被查阅和借阅。本人授权逝江太堂 可以将学位论文的全部或部分内容编入有关数据库进行检索和传播，可以采用影 印、缩印或扫描等复制手段保存、汇编学位论文。 ( 保密的学位论文在解密后适用本授权书) 学位论文作者签名： ， 签字日期以。年 月厂蝈 日 浙江大学硕士学位论文致谢 致谢 国学大师王国维在人间词话一书中说过，古今成大事者、大学问者必经 三重境界：昨夜西风凋碧树，独上高楼，望尽天涯路；为伊消得人憔悴，衣带渐 宽终不悔；梦里寻她千百度，蓦然回首，那人却在灯火阑珊处。这三重境界说的 是成大事的三个过程：起初的迷惘、继而的执着和最终的顿悟。我只是一个普普 通通的硕士研究生，当然不敢以王国维说的三种境界自比，但是在我2 5 年的研 究生学习中，也经历过起初的迷茫和对目标的执着追求，最后也收获了很多 。 在这里，我首先要感谢我的导师夏顺仁教授! 夏老师严谨务实、精益求精的 治学精神，使我受益匪浅，我想在将来的工作中我也会受益于这种做事态度。从 我第一篇论文的选题到现在硕士论文的完成，夏老师的关心指导贯穿始终。在生 活上，夏老师为人是那么的真诚、热情、随和，几乎每次出差，夏老师都会给大 家带一些特产，实验室集体活动，夏老师也是积极参与，毫无老师的架子。我还 要特别感谢夏师母，第一次去夏老师家吃饭，师母贤淑的气质和精湛的厨艺就给 大家留下了深刻的印象，后来夏老师和夏师母又多次邀请我们去家里吃饭，每次 都会有股温暖与感动索绕于心 感谢中船重_ t _ 7 1 5 研究所的丛卫华博士，朱必波，张峰山，张吉栋! 在两次 实验中，你们给予了我耐心细致的指导和讲解，使我能更好地理解研究项目。你 们提出的很多宝贵建议也促进了论文的顺利完成。 有朋友一起度过的时光总是充满了快乐和感动感谢实验室的张赞超师兄、 范翔师兄、傅聪师兄，你们在我研究生生活的初期给予了莫大的指导和帮助。感 谢聪明可爱的实验室同门同学许晓燕，感谢我那帮n i c e 的师弟师妹：刘晨彬、郝 欣、曹颖、洪一帆、潘颖、朱晓恩、郭延恩、祝永旭，你们的陪伴给我的生活增 添了很多欢声笑语。感谢跟我一起生活了两年多的室友：刘鹏鹏、刘杰、吕传金， 你们是我的好哥们! 感谢在杭州的其他朋友，两年多来，你们给予了我很多帮助! 最后谨以此论文献给我的家人，谢谢你们这么多年来对我的支持和鼓励，祝 你们身体健康，平平安安! 宋坤坡 2 0 1 0 年1 月于求是园 浙江大学硕士学位论文l 绪论 1 绪论 地球的百分之七十都是海洋，海洋不但是巨大的资源宝库，而且对地球的 环境有着巨大的影响。随着科学技术的进步，人类的海洋活动逐渐增多，海洋 己渐渐成为人类活动的重要场所。进入九十年代以来，世界各国纷纷加大了对 海洋研究和开发的投入，开发和利用海洋资源具有非常重大的意义水下声纳 ( 以下简称水声) 成像技术做为一种非常重要的探测手段，在海洋开发、航运、 地质勘探、水下物体搜索、军事等方面都具有重要地位但是由于水体介质的 特殊性和水下环境的复杂性，水声数据往往具有低对比度和低分辨率的缺点， 因此对水声数据进行有效的增强和分割，并将数据有效的表达出来具有重要意 义。本章主要介绍合成孔径声纳数据的特征，国内外的一些研究现状和论文的 内容安排与组织 1 1 合成孔径声纳数据简介 目前水下声纳设备主要包括前视声纳、侧视声纳、合成孔径声纳等。由于 论文处理对象是合成孔径声纳数据，所以只对合成孔径声纳及其数据特征做介 绍。 水下合成孔径声纳是水声领域研究的热点之一，由于具有利用低频、小尺 寸基阵获得高方位分辨力的佬点，因而在军用探雷及高分辨率海底成像中有着 广阔的应用前景。合成孔径声纳是利用小孔径基阵沿直线的移动，在运动过程 中相继发射和接收信号，并将一段运动历程中接收信号进行相干叠加，从而得 到等效于实际物理声阵几倍到几十倍的合成虚拟孔径阵，获得很高的分辨力和 空间增益。