1、小波函数对侧扫声纳图像滤波效果的影响分析摘要：侧扫声纳技术应用日益广泛，已成为海洋测量的重要工具，而去除噪声处理是对侧扫声纳图像进行正确判读的前提。利用小波函数滤波处理的方法，分别采用 Haar、Daubechies、Coiflets、Symlets、Discrete Meyer、Biorthogonal 、Reverse Biorthogonal 等小波函数与中值滤波函数对侧扫声纳图像进行处理，并以平滑指数和边缘保持指数为评价指标，对滤波效果进行定量比较。试验表明，小波函数可以有效地平滑声纳图像，并能保持其较好的边缘效果。关键词：侧扫声纳；声纳图像；图像去噪处理；小波变换1 引 言随着海洋开
2、发的不断深入，特别是海洋工程的开展，对海底探测精度的要求也在不断提高，各种探测手段应运而生。侧扫声纳技术就是其中一种重要的探测手段，它应用声学原理，并综合声学、数字信号处理、导航定位和计算机等技术，对海底微地貌和目标物进行探测，其精度、分辨率和图像质量都比传统的声纳技术有了大幅度的提高。目前，侧扫声纳在大范围内海底目标的探测和定位、海底底质结构探测、海上石油勘探、航道疏浚、海洋环境监测、海洋渔业等多方面，起到了不可替代的作用。侧扫声纳图像判读的正确性和准确性对海洋工程的实施以及海洋测绘具有非常重要的作用由于受复杂多变的海洋环境和系统不同设置等因素的限制，常常造成声纳图像斑点噪声强，目标轮廓模糊
3、，辐射畸变和几何畸变严重等降质现象，严重时会遮盖和歪曲海底的真实地貌，误导图像判读。因此，对侧扫声纳图像进行去噪声处理十分必要，也可为图像的正确读判奠定基础。目前，针对声纳图像去噪算法的研究相对较少，应用中大多是采用光学图像的处理方法，通过对比以确定适合声纳图像去噪的方法。本文将小波变换中的去噪处理方法应用到同一声纳图像进行处理，将处理结果进行对比。经试验研究表明，小波变换去噪处理对侧扫声纳图像有明显的增强效果，与 5x5 的中值滤波相比，平滑指数性能稍差，但边缘保持特性明显增强。2 滤波效果定量分析比较研究21 评价指标选取对图像的噪声进行分析，主要有如下指标：平滑指数和边缘保持指数 。平滑
4、指数(FI )是滤波处理后所有像元的均值 M 与其标准差 SV 的比值，它表征滤波器对各种图斑的平滑能力，FI 值越高，表示平滑作用越强，其计算公式：FI=M SV.边缘保持指数(ESI) 表示处理后滤波器对图斑水平与垂直向边缘的保持能力，其值越大，则保持能力越强，具体计算公式为：式中，m 为检验样本的个数；GR1 和 GR2 砬分别为沿边界交界处左右或上下互邻像元的灰度值 。22 结果分析本文选取试验的侧扫声纳图像如图 1 所示(此为左舷的局部数据)，图幅大小为 750x8 912，声纳数据灰度为 16 位(即灰度值范围为0，65535) 。通过统计分析，获得图像的灰度直方图如图 2 所示，
5、侧扫声纳图像的最小灰度值与最大灰度值分别为：0 和 65517；并且此声纳图像的灰度分布较为集中，主要集中在256 个灰度阶上；经过统计分析，集中的灰度数目大于 200000 的灰度值为：0，257，3 084，3 341，3 598，3 855，4 112，4 369，其中灰度值为 0 时的数量最多，为 352928。由图 2 中的直方图可以看出，灰度过于集中在低灰度值区域。从表 1 中滤波图像的噪声参数值可以看出：所有的小波函数与中值滤函数对声纳图像均有一定的平滑作用；由均值可以看出，所有的小波函数都比原始图像有所增大，而 5x5 中值平滑滤波(效果如图 3 所示)将其均值进行了大大的降低
6、，这是因为声纳图像灰度差较大，而且灰度偏向于低灰度级别，使得模板的中值也偏小，因此其均值降低的比较大；就标准差来说，各种算法滤波后的标准差数为 1 的双正交小波函数、Haar 小波函数(效果如图 4 所示)的标准差较原始图像减小幅度较大。斑点噪声对图像最明显的影响就是图像具有较大的标准差，因此，滤波后标准差的减小正是对斑点噪声的去除引起的；就平滑指数来说，所有的小波函数与中值滤波对声纳图像都有适当的平滑作用，而中值滤波处理的效果最好，但也小波函数的平滑效果相差不大；由垂直、水平方向的边缘保持指数可以看出，小波函数明显较中值滤波处理边缘保持能力好，其中 4阶 Daubechies 小波函数处理的
7、效果最好。鉴于对平滑指数和边缘保持指数的综合因素考虑，以及处理后图像的边缘保持能力与去噪声能力，选择上面的任意一种小波处理对侧扫声纳图像滤波处理都具有较好的效果，虽然平滑作用不如中值滤波处理，但边缘保持特性明显提高(图3、4)。由于侧扫声纳图像的灰度级少，变化趋势不明显，并且分布的极为不均匀，噪声图像多为随机斑点与条带噪声等特点，小波变换很是适合分析这种瞬间变化的信号。通过以上将小波变换去噪处理方法应用到侧扫声纳图像中进行对比也说明了这一点。3 结论(1)本文试验的大部分方法对声纳图像均有较好的滤波效果，对于其中的斑点噪声与条带噪声有一定的抑制作用，可以有效地用于声纳图像平滑滤波。(2)滤波后
8、图像噪声均值变化较小，图像的噪声方差有明显下降。(3)从表1的数据可以看出：中值滤波处理的平滑效果较好，而小波变换处理的边缘保持效果更突出。今后可以针对具体的应用目标，选取适当的滤波进行综合处理，从而得到更好的便于判读的声纳图像。总之，小波函数对侧扫声纳图像有较好的滤波效果。今后将在相关变换关系研究的基础上，针对不同应用目标的滤波算法和综合分析进行深入研究，以促进侧扫声纳图像应用技术深入地发展。参考文献：1 冈萨雷斯Digital Image Processing Using MATLABM北京：电子工业出版社，20052 杜培军，孙敦新，林卉窗口大小对SAR图像滤波效果的影响分析J国土资源遥
9、感，2006(2)：12153 滕惠忠，严晓明，李胜全，等侧扫声纳图像增强技术J海洋测绘，2004，(2)：47494 高俊国，李增林，杜军侧扫声纳系统成图中的位移、变形和噪声问题J海岸工程，2003，(6)：44505 程正兴小波与小波变换导论M北京：机械工业出版社，2008小波变换及应用 课总结整体而言，在这门课上我学到的更多的是怎样把小波函数应用到其相关的领域，还有把严谨的做学问态度用到自己的学习中，老师讲得非常好，但是我有的课没有认真听，但是做作业的时候自己也查阅了大量的资料。了解了很多关于小波方面的内容，在听别的同学讲在自己的领域中小波的应用方面的论文，自己也获益很多，我觉得这种教学方法很不错，让我们自己做自己讲，比老师一个人讲学到的东西多很多。
