考虑环境适应性的海洋动态特征测绘方法

王文杰

（天津水运工程勘察设计院有限公司，天津 300000）

引言

海洋开发战略实施过程中，不论是海洋经济发展，还是海洋权益保护，都要依托于高精度的海洋动态地理特征信息[1]，这就需要海洋测绘技术提供足够的支持。海洋测绘是海洋开发的关键辅助工具[2]，为了得到更加符合要求的海洋动态特征分析结果，必须结合现代化技术设计新型测绘方法。

文献[3]从海洋测绘区域的地形特点入手，建立合适的三维激光扫描方案，获取地形点和断面点。并根据扫描数据，计算出地形点高程以及断面面积，得到最终测绘结果。但实际应用结果表明，该方法作业精度较低。文献[4]分别将工业相机搭载在无人机和无人船上，采集目标测绘区域的图像，基于这些图像建立数字高程模型和数字线划图，生成海洋动态特征测绘结果。但是结果表明，该方法测绘成本较高。文献[5]采用水下激光线扫描设备，获取海洋图像。运用单通道阈值法和灰度重心法，对采集图像提取激光光条，再结合三角位移估计法，获取图像包含的特征信息，根据这些特征建立测绘成果图。但是，该方法作业效率较低。

由于上述文献提出的方法在实际应用中总是存在不足之处，文中提出一种考虑环境适应性的新型测绘方法，该方法分析了海洋环境中相机性能受到的影响，并对相机主镜结构进行优化，通过优化后的相机采集海洋动态图像，基于这些图像得到高质量的海洋动态特征测绘结果。

1 设计考虑环境适应性的海洋动态特征测绘方法

1.1 建立无人船海上导航技术

为了保证搭载在无人船上的相机可以采集海洋测绘区域的全方面图像，文中建立一种POS MV 系统（惯性导航定位测量系统）。该系统融合了INS（惯性导航系统）与GNSS（全球导航卫星系统）的工作性能，可以实现无人船位置、方向和运行速度的同步更新[6]。而将两个系统采集的角速度和加速度信息结合起来，应用卡尔曼滤波算法进行导航误差校正，生成合理的航向解算结果，POS MV 系统的具体工作模式如图1 所示。

图1 POS MV 系统工作模式

当POS MV 系统正常运行时，惯性导航系统和全球导航卫星系统采集数据可以互相验证，但其中一个系统无法正常工作的情况下，只应用另一个系统也可以实现导航解算，避免无人船导航失效。

除此之外，无人船海上导航技术设计过程中，还添加了事后实时扩展技术，基于此实现GNSS 系统与卫星校正技术的广泛融合，在动态状况下，生成高精度的定位结果，作为后续导航方向解算的依据。

1.2 考虑环境适应性优化相机结构

按照上述导航路线运行无人船，通过无人船上搭载的相机可以实现海洋图像的动态采集。但是采集海洋图像时，往往需要相机处于水下环境，采用传统的相机反射镜结构，会使得海洋图像变形严重，无法更好地体现海洋动态特征[7]。对此，本研究考虑环境适应性，采用水平集法对相机反射镜结构进行参数优化，在不改变组件布局的情况下，调整各个部件的形状和尺寸。

应用水平集法进行优化时，将拓扑结构边界表示为水平集函数[8]，当原始界面扩展为高一维空间后，水平集函数也随机进行迭代演化，直到水平集呈现出平稳状态，即可完成演化，得到形状边界。采用有限元网格函数方程代表边界隐式，对于水平集函数来说，可以定义其对应的区域为：

式中：

x—有限元网格；

ψ—水平集函数；

δ—材料区域；

G—设计空间；

∂—形状边界。

其中，水平集的动态变化，会引起形状边界的改变，具体数学方程为：

式中：

t—时刻；

V—敏感度变化速率；

∇—梯度值。

通过水平集法的运算处理，得到清晰的拓扑边界，以此来描述无人船搭载相机主镜部件的复杂结构。在后续结构优化过程中，需要以最小光轴方向重力变形误差为目标，进行主镜的轻量化优化。通常情况下，无人船上搭载的相机主镜均为中小型反射镜，在海洋环境中，水下温度的变化和重力加速度的改变，都会引起主镜变形误差。这种情况下，将考虑环境适应性的优化目标函数表示为公式（3）。