合成孔径声纳的工作原理如图1 1 所示。合成孔径声纳探雷的探测 距离有两个方面的限制条件：一是要求目标回波信号强度大于海洋环境噪声， 并且大于海水混响；二是要求目标回波强度大于海底混响背景。由于海底地形、 地貌与地质类型复杂，导致水声设备工作存在较强的复杂混响干扰场，水下合 成孔径声纳数据图像往往具有噪声大、对比度低、分辨率低的缺点【1 翻。 * 学目学位论文 一 囤1 - i 合成孔径声蚋工作原理 1 2 国内外研究瑰状 由于水声探剥在海洋开发及军事应用方面的重要作用，国内外一些研究机 构和学者对水声数据的处理做了相关研究本节便对这些研究成果做一个简要 回顾 2 i 预处理 由于水下声纳的成像特点和复杂的成像环境，导致了水声图像具有较强的 斑点噪声，较低的对比度、较低的分辨率。因此对水声数据进行有效的去噪及 增强处理，对下一步的分割、分类与目标识别、测量及分析等具有重要意义 传统增强方法如中值滤波，高斯滤波维纳滤波，直方图均衡等对于水声图像 效果并不理想 目前，基于小波的图像增强算法已成为国内外的研究热点，并取得了显著的 减果埘在水声图像处理领域，也有一些学者使用基于小波变换的方法处理水 声图像。1 9 9 6 年，w e i s s 和d i x o n 将小波软闽值击噪方法应用于仿真的水声数据 【6 】，与传统的高通滤波器相比，小波软阐值的方法效果更加显著。 传统的各向同性滤波器，如高斯滤波器，在各个方向上的滤波器系数是一样 的，这种不考虑田像本身特性的方法很多时候效果并不好p e r o n aa n d m a l i k 提 出了一种各向异性扩散模型i ”。备向异性滤扩散波器的滤波器系数是一个关于图 像梯度的函数，如果一个像素点在不同方向上具有不同的梯度，说明该像素在不 阿方向上具有不同的边缘，该点的各向异性扩散滤波器系数在各个方向上也不相 同，从而控制滤波器在图像不同位置的扩散程度，这样击噪的时候能够更好的保 留源图像的边缘信息在传统的各向异性扩散滤波器中，去噪效果依赖于对图像 梯度特性的正确估计，但是由于水下环境的不确定性和复杂性，正确获得水声图 浙江大学硕士学位论文 l 绪论 像的梯度特性比较困难。由于小波系数也能反映图像边缘信息，而且水声图像斑 点噪声的小波系数比边缘处的小波系数小很多，利用小波变换的这种特性，l l y u e q i n 等人提出了一种基于小波系数的各向异性扩散模型【8 1 ，文中对真实水声图 像的去噪结果表明，该模型相对于传统的基于梯度的各向异性扩散模型具有明显 优势。 2 0 0 8 年，t i e d o n gz h a n g 等人提出了一种基于粒子群优化的自适应水声图像 蝗强算法【9 】。在文中，增强算法含有三个参数a , b ，c ，三者都介于【o ，2 】之间，三个 参数往往是由人工设定。为了避免人工干预，文中提出了一种增强结果评价函数。 如果对三个参数的取值做遍历，然后使用增强评价函数对增强结果做评价，找出 结果最好的增强结果，计算量将非常大( 假如a 、b 、c - - 个参数的步进为o 1 ) 。为 了解决这个i * - 1 题，t i e d o n gz h a n g 等人使用了粒子群优化算法来快速找到使增强 结果最佳的参数值。 1 2 2 分割 对水声数据进行了去噪及增强处理之后，下一步工作往往是分割数据，检 测目标物体。常用的分割方法包括：阈值分割、区域生长、分水岭算法、活动 轮廓模型及基于马尔科夫模型的分割算法等。 1 9 9 8 年，l o k e 和d ub u f 对t o p a s 水声图像进行了重建、分割及可视化方 面的处理【1 0 】。数据重建方面，为了填补三维t o p a s 目标之间的断层，文中提出 了一种基于考虑t o p a s 图像特性的二维p i n g 映射分层表示的三维插值算法。