一般的测深侧扫声纳应用中,单独利用回波数据的幅度信息或相位信息获取侧扫图或测深图以展示海底细节特征。为提取侧扫数据中的微地貌信息,实现更高精度的海底地形探测,提出了两步循环迭代算法:首先利用原始测深侧扫结果数据对散射模型进行最优拟合,其次,引入亮度误差修正因子,改进从明暗恢复形状算法并迭代地形,保证其快速稳定的收敛,最终通过循环迭代获取了海底底质参数和精度更高、与真实地形起伏相关性更强的地形深度值。同时,利用Jackson海底散射模型,模拟测深侧扫声纳信号的发射接收过程,并利用其回波数据,验证本迭代算法的正确性和有效性。结果表明:该方法可以有效地修正地形,且接收信噪比越高,地形修正效果越好;在信噪比为20 d B时,相比于原始测深结果,修正后地形起伏相关系数提升52. 4%,地形误差绝对值降低37%。最后,将该算法应用于测深侧扫声纳数据,通过修正前后地形图的对比分析,验证了本算法的可行性和有效性。
基于数据逼近强约束的针图恢复算法是近年来提出的一种较为成功的从明暗恢复形状(shape from shading)的算法,但由于该算法在非垂直光线下得到的初始化针图的误差较大,并且不能保证法向量有解或有唯一解,为了解决SFS算法存在的问题,提出了一种改进的SFS算法。该改进算法从分析非垂直光线下图像梯度图与针图之间的关系入手,首先检测图像局部最亮点位置;然后根据照度方程估计表面局部最高点的位置,同时对梯度方向进行调整,并建立方程组;最后针对方程组解的不同情况,提出了相应的处理方法。改进后的算法,对于垂直光线和非垂直光线下的情况同样有效,从而扩大了基于数据逼近强约束的SFS算法的适用范围。从合成图像和实际图像的实验结果可以看出,采用改进的算法可以得到比基于数据逼近强约束的算法更接近真实表面的初始化针图和初始化高度。