目标函数优化过程中，涉及很多项约束条件，具体表示为公式（4）。

式中：

y—优化后参数；

τ—密度；

e—单元；

n—海洋拍摄相机主镜包含的单元总数；

R—均匀降温后产生的面形误差；

min—最小值；

—最大允许重量；

—优化后重量；

—重力沿光轴方向引起的面形误差；

φ—允许的最大镜面形误差；

f1、f0—相机主镜组件当前一阶固有概率、最低一阶固有概率；

K—结构刚度矩阵；

—材料重量矩阵；

U—位移向量；

U1、U2—重力、温度载荷造成的位移向量；

P1、P2—重力、温度载荷产生的向量值。

对上述优化目标函数进行求解后，得出优化后的相机主镜参数，按照该参数调整后，保证相机采集的海洋图像变形误差更低。

1.3 设计海洋图像增强处理方法

在海洋动态特征测绘之前，为了避免图像中的噪声信息影响测绘精度，提出一种基于同态滤波的图像增强处理方法，改善图像清晰度，并突出海洋图像中包含的有效特征。

同态滤波处理过程中，结合了空域灰度变换原理和频域滤波原理，建立照度-反射模型[9]，基于此进行图像亮度范围的压缩，实现对比度的提升。在不改变海洋图像原貌的同时，增强图像细节特征[10]，直观体现海底地貌单元边界。正常情况下，海洋图像包含前景区域和背景区域两个部分，如公式（5）所示。

式中：

(c,z)—图像中心坐标；

E—海洋图像；

E1—图像背景区域；

E2—图像前景区域，这两部分也分别集中在低频区域、高频区域。

具体的同态滤波处理，需要先针对原始图像进行对数变换。

式中：

ln—对数函数。

采用傅里叶变换策略，对变换后的图像进一步分析，明确各个图像区域的频域信息，频域数学表达式如公式（7）所示。

式中：

D—频域。

确定各个图像部分的频域后，定义一个频域滤波器，对原始海洋图像进行处理。再通过傅里叶反变换处理，得到空域对数图像，计算出该图像的指数后，即可完成空域同态滤波。

同态滤波器是同态滤波算法实现的关键，其本质是对压制高频区域并增强高频区域，实现背景区域与 边界域的明显区分。同态滤波器的工作模式与高通滤波器相同，只能压制低频区域而不能完全消除低频分量。因此，将同态滤波器数学形式表示为：

式中：

(a,b) —区域像素坐标；

H—同态滤波函数；

η—高频增益；

μ—低频增益；

H′—高通滤波函数。

实际操作过程中，当高频增益大于零而低频增益小于零时，就实现了背景区域的抑制。具体计算过程中，将高斯滤波函数表示为高斯高通滤波器数学函数，则得到公式（9）。

式中：

ε—常数；

D0—截止频率；

D—滤波器中心与图像像素点之间的距离。

按照上述操作进行同态滤波处理时，其同态滤波器幅频曲线如图2 所示，从中可以看出，滤波器函数是由低到高不断过渡的。

图2 同态滤波器幅频曲线示意图

对采集的海洋图像进行同态滤波增强处理后，图像内边界区域表现为更深的颜色，与其他区域明显区分出来，作为后续海洋动态特征测绘三维成果图建立的依据。

1.4 生成可视化海洋动态特征测绘成果

根据增强后的图像，提取不同海洋区域的空间位置和高程数据，作为基本测绘数据，经过简化处理后导入计算机操作软件内，通过层次细节技术处理测绘数据，构建可视化三维测绘场景，并在该场景中细节化体现海洋动态特征。本文应用了层次细节技术后，将海洋场景中不同的对象按照不同的分辨率构建出来，模拟人眼观察特点，当视点变远时测绘场景中的海洋动态特征变得模糊，而视点的缩小可以帮助人们观察更多的细节特征信息。

此外，在生成可视化海洋动态特征测绘成果图时，还应用了可视化漫游技术，人们通过控制视点的改变，合理刷新三维海洋动态特征测绘场景中的数据。同时，在展示测绘结果时，建立了缓存机制和多线程机制，高效实现海洋动态特征测绘数据的动态加载与合理调度，根据用户视点实时变化情况，判断当前服务区测绘数据加载范围，运用这些数据生成更新后的三维可视化测绘场景。