对 插值处理后的水声体数据，文中使用一种三维自适应的分割算法实现数据分割。 该算法先构造体数据的八叉树，该八叉树中每层数据均是在上层数据的平滑处 理基础上构造，这样做虽然降低了数据的分辨率，但是压缩了噪声并且提高了 类间的区分度。构造好八叉树之后，在每层数据上使用普通的聚类算法分类， 最后把每层的分类结果向下投射并进行类间边缘的精细化处理。对分割后的体 数据，使用v r m l ( 虚拟现实建模语言) 来实现可视化 图像的统计特性在图像处理中也经常使用。2 0 0 3 年，m a u s s a n g 等人通过均 值标准方差平面分割水下合成孔径声纳图像来检测水底矿藏【】。在文中处理的 数据中，噪声和阴影往往具有较大的标准差和较低的均值，与此相反，目标物 体则具有较低的标准差和较高的均值。利用此特性，m a u s s a n g 等人构建了一个 浙江大学硕士学位论文1 绪论 均值标准差平面，在此平面上目标和噪声有更大的区分度，这样对源水声图像 的分割转化为对均值标准差平面的分割。在对均值标准差进行分割时，文中 使用熵来实现分割自动化 基于马尔科夫随机场( m l u ) 的图像分割方法是一种利用图像中像素间的空 间相关性进行分割的方法，能够准确地描述每个像素所属类别与周围像素类别之 间的重要依赖关系。因此，马尔科夫随机场( m r f ) 在图像分割中得到了成功 应) f j 1 2 , 1 3 , 1 4 】。叶秀芬等人在前人的基础上提出了一种改进m r f 参数模型的声呐图 像分割方法【l5 1 。该算法首先使用块方式的k 均值聚类算法进行初始分割，求得初始 噪声参数。然后进行最大似然分割，根据分割结果求得初始的m r f 模型参数。再 利用初始的噪声参数和m r f 模型参数进行空间邻域m r f _ 三类分割，在此基础上 通过空间分层m r f - - 类分割，得到了最终的分割结果。对人造模拟声呐图像和真 实的原始水声图像的分割结果表明该算法具有较好的分割效果。 1 2 3 科学计算可视化技术 科学计算可视化就是运用计算机图形学和图像处理技术，将科学计算过程 中产生的数据和计算结果转换为图形或图像在屏幕上显示出来，并进行交互处 理的理论、方法和技术。一般的科学计算可视化主要是指三维的可视化科学 计算可视化的应用领域非常广泛，几乎涉及自然科学及工程技术的一切领域， 其主要应用领域为医学、地质勘探、气象学、分子模型构造、计算流体力学和 有限元分析等【16 1 7 1 。在水声学领域，利用三维可视化技术，可以构造出三维水 声数据场的三维图像，能够更加有效的表达数据，在此基础上进行一系列的三 维交互，就可以对水声数据做更加准确的分析，这对国防安全和海洋开发有重 大意义。要想获得较好的可视化效果，一般需要对数据进行增强及分割处理。 1 3 论文工作和组织结构 论文的研究内容为三维水声数据场的可视化技术。一是自动检测数据中存 在的目标；二是增强水体和地层，去除水体中目标周围的干扰，增强地层的对 比度；三是在分割和增强的基础上利用三维可视化技术实现水声三维数据场的 可视化 4 浙江大学硕士学位论文l 绪论 论文的主要工作有： l 、根据所处理的三维水声数据的特点，提出了一种水体地层分离算法 2 、分析了小波分析和模糊理论在图像增强中的应用，提出基于小波系数相 关性和模糊理论的水体目标增强算法 3 、研究常见的图像分割算法，提出基于三维自适应区域生长的目标分割算 法 4 、研究常用的增强算法，结合水声数据的特点，提出了基于阈值和g a m m a 变换的水体和地层增强算法 5 、研究常用的三维可视化算法，并使用直接体绘制中的光线投射算法实现 水声数据可视化 6 、研究开源可视化程序库v t k ，并在其基础上进行水声三维数据场可视 化平台的设计与实现 论文的内容安排如下： 第一章对论文的课题背景、国内外研究现状和主要内容做了介绍。 