水声图像增强技术研究

李恒光

（杭州应用声学研究所，浙江 杭州310023）

图像增强是数字图像处理常用的技术之一，它是指对图像进行某种操作，使处理结果在特定应用背景下比原图像更适合使用[1]。水声图像的生成通常会伴随着海洋混响、信道变化和水面水下各种目标活动所产生的干扰，所得图像极易出现目标重叠、边界参差、图像失真等缺陷，图像处理的难度大大增加。因此，如何对图像实施合理而有效的降噪与增强是水声图像处理必须面临的问题。

水声图像是由声呐接收阵所接收的受激励目标反射回波生成，图像形成的原理和条件不同，其图像缺陷较光学图像也有不同表现。一般来说，水声图像通常为中低频或甚低频图像，图像所含信息较少，且其噪声干扰也以中低频宽带内的噪声为主。另外，水声图像中，目标图像的灰度级通常较少，但其噪声干扰的灰度级却有着较大变化区间[2]。基于此，水声图像增强致力于消除噪声干扰、提取边界信息和增强包含目标主要信息的部分，同时滤除我们不关心的图像信息。水声图像降噪与增强的结果将直接影响后续图像特征提取与分类识别的效果，其重要性不言而喻。

本文研究了水声图像处理常用的降噪与增强技术，并以海洋中常见的扇贝目标的水声图像为样本进行试验，分析了该类水下目标声学图像的噪声干扰特性，对比了各类图像增强技术的处理效果，为该类目标水声图像降噪与增强处理方法的选取提供了有力的参考。

1 空间滤波方法

空间滤波即在包含图像像素的平面上，通过一定空间滤波器（或称模板、窗口）直接作用于图像像素，以改善图像性能。由于像素图像在计算机中是以矩阵形式存储的，不能像对连续函数一样进行求导等常规操作，需要使用滤波器对原图像进行卷积运算。其数学表达可由公式（1）表示：

其中，f(x,y)是输入图像，g(x,y)是处理后的图像，T 是定义在点(x,y)邻域内的变换算子。将实现某种特定变换T 的滤波器在待处理图像上做遍历的卷积运算，作用得到处理后的图像[2]。图1 解释了滤波器模板在图像上进行卷积操作的作用原理。

通过构造数学表达不同的滤波器模板可以实现各种不同的图像处理效果。常用的空间滤波方法有均值滤波法、中值滤波法、高斯滤波法、索贝尔滤波法和拉普拉斯滤波法等。前三种方法基于平滑空间思想，后两种方法基于锐化空间思想。均值滤波法是一种线性平滑技术，主要思路是用滤波器模板中心点一定范围内的像素平均值取代该点的像素值，能够平滑图像并降低噪声的影响，缺点是会造成图像的模糊而丢失掉一些图像细节。

图1 空间滤波原理示意图

中值滤波法[3,4]是一种非线性平滑技术，与均值滤波不同，它是用模板中心点一定范围内的像素中间值取代该点的像素值，能够平滑图像并降低像素值抖动较大的孤立噪点，应用广泛。

索贝尔滤波法、拉普拉斯滤波法则主要用于像素点灰度值的梯度，将灰度变化较快的图像区域认为是目标边界，不太关心像素点灰度值变化较慢的部分。

2 频域滤波方法

二维图像各点的像素值在计算机中是以离散的二维矩阵形式存储的，频域滤波方法正是在该二维矩阵的傅氏空间中对像素数据进行处理。频域滤波的主要手段是对像素数据施加各类滤波器（如低通、高通或带通等），在图像傅氏空间达到抑制特定频段内能量的目的，以实现所需的滤波效果[5]。

对于由f(x,y)表示的二维图像，其频域滤波的数学表达如下：

其中F(f(x,y)))是图像f(x,y)的离散傅里叶变换结果，H(u,v)是滤波器函数，F-1是傅里叶逆变换，g(x,y)是滤波结果。

与空间滤波方法类似，改变滤波器函数，可以得到多种不同的频率滤波技术，如低通滤波、高通滤波、带通滤波等。低通滤波器可以抑制图像像素值变化较快、图像较为尖锐的高频区域，通常包括目标的边界和高频噪声干扰。相反地，高通滤波则抑制了图像的低频部分，使得高频区域得到锐化处理[6]。

图2 水声图像增强方法试验结果图

3 水声图像增强试验

以海洋中常见的扇贝目标的水声图像为样本进行图像增强试验。对图2(a)所示的扇贝声呐图像添加均值为-0.1、标准差为0.01 的高斯白噪声得图2(b)，目的是增加样本噪声干扰的复杂性。分别使用第2 节中的各类图像增强方法对扇贝水声图像进行处理，以验证各类方法的降噪与增强效果。试验主要研究了空间滤波方法中的均值滤波法和中值滤波法、频域滤波方法中的各种形式的低通滤波法、高通滤波法等，试验结果如图2 所示[7]。

分析上述图像增强试验结果可知：

a.该水声图像所受噪声干扰较强，在空间上表现为大量离散、孤立的噪点，目标附近各波束方向噪声干扰严重，在某些波束方向甚至出现了带状亮斑；频域上，高频噪声影响范围大且与目标有效信息的频段重合较多，低频噪声相对较少。

b.空间滤波方法能够有效地对图像进行平滑和消噪。与均值滤波相比，合适尺寸的中值滤波能在不破坏目标边界信息的同时消除图像中的孤立噪声点。随着滤波器模板尺寸的增大，所得图像的平滑度和模糊度均逐步提高。

c.频域滤波方法能够有效地锐化图像并使图像像素值变化较快的区域清晰可见。其中，低通滤波主要抑制了图像所受噪声干扰的高频段部分，而高通滤波则很好地突出了目标的细节信息。

d.事实上，对于水声图像所受噪声干扰，单纯地使用空间或频域滤波方法难以一步到位，获得良好满足实际需求的降噪和增强效果。实际处理时一般会同时使用空间滤波和频域滤波方法，获得复合性的处理效果。一般地，对于与本文所研究类似的水声图像，可先对图像进行频域滤波，滤除某些频段的噪声干扰，再对感兴趣的目标区域进行均值滤波弥补图像空隙，最后进行适当的中值滤波消除孤立的噪点。

4 结论与展望

本文从水声图像降噪角度研究了各类图像增强的方法，并试验对比了使用各类方法处理所采集的水下目标声呐图像的效果，并具体给出了类似的水声图像增强的一般性处理步骤。不难发现，不同于光学图像，水声图像增强的重点在于有效地消除各类噪声干扰的不利影响。在水声图像增强时应根据实际情况综合考虑，可使用某种方法或某几种方法联合处理。另外，无论是空间滤波还是频域滤波，都是一种全局性的处理手段。研究复杂噪声干扰下的边缘提取技术以适应特定场景的应用需求，也是水声图像增强的另一种思路。