2 应用分析

2.1 区域概况

在完成考虑环境适应性的测绘方法设计完成后，为了展示该方法的应用效果，以位于琼州海峡东口的某一浅海区域为例，进行海洋动态特征测绘方法应用分析。通过实地考察可以发现，该研究区域是潮流沙脊区，水下地形较为复杂，且区域内存在较粗的松散沉积物，属于海砂资源富集区域。本次应用分析针对的研究区，总面积约为35 km2。

采用无人船搭载相机的方式获取该区域图像，定义相邻测线间距在（200～300）m 之间，并在无人船上安装惯性导航系统和全球卫星导航系统，实现无人机行驶路径的导航。搭载工业相机的无人船海洋探测原理，如图3 所示。

按照图3 所示的探测原理，随着无人船的运行动态采集不同区域的海洋图像，并将采集图像实时传递给地面基站。

2.2 相机参数优化

为了得到高质量的海洋图像，按照文中研究内容，在考虑环境自适应性的基础上，进行相机主镜优化。从主镜和柔性铰链入手，这两个相机关键部件分别存在12 个变量参数、6个变量参数。针对这些参数进行有效调整，可以使得相机在水下环境中采集的图像存在更小的变形误差。在完成32 次迭代更新后，多个响应函数都达到最优收敛效果，此时优化值即为最终优化结果。经过统计可知，相机主镜、柔性铰链参数优化结果，如表1 所示。

表1 相机主镜、柔性铰链参数优化结果

按照表1 所示的参数进行相机结构优化，将优化后的相机安装到无人船上，进行海洋的采集。经过统计可知，最终采集125 674 张图像，均不存在明显的变形和模糊情况，可以作为测绘分析的依据。

2.3 测绘结果展示

针对实验采集图像进行增强处理后，提取图像包含的特征信息，并基于此建立三维测绘成果模型，如图4（a）所示。从中可以看出，该海域地形存在东西走向大沙坝，且区域水深等线如图4（b）所示，从该图中进一步体现了海洋地形总特征。

图4 研究区域动态特征测绘结果

从图4（b）可以看出，该测绘区域的南北两侧水较深，中间区域水较浅，甚至小于10 m，表明大沙坝或沙脊大概存在于中部地区，且从中间向四周水深等线分布均匀，表明该沙脊坡度较缓。此外，该区域中部潜水区域呈现东西走向，并向北部不断发展，这也体现出海洋下大沙坝或沙脊的具体走向。

上述测绘结果表明，应用本文设计方法可以呈现出区域海洋动态特征，表明考虑环境适应性的测绘方法具有可行性。

2.4 测绘高程误差分析

为了进一步体现本文设计测绘方法的有效性，从测绘高程误差入手，验证测绘结果的准确性。在整个研究区域，分别选择11 个检查点，分别采用全站仪测量，实际测量检查点的高程数据，作为高程误差分析的依据。将所提方法测绘结果显示的高程数据图实际测量数据进行对比，计算出高程误差。而后，应用文献[3]、文献[4]提出方法对研究区进行测绘分析，从各自的测绘结果中，同样获取各个检查点的高程数据，对比实际测量值计算高程误差。为了便于分析，将三种方法的高程误差计算结果体现在一张图中，生成图5 所示的对比结果。

图5 不同方法测绘结果高程误差对比

根据图5 可知，文中设计方法的测绘结果高程误差在3 cm 之内，而其他两种文献提出方法的测绘结果，显示高程误差分别在18 cm、20 cm 以内。综上所述，考虑环境适应性对海洋摄影相机进行主镜结构优化后，可以得到质量更高的海洋图像，应用这些图像生成的海洋动态特征测绘结果更加贴合实际情况，其高程误差明显低于文献提出方法。

3 结束语

随着人们对海洋开发越来越重视，海洋测绘技术的优化成为研究人员急需突破的重点项目。通过海洋动态特征测绘，可以直接反映海洋区域的地理特征，作为后续海洋开发计划设计的基础。尤其在无人技术应用到海洋测绘领域后，突破了传统海洋测绘限制，可以在现代化技术的辅助下，得到精准的测绘信息。上述实验验证结果，也体现了本文设计测绘方法的优越性，将其应用到现代海洋测绘工作中，可以发挥更好的应用效果，为了后续海洋开发提供地理信息支持。