第二章总述了水声三维数据场的处理方案，简要分析了方案中每个处理模 块的设计。 第三章介绍了常见的增强算法，详细介绍了小波分析理论和模糊理论在图 像处理中的应用。在此基础上提出了一种基于小波系数相关性和模糊理论的水 体目标增强算法。 第四章介绍了常用的图像分割方法，分析其优缺点，结合论文所处理的水 声体数据特点提出了一种基于三维自适应区域生长的目标分割算法。 第五章介绍了三维可视化技术及其应用，详细分析了直接体绘制算法在 此基础上使用光线投射体绘制算法来可视化处理后的体数据。 第六章主要介绍开源的可视化工具包v t k 以及在此基础上设计开发的水 声三维数据场可视化平台。 第七章提供了论文算法的处理结果并进行了分析 第八章是论文内容的总结，并对论文的研究成果做了展望。 女 学论文 2 水产二雏戥捂目娃8 $ * 2 水声三维数据场处理方案设计 本章首先介绍论文所处理的水声三维数据场，然后对水声三维数据场的处 理方案的设计做一个总述 2 1 水声三维数据场简介 论文处理的水声三维数据场是通过合成孔径声纳沿走航方向进行采集得来 的，即由方位一深度方向上的二维数据叠加得到的，如图2 - 1 所示。 图2 - 1 水声三维数据场 图2 - i 是通过三维可视化算法中的光线投射算法可视化得到的，为了真实 反映体数据数据特性，颜色值按照数据值大小赋予线性灰度，按照数据值大小 赋子线性不遥明度。水声数据场往往由四部分组成：水体、地层目标、目标 周围的干扰。从图中可以看出，水体目标周围存在着大量的干扰，目标与背景 的区分度不高，地层对比度较低，这些都严重影响了对水声三维数据场的分析 与判断，因此对体数据进行有效的增强及目标检测，井将结果有效的表达出来 具有重要意义。 浙江大学硕士论文2 水声三维数据场处理方案设计 2 2 水声三维数据场处理方案总述 对于本论文所要处理的三维水声数据场，有三个任务要完成： ( 1 ) 自动检测水声数据中存在的目标。 ( 2 ) 增强水体和地层：去除水体中目标周围的干扰，增强地层的对比度并 丰富其纹理。 ( 3 ) 在分割和增强的基础上利用三维可视化技术实现水声三维数据场的可 视化 结合所处理的水声数据的特点，论文提出了如下处理方案，流程如图2 - 2 。 ( 1 ) 首先将体数据分为水体和地层两部分，然后分别对水体和地层进行处 理。 ( 2 ) 水体：使用第三章提出的水体目标增强算法增强水体中的目标，在此 基础上使用第四章提出的目标分割算法分割目标，分割目标之后再进行水体增 强处理，去除目标周围的干扰。 ( 3 ) 地层：由于地层中的目标幅值相对较大，与周围地层也有较为明显的 对比，故对地层中的目标不再增强，分割处理与水体使用的是同一算法。与水 体不同的是，地层增强处理不是在目标检测之后进行，而是与目标分割并行， 在源地层数据的一个复本上进行的目标分割和地层增强之后，再把增强后的 地层数据复制到除目标区域以外的源地层数据上。 最后把处理后的水体和地层数据合并为一个体数据，然后进行可视化。 浙江大学硕士论文2 水声三维数据场处理方案设计 图2 - 2 水声三维数据场处理方案 下面对图2 2 中的处理模块分另4 作介绍，其中水体增强和地层增强虽然采用 的是不同算法，但是由于二者处于同一层次，故将它们放在一起介绍。 2 2 1 水体地层分离 因为水体和地层、水体目标和地层目标具有完全不同的特性，在处理过程 中，需要采用适应各自特点的不同方法。