4. 侧扫声呐图像预处理基础

侧扫声呐原始回波数据在成像之前，必须经过一系列预处理，才能让海底目标的形状、边界和回波强度具备可解释性。原始数据中同时混入了系统增益设置、传播损失、波束指向性、海底底质差异以及各类噪声，如果不加处理直接判读，很容易把亮度变化误认为目标差异。本节围绕四个核心环节展开：辐射校正、增益调整、TVG补偿、噪声识别与初步去噪，并给出可操作的参数示例与判断依据。

一、先理解原始回波里"亮度"到底代表什么

侧扫声呐每个像素的灰度值，本质上是该时刻回波强度的量化结果。它受至少四类因素调制：发射功率与接收增益（系统设置）、球面扩展与吸收造成的传播损失（距离相关）、波束指向性与入射角（角度相关）、海底底质与目标本身的散射特性（我们真正关心的部分）。预处理的目标，就是把前三类"干扰性调制"尽量剥离，保留第四类信息。

需要先明确一个参照约定：本节中"距离"均指斜距（slant range），即换能器到海底散射点的直线距离；"横向位置"指沿航迹垂直方向的地距（ground range）。侧扫图像上同一行像素按斜距排列，靠近航迹处斜距小、远距离处斜距大，后续TVG与几何校正都基于这一约定。

二、辐射校正：让相同底质在不同位置呈现相同亮度

辐射校正解决的是"系统响应不一致"问题，主要包括两部分。其一是通道一致性校正：双通道侧扫（左舷、右舷）因换能器灵敏度、电缆损耗、前置放大器增益存在差异，同一底质在左右通道可能呈现不同灰度。工程上常用"平底区统计法"：选取一段平坦、均质泥底区域，分别统计左右通道回波强度的均值与标准差，计算通道增益比 k = mean_left / mean_right，将较弱通道乘以 k 完成归一化。其二是波束指向性校正：换能器在垂直波束宽度内对不同入射角的响应并非平坦，通常以出厂或水池实测的指向性曲线作为查找表，按入射角对回波强度做逐点补偿。

一个可操作的示例：假设某型侧扫在 100 kHz 工作，垂直波束宽度 50°，实测指向性在偏离中心 ±20° 处衰减约 3 dB。若不做校正，同一砂质海底在图像边缘会比中心暗约 3 dB（约 30% 幅度），容易被误判为底质变化。校正时按角度索引查表，将该角度像素乘以对应补偿系数（3 dB 对应约 1.41 倍幅度），即可拉平响应。

三、增益调整：TVG 之外的"整体亮度"控制

增益调整分为固定增益（Fixed Gain）与时间可变增益（TVG）两类，前者是全局乘性系数，后者随距离变化。实际操作中，固定增益用于把整体回波幅度拉入量化器的有效动态范围，避免过曝（饱和成纯白）或欠曝（接近黑）。判断依据很直接：观察图像直方图，若大量像素堆积在 255（8 位量化）说明饱和，应降低增益；若回波集中在 0～30 的低灰度区，说明欠曝，应提高增益。

建议的调整顺序是：先关闭 TVG，用固定增益把近场（约 1/5 量程处）的典型底质回波调到中灰（约 100～140），再开启 TVG 处理远场衰减。这样可避免"TVG 与固定增益互相打架"，导致近场过曝、远场仍偏暗的常见问题。

四、TVG 补偿：对抗传播损失的主力手段

TVG（Time Varied Gain，时变增益）按回波到达时间（等价于斜距）施加递增增益，补偿球面扩展与海水吸收。球面扩展损失为 20·log10(R) dB，吸收损失为 α·R dB（α 为吸收系数，dB/m，与频率相关）。因此理论 TVG 曲线为：

G(R) = 20·log10(R) + α·R + G0
其中 R 为斜距(m)，α 为吸收系数(dB/m)，G0 为基准增益(dB)

示例参数：100 kHz 时 α 约 0.03 dB/m，量程 50 m。在 R=10 m 处，扩展损失 20 dB、吸收损失 0.3 dB；在 R=50 m 处，扩展损失约 34 dB、吸收损失 1.5 dB。两者相差约 15 dB，若不做 TVG，远场目标将比近场暗约 15 dB，几乎淹没在噪声中。实际设备通常提供 TVG 曲线斜率与拐点调节，操作时以"同一底质在近、中、远场灰度基本一致"为收敛标准，而不是机械套用理论公式——因为实际波束指向性与底质入射角效应会叠加进来。

五、噪声类型识别：先分清"敌人"再动手

侧扫图像常见噪声可归为几类，识别特征是去噪的前提：

• 斑点噪声（Speckle）：随机颗粒状，源于相干叠加，表现为均匀底质上的细密明暗颗粒，空间上无方向性。
• 脉冲噪声（Spike）：孤立极亮或极暗的单像素/短线段，多由电火花、鱼群或水面气泡引起，幅度远超邻域。
• 条纹噪声（Stripe）：沿航迹方向的亮暗条带，常由姿态不稳、涌浪或TVG曲线不匹配造成。
• 水体噪声与尾流：航迹正下方及船尾附近的强回波区，呈亮带或絮状。
• 多次回波/旁瓣：在强目标后方出现的等间距弱重复影像。

识别时优先看"空间结构"：斑点噪声无方向、幅度小；脉冲噪声孤立且幅度突变；条纹噪声沿航迹连续；尾流噪声集中在航迹附近。这一判断直接决定后续选用哪种滤波器。

六、初步去噪操作：按噪声类型选方法

针对斑点噪声，常用 Lee 滤波或中值滤波。中值滤波（3×3 或 5×5 窗口）对脉冲噪声和斑点都有效，且能保留目标边缘，是初步去噪的首选。操作示例：对 8 位灰度图逐像素取 5×5 邻域中值替换原值，可显著压制孤立亮点而不明显模糊目标边界。针对脉冲噪声，可先做阈值检测：若某像素与邻域中值之差超过设定阈值（如 40 灰度级），判定为脉冲并以中值替换。针对条纹噪声，宜采用沿航迹方向的均值/中值平滑或频域陷波，而非各向同性滤波，以免横向模糊目标。

去噪强度需要克制：过度平滑会把小目标（如管线接头、小石块）抹掉。建议以"目标仍可分辨、噪声底下降 3～6 dB"为验收标准，并在去噪前后对同一目标区域做对比观察。

七、把四个环节串成可复现的处理顺序

推荐的实操顺序是：先做辐射校正（通道归一化与指向性补偿），再做固定增益调整（直方图判据），随后开启 TVG 并微调斜率，最后按噪声类型选择滤波。这个顺序的理由是：辐射校正改变的是系统响应，必须在增益之前完成，否则增益会把通道差异一并放大；TVG 在固定增益之后调，才能保证近场基准稳定；去噪放在最后，避免滤波把尚未补偿的亮度梯度误当作噪声处理。

一个完整的示例流程可记为：读取原始数据 → 统计左右通道平底区均值，计算 k 并归一化 → 按入射角查指向性表补偿 → 关闭 TVG，调固定增益使近场底质灰度落在 100～140 → 开启 TVG，以近中远场灰度一致为收敛 → 5×5 中值滤波去斑点与脉冲 → 沿航迹平滑压制条纹 → 输出并对比去噪前后目标区域。每一步都应保留中间结果，便于回溯是哪一步引入了异常。

掌握这四个环节后，图像中的亮度差异才具备可解释性：同一底质在不同距离、不同通道应呈现相近灰度，目标与背景的对比来自散射特性而非系统调制。这是后续目标检测、分割与判读的基础，也是判断预处理是否成功的核心标准。