Page 175 - 《应用声学》2025年第2期

第 44 卷 第 2 期 曾腾等： 双时相合成孔径声呐图像目标变化检测方法 435

现象是否发生了变化、在何处发生变化、变化前后
0 引言
地物的类型、变化信息在时空上的分布模式和规律，
广泛应用于遥感影像序列。声呐图像和遥感影像差
合 成 孔 径 声 呐 (Synthetic aperture sonar,
异较大，由于水下环境和水声信道复杂多变，以及
SAS) 是一种高分辨率成像声呐，其基本原理是
声波在传播过程中存在衰减、混响、散射、多径现象
利用小孔径基阵的移动来获得移动方向上大的合
成孔径，从而实现方位向 (声呐的运动方向被称为 和旁瓣干扰等，生成的声呐图像干扰严重、分辨率
方位向，垂直方向被称为距离向) 的高分辨率。与普 低 [11] ，前后时相的图像像素存在位置误差和其他干
扰因素，使得水下声呐图像无法直接应用像素级变
通声呐相比，SAS 可用较短的声呐基阵和较低的工
化检测。
作效率同时满足高分辨和远距离探测的需求，在水
基于上述研究背景，本文面向双时相声呐图像，
下研究和应用领域有着很高的价值 [1−2] 。随着成像
基于像素级变化检测和图像处理方法，提出双时相
声呐的发展和应用，声呐图像的目标检测和识别技
水下声图校正、处理、检测的水下变化目标检测方
术在民用和军事领域占据着重要的位置。然而水声
法和流程。该算法首先对前后时相的声图进行特
信道的复杂性和声波自身的传播特性，使得声呐图
像与光学图像的特征存在很大差异，加上与光学图 征配准实现空间的校正，对感兴趣区域 (Region of
interest, ROI) 进行亮度均衡、滤波处理，在此基础
像相比 SAS 图像质量不高，且受相干斑噪声影响严
上，结合 CFAR 对高亮目标进行检测，最后通过差
重，使得许多经典图像处理方法无法直接应用于声
值比较、连通性分析等变化检测步骤实现对水下变
学图像 [3] 。
化目标的检测和标注。
传统的声呐图像目标检测通常包括基于数理
统计的目标检测方法、基于数学形态学的目标检
1 合成孔径声图模型
测方法和基于像素的目标检测方法 [4] 。其中基于
数理统计的方法主要利用了声呐图像的数理统计 1.1 合成孔径成像模型及声图特点
特性。Yang 等 [5] 利用物体几何特征的直方图，计 SAS 的工作场景如图 1 所示。声呐载体沿着方
算物体属性的相关系数并进行聚类，从而实现水 位向做匀速直线运动，以固定的脉冲重复频率发射
下目标检测；王晓等 [6] 综合利用多种数理特征，采 脉冲信号，脉冲信号受到声呐基阵波束照射区域内
用 HSV(hue, saturation, value) 空间模型、方向梯 各个散射点和基阵指向性图的调制，能够携带场景
度直方图和局部二值模式的方法，实现声呐图像 信息，并形成回波信号。对回波信号进行距离向脉
的形状和特征处理。基于数学形态学的方法主要 冲压缩后，针对成像区域中的每个像素点，分别计算
利用了几何形状和结构。邹岗等 [7] 基于数学形态 到其对应的合成孔径的各个方位采样点的延时，然
学算子，通过定义多尺度形状的数学形态结构元 后将信号延时相干叠加，最终获得该像素点对应的
素，对各像素点进行形态开闭运算，用阈值评判法 像素值。
实现对水中人造目标的快速有效检测。基于像素
வͯՔ
的方法包括帧差法和背景消减法等 [8−9] ，主要基于 ↼֒m↽
像素级检测静止目标和运动目标。除此之外，恒虚 Ռੇߘय़᫂ए
z
警率 (Constant false alarm rate, CFAR) 算法也被 y
广泛应用于高分辨水下图像的目标检测，其中单元
H
平均恒虚警率 (Cell averaging-constant false alarm பᡰ R 
rate, CA-CFAR)在纯噪声情况下检测性能较好，但 ڡᡰ r 
不适用于多目标情况；而有序统计恒虚警率 (Order
statistics-constant false alarm rate, OS-CFAR) 在
多目标情况下具有鲁棒性，但计算开销大 [10] 。
上述方法基本只面向当前时刻的目标检测，变 x
化检测技术的应用可以充分利用时间信息实现目 图 1 SAS 成像场景
标检测。变化检测用于研究区域内感兴趣的目标或 Fig. 1 Imaging scene of SAS