为了达到这个目标，我们首先需要分 - 8 浙江大学硕士论文2 水声三维数据场处理方案设计 离水体和地层因为体数据是从走航方向采集的，由多层方位距离二维水声数 据构成，如果对每层二维数据分离水体和地层，最后便达到了三维体数据的水 体和地层分离对于每层二维数据，论文采用以下步骤分离水体和地层： ( 1 ) 对数变换：因为水声数据动态范围很小，首先使用对数交换【1 8 1 来扩展 数据灰度范围。 ( 2 ) 高斯平滑：使用大模板高斯滤波器1 8 1 来平滑数据，使水体和地层分别 具有较强的连续性。 ( 3 ) 二值化：使用由用户输入的水体最大值参数( 一般可设为5 ) 来二值 化图像，小于参数的像素值为0 ，大于参数的像素设为2 5 5 。 ( 4 ) 产生地层：找到图像中像素值为2 5 5 的最大连通域【1 9 1 的上边界，即为 地层的上边界，其下部数据皆为地层，其余则为水体。 上述操作是在源数据的副本上进行的，其输出的是与源三维数据场一样大 小的二值标示体数据，0 标示水体，2 5 5 标示地层。 图2 - 3 水体地层分离流程图 2 2 2 水体目标增强 由图2 1 可以看出论文处理的水声数据存在的缺点之一是对比度低，目标 和背景区分度不高，这严重阻碍了后续的目标分割，因此如何有效增强数据对 比度并加强目标物体边缘具有重要意义在第三章论文提出了一种基于小波系 数相关性和模糊理论的增强算法用于增强水体目标，此处增强也是在方位距离 二维数据上进行的。 2 2 3 目标分割 图像分割方法可大致分为基于灰度的阈值分割算法、基于区域的分割算法、 基于边缘的分割算法、基于聚类的分割算法、基于模型和随机过程的算法等。 区域生长方法做为基于区域的分割算法的典型代表，由于其思路简洁、计算简 浙江大学硕士论文 2 水声三维数据场处理方案设计 单，得到了广泛的应用结合所要处理数据的特点，论文在第四章中提出了一 种基于三维自适应区域生长的目标分割算法由于水体中目标和地层中的目标 具有不同的灰度值范围，所以对目标的分割是分别在水体和地层中进行的。 2 2 4 水体及地层增强 此处的增强算法并不是为了分割目标，而是提升水声数据可视化以后的视觉 效果。由于水声数据具有噪声干扰大、对比度较低、数据分辨率低等缺点，我 们需要增强水声数据，使之具有更好的真实感，更加便于对其进行分析观察。 对于水体，其中含有三类物体- 目标、干扰、水体，对视觉分析产生影响的是 目标周围的干扰。步骤2 2 3 中的分割算法中已将目标区域设为2 5 5 ，水的最大 值一般小于5 ，该值也可以由用户设置，介于水和目标之间的值被认为是干扰， 将其值设为水的最大值。地层中也含有三类物体- 目标、干扰和地层，其中的 干扰并不影响视觉观察，而地层由于声纳系统的成像特点，数据较为稀疏，地 层中的淤泥等成分由于其较小的反射强度，其值较小，难以观察。针对其特点， 论文使用g a m m a 变换【l8 】来扩展地层数据的动态范围，改善数据的视觉效果。 对水体和地层的增强是在方位距离二维数据上进行。 2 2 5 水体地层数据合并 分别对水体和地层进行目标分斟和增强之后，把二者合而为= 就得到了处 理后的水声体数据。 2 2 6 三维可视化 经过前面五步的处理，目标得到了检测，水体和地层得到了增强，最后一 步便是对处理之后的数据进行三维可视化，将其有效的表达出来。由于直接体 绘制中的光线投射算法 1 6 , 1 7 1 具有较好的- j - 视化效果，论文采用光线投射算法来 实现这一处理。 浙江大学硕士论文3 基于小波系数相关性和模糊理论的水体目标增强算法 3 基于小波系数相关性和模糊理论的水体目标增强算法 小波变换是八十年代后期发展起来的应用数学分支，它是时域和频域的局 部变换，通过伸缩和平移等运算功能对函数或信号进行多尺度分析解决了 f o u d e r 变换所不能解决的许多困难，因而小波交换被誉为“数学显微镜”。