Page 247 - 应用声学2019年第4期
P. 247

第 38 卷 第 4 期         荆丹翔等: 基于成像声呐 DIDSON 的水域内鱼群数量估计方法                                       707


                 图 2 展示了声呐图像构建的过程,其中图 2(a)                     心即为通过给定的测量值 y ij (t) 恢复真实的像素值
             是 96 × 512 的原始图,图 2(b) 是经过坐标转换后的                  x ij (t)。
             图像,图2(c)是插值后的图像。                                      对公式(3)两边取对数得

             1.2 噪声去除                                                 ln (y ij (t)) = ln (x ij (t)) + ln (n ij (t)) .  (4)
                 由于声呐接收的信号是水下各散射体的回波                               将公式(4)记为
             相干叠加而成,因此声呐图像中会出现随机分布的                                        d ij (t) = w ij (t) + v ij (t),  (5)
             黑白斑点,即斑点噪声          [11] 。斑点噪声作为一种乘性
                                                               式 (5) 中,d ij (t) = ln (y ij (t)),w ij (t) = ln (x ij (t)),
             噪声,会影响系统成像质量,对后续的工作如边缘检
                                                               v ij (t) = ln (n ij (t))。
             测、图像分割、阈值设定、目标识别等造成很大干扰。
                                                                   FDWRLS算法采用有限脉冲响应模型为                  [13]
             同时由于声学图像的信噪比相对于光学图像更低,
                                                                                   T
                                                                           d(t) = u (t)w(t) + v(t),       (6)
             导致常规的去除手段难以达到预期目标。为了有
             效去除斑点噪声,本文设计了一种固定数据窗口的                            式 (6) 中,d(t) 和 v(t) 分别是 t 时刻的测量值和噪声
             迭代最小二乘 (Fixed data window recursive least         测量值,u(t) 是输入数据向量,w (t) 是待估计的参
             squares, FDWRLS)算法。                               数向量。将w(t)的估计值记为 ˆ w(t),设定固定数据
                 定义一帧声呐图像为 X,每个像素值为 x ij ,其                    窗口长度值为 L,通过如下的最小化准则获得从时
             中i = 1, 2, · · · , M,j = 1, 2, · · · , N,M 和N 分别是  刻t − L + 1 到t的最小方差估计值          [14] :
             图像的水平、垂直分辨率。由于一组声呐图像是基                                   ˆ w(t|t − L + 1)
             于时间序列的,因此将t时刻的声呐图像记为X (t),                                          t
                                                                                ∑                   ) 2
                                                                                      (       T
             其中的每个像素记为 x ij (t)。由于斑点噪声是一种                          = arg min w         d (i) − u (i)w .   (7)
             乘性噪声,因此将某一个测量值y ij (t)记为              [12]                       i=t−L+1
                                                                   利用迭代最小二乘法计算公式 (7)。假设从时
                         y ij (t) = x ij (t) × n ij (t),  (3)
                                                               刻t − L到t − 1的估计值 ˆ w (t − 1 |t − L)及其对应
             式 (3) 中,n ij (t) 是 x ij (t) 对应的非高斯随机斑点噪           的协方差 P (t − 1 |t − L) 已知,则首先通过一次向
             声,且是归一化的随机变量。FDWRLS 算法的核                          下更新操作去除t − L时刻的测量值d (t − L),可得


                                                                                T
                                                        P (t − 1 |t − L) u (t − L) u (t − L) P (t − 1 |t − L)
                  P (t − 1 |t − L + 1) = P (t − 1 |t − L) +                                            ,  (8)
                                                                    T
                                                               1 − u (t)P (t − 1 |t − L) u (t − L)
                                                                (           T          T  )
                   ˆ w (t − 1 |t − L + 1) = ˆ w (t − 1 |t − L) − P (t)u(t) d (t − L) − u (t − L) w (t) .  (9)
             接着通过一次向上更新操作加入t时刻的测量值d (t),获得当前时刻的估计值:
                                                                                T
                                                         P (t − 1 |t − L + 1) u(t)u (t) P (t − 1 |t − L + 1)
                    P (t |t − L + 1) = P (t − 1 |t − L + 1) −        T                                ,  (10)
                                                                1 + u (t)P (t − 1 |t − L + 1) u(t)
                                                                       (       T                     )
               ˆ w (t |t − L + 1) = ˆ w (t − 1 |t − L + 1) + P (t |t − L + 1) u (t) d(t) − u (t) ˆ w (t − 1 |t − L + 1) .  (11)


                 在给定初始估计值 ˆ w (L − 1 |0) 和对应协方差                式 (12) 中,exp(·) 是以自然常数 e 为底的指数函数。
             P (L − 1 |0) 的前提下,即可通过公式 (8)∼(11) 的               最后将每个像素点重新组成声呐图像,即为滤波后
             迭代运算获得不同时刻下的估计值。                                  的图,
                                                                                                 
                 用公式 (5) 中的元素变量代替向上、向下迭代                                         ˆ x 11 (t) · · · ˆx 1N (t)
             操作中的矩阵量,可以得到 w ij 的估计值 ˆw ij ,以及                           ˆ         . .  . .   . .  
                                                                                                  
                                                                               
                                                                       X(t) =     .     .    .    .    (13)
             对应的方差p ij 。                                                                         
                                                                                 ˆ x M1 (t) · · · ˆx MN (t)
                 因此每个像素的估计值为
                                                                   图 3 [15]  显示了利用迭代最小二乘法滤波后的
                          ˆ x ij (t) = exp ( ˆw ij (t)) ,  (12)  声呐图,其中图3(a)是原图,带有很多的斑点噪声,
   242   243   244   245   246   247   248   249   250   251   252