近年 来小波变换在图像去噪、增强、分割、压缩等领域中得到了广泛的应用【2 0 ，2 1 ，2 2 ，2 3 1 自从1 9 8 0 年p a l 等人将模糊理论引入图像处理领域【2 4 1 ，模糊理论在图像处理领 域成为一个强大的工具并得到了广泛的应用。本章将回顾小波分析理论和模糊 理论及它们在图像增强中的应用，并在此基础上提出了一种基于小波系数相关 性和模糊理论的水声图像增强算法。 3 1 小波分析理论及其在图像增湿中的应用 2 0 世纪初h a a r 提出了正交规范基，这可以看作是小波分析概念的起源。但 是从2 0 世纪8 0 年代后期开始小波分析才成为数学与信患科学中重要分支之一 1 9 8 6 年，m e y e r 构造了具有较快衰减且较快光滑的小波函数少( x ) ，它的二进伸 缩平移系可以定义为式( 3 1 ) 膻( 曲= 2 j 2 y ( 2 x 一后) i ，k z ( 3 1 ) 该平移系构成l 2 ( r ) 的正交规范基。此m a l l a t l 2 5 2 6 将通信理论中的镜像滤波器 组的概念、数字图像处理中塔式分解的概念，以及正交小波基的概念巧妙地结合 在一起形成了多分辨率分析( m u l t i r e s o l u t i o na n a l y s i s ，m r a ) 理论，并提出了 小波分解和重构的快速算法，即m a l i a t 快速算法一般认为，m a l l a t 算法在小波 分析中的地位类似于快速傅立叶变换( f f t ) 在经典傅立叶分析中的地位。 3 1 1 小波变换的基本概念 如果函数5 c ，( x ) 满足以下条件 q = j 挚缈 ( 3 2 ) 则称少( x ) 为一个基本小波或母小波( m o t h e r w a v e l e t ) ，并定义如下的积分变换 m 咖m j i 少o ) 习少( x - b ) d x 小m ) o 。 为，( x ) 以l f ，( x ) 为基的积分连续小波变换( c o n t i n u o u s c w t ) 如果在式( 3 - 3 ) 基础上引入符号 ( 垆咖叫制 y ( 争 则公式( 3 - 3 ) 可以改写为 w y f ( a ，6 ) = 肠y e l e tt r a n s f o r m 。 ( 3 4 ) ( 3 5 ) 由式( 3 - 5 ) 可以看出，连续小波变换既厂( d ，6 ) 是函数( x ) 在函数，。( x ) i - 投影。它将一个一维函数( 石) 变换为一个二维函数，其中口称为尺度因子；b 称 为平移重。 公式( 3 2 ) 隐含 汐( o ) = 陟( x ) 出= o ( 3 6 ) 即( z ) 的均值为零。函数虬。( 力是通过在“母小波函数”( m o t h e r w a v e l e t ) ( x ) 中引入参数口和6 演变而来的。可以证明在公式( 3 - 2 ) 的条件下，可以通过如下 二重积分 ( 工) = 吉爪) ( 口沏“x ) 争6 ( 3 7 ) 重构( x ) 2 7 1 对尺度因子取负号相当于对函数作镜像反射之后再做伸缩，这时 只需将( 一x ) 看成小波函数，而尺度因子仍取正值因此重构公式可以改写为： 浙江大学硕士论文3 基于小波系数相关性和模糊理论的水体目标增强算法 f ( x ) = 古f 【( 唧厂) ( 嘎6 ) ( x ) d 6 】亨 ( 3 - 8 ) 其中 勺= 2 j c o 挚缈 ( 3 _ 9 ) 前面描述的是一维连续小波变换的定义、性质以及连续小波交换的逆变换。 连续小波变换与傅立叶变换类似，也具有线性、平移不变性和伸缩共变性， 另外还有自相似性和冗余性，小波变换的冗余性也是自相似性的直接反映主 要表现为： ( 1 ) 由连续小波变换恢复原始信号的重构分式不是唯一的，即信号( x ) 的 小波变换与小波重构不存在一一对应的关系，而傅立叶变换与傅立叶反变换是 一一对应的。 ( 2 ) 小波变换的核函数即小波函数。( 力存在许多可能的选择( 比如可能是 非正交小波，正交小波，双正交小波等) 。 连续小波变换的系数具有很大的冗余量i 在连续变换的尺度a 和平移量b 下小波基函数虬，。( x ) 具有很大的相关性，因而信号的小波变换系数睨厂( 口，6 ) 的 信息量是冗余的。大多数实际应用中，人们希望在不丢失原始信号信息的情况 下，尽量减小小波变换系数的冗余度，从而提高压缩率。因此，引入了离散小 波变换 在连续小波变换过程中，如果取尺度a = 2 - j , j z ，并且考虑时间轴上的 二进值b = 2 一j k ，而不是所有的b z ，就可以实现均匀离散抽样，这样形成的 小波叫做二进小波。 离散小波函数可以定义为： ，t ( 曲= 啄7 7 2 y ( 面7 x 一蛾) ，j ，ke z ( 3 1 0 ) 离散小波变换的系数可以表示为： w ( j ，后) = f 车，i ( x ) 2 工厂( x ) 吩，( x ) d x ( 3 - l1 ) 重构公式为： 浙江大学硕士论文3 基于小波系数相关性和模糊理论的水体目标增强算法 ( x ) = c 哆( ，后鸩。( x ) ( 3 1 2 ) 3 1 2 快速小波变换 实际应用中离散小波变换一般是指m a l l a t 的快速算法，即先对较大尺度的 信号进行小波变换，再选取其中的低频部分在原尺度的一半尺度上再进行小波 变换。这种算法也被称作快速小波变换( f w t ) 。 如果一个信号j 长度为，那么m a l l a t 算法将在l o g ：步以内完成对信 号s 每次分解都会产生两组小波系数，一组是使用低通滤波器三dd 得到的近 似小波系数c 4 ，另一组是使用高通滤波器所一d 得到的细节小波系数嵋这 两组小波系数都是分别使用低通和高通滤波器作用于信号，然后再对得到的小 波系数进行下采样得到的。图3 1 描述了快速小波变换算法的单层过程。 低通滤波器下采样 高通滤波器下采样 图3 - 1 快速小波变换( f w t ) 单层流程 近似信号 c a l 细节信号 c d l 如果要对信号进行j 级分解，则可以在低频部分dl 的基础上再次使用图 3 - 1 所示的分解过程，得到吐和c 皿，如此重复操作，直至得到呜和c q 由于每次分解后的小波系数都是原来小波系数的一半长度，所以整个小波分解 过程中，数据量的不变。 浙江大学硕士论文3 基于小波系数相关性和模糊理论的水体目标增强算法 小波系数重构过程是分解过程的逆过程。与小波分解过程类似，重构过程 通过从尺度最低的近似小波系数和细节小波系数开始使用低频和高频重构滤波 器三d r 和胁一r 恢复出一个上一尺度的近似系数，重构过程中会进行上采样， 如此迭代就可以重构出原始信号。图3 2 描述了多级小波重构的过程。 近似信号一 c a i 细节信号一 c d l 上采样 低通重构滤波器 上采样 高通重构滤波器 图3 - 2 小波系数重构的过程 3 1 3 图像的小波变换 3 1 2 节讲述的小波分解和重构过程都是针对一维有限能量信号 f ( x ) l 2 ( r ) 的，由此建立起来的分析模型、基本理论和基本方法可以方便的推 广到二维甚至多维的情况。 同对一维信号的小波分解一样，对二维图像的分解也需要二维小波函数和 二维尺度函数。通过使用分离变量方法可以由一维小波函数和尺度函数构造所 需要的二维函数，如公式( 3 1 3 ) 所示： m 力= 烈功缈( 力 甲爿( x ，y ) = 缈 ) y ( y ) 甲矿( x ，y ) ：y ( x ) 缈( 少) ( 3 - 1 3 ) 甲“( 五少) = 沙( x ) 少( 少) 其中，甲度量沿着列的变化，、王，y 响应沿着行的变化，、l ，d 对应于对角线 方向的变化由式( 3 1 3 ) 的分离变量性质，二维分解过程可以通过行处理和列处 s 浙江大学硕士论文3 基于小波系数相关性和模糊理论的水体目标增强算法 理两步完成：使用低通和高通滤波器对图像的每行进行处理，对处理之后图像 的每列再使用低通和高通滤波器进行处理，分解过程中进行下采样，这样便得 到四个二维数据。由于在分解的过程中有两次下采样，所以输出的每一个二维 的数据量都是原来的1 4 ，从总体上看二维小波分解数据量也是保持不变的。 如果需要对图像进行多级小波变换，则可以像一维信号的小波分解一样，对两 次使用低通滤波器得到的低频小波系数进行第二次小波分解，如此迭代，便能 得到最终的小波分解系数。 图3 3 是二维图像小波分解的一个单层过程，输入是上一级二维小波分解的 低频分量。分解得到四个小波系数分量：低频分量叫，水平细节分量c h 、垂 直细节分量c v 和对角细节分量c d 。 下采样 列下采样 图3 - 3 二维小波分解的单层过程 类似于一维小波变换的重构过程，二维小波变换的重构过程通过从尺度最 低的近似小波系数和细节小波系数开始使用低频和高频重构滤波器l o r 和 肺一r 恢复出一个上一尺度的近似系数，重构过程中会进行上采样，如此迭代 就可以重构出原始信号。图3 4 是二维小波重构算法的单层过程。 大学顷论文 f 十渡春教目关自期4 论日女悻目标增算女 i ，* e # 图3 - 4 二维小渡系数单层重构过程 囤3 5 为对一幅标准图像进行二层快速小波分解的示意图。图3 - 5 ( a ) 为一幅 2 5 6 x 2 5 6 大小的灰度图像，3 - 5 ( b ) 为使用d a u b e c h i e s 4 正交小波基对图像( a ) 进行 的两层小波分解系鼓图像，( c ) 为( b ) 中对应的系数分布圈图3 - 5 ( c ) 中h l 为图 像的小波变换的水平细节分量，l h 为小波系数的垂直细节分量，h h 为对角线 细节分量。这个三个分量往往反映图像在水平、垂直，对角线方向上的变化 l l 是对图像进行低通滤波并进行下采样的结果，可以认为是挥图像的一种近似 表示。 mm i ( 劬原始图像( 时小过= 层分解0 讣放系数分布 圈3 - 5 二维图像小波舟解示意图 m a l l a t 快速小波分解是正交小波变换。正交小波变换存在的严重缺点是缺乏 浙江大学硕士论文3 基于小波系数相关性和模糊理论的水体目标增强算法 平移不变性2 引即如果输入信号平移一个单位，那么分解后的结果在第一尺度 会发生改变如果输入信号平移两个单位，那么分解后的结果在第一个尺度上没 有变化，但是更高尺度的结果就会发生改变。由于正交小波变换不具备平移不变 性，信号在正交变换后，经过一些处理，重构后的信号会出现视觉上的失真，这 种失真主要表现g i b b s 现象。静态小波变换【2 8 1 解决了正交小波变换存在的这个 缺点。 前面阐述的正交小波变换，每次分解都要对小波系数进行下采样，采样的 方法是只保留偶数项，这样奇数项所含的时移信息就被丢弃了与此相反，静 态小波变换在分解过程中不进行下采样，同时滤波器e 和g ，每次要增长为原 来的2 倍，这样分解后得到的四组二维数据与原数据有着同样的大小。由于静 态小波变换不再是正交小波变换，所以变换后的小波系数包含了冗余信息 3 1 4 基于小波的图像增强算法 当一幅图像像素值分布过于集中的时候，该图像的对比度往往不够好，反之， 当各像素点的值在整个灰度范围上分布较均衡时，图像的对比度一般较好，细节 保持较好，视觉上也较清晰。基于点运算以及线性非线性滤波的增强算法就是 通过对像素点的直接运算最终达到均衡灰度值分布的目的