声纳海底管道图像去噪方法研究
声纳图像处理技术在水下探测中的应用方法
声纳图像处理技术在水下探测中的应用方法水下探测是一项重要的技术活动，涵盖了海洋研究、资源勘探、沉船考古等多个领域。
而声纳图像处理技术作为水下探测的关键环节，发挥着重要的作用。
本文将介绍声纳图像处理技术在水下探测中的应用方法，并探讨其优势和未来发展趋势。
声纳图像处理技术是利用声波传播在水中的特性，通过声纳传感器采集到的声波信号，进一步提取和处理，生成可视化的水下图像。
声纳图像处理技术主要包括信号预处理、目标检测与跟踪以及图像增强等步骤，下面将对每个步骤进行详细介绍。
首先，信号预处理是声纳图像处理的重要步骤之一。
由于水下环境中存在噪声干扰，对采集到的声波信号进行去噪处理是提高图像质量的关键。
常见的去噪方法包括滤波器设计、时频变换等。
滤波器设计方法可以根据噪声特性选择合适的滤波器类型，如低通滤波器、带通滤波器等，以减少噪声的干扰。
时频变换方法可以将时域信号转换到频域，利用频域的特性进行噪声分离。
其次，目标检测与跟踪是声纳图像处理技术中的关键环节。
根据水下环境的不同，目标检测和跟踪方法也有所区别。
在海洋科学研究中，常用的目标检测方法包括基于能量、相干性和极化等特征的检测算法。
能量检测是最简单的方法，通过设定一定的能量门限来判断是否存在目标。
而相干性检测和极化检测则通过分析声波的相干性和极化特性来检测目标。
在资源勘探和沉船考古等领域，目标检测和跟踪方法更加复杂，常采用基于图像处理的技术，如边缘检测、形状匹配等。
最后，图像增强是声纳图像处理技术中的重要环节，可以有效提高水下图像的清晰度和细节。
常用的图像增强方法包括对比度增强、边缘增强、噪声抑制等。
对比度增强方法可以通过调整图像的灰度级来增加图像的对比度，使目标更加清晰可见。
边缘增强方法可以通过突出图像的边缘特征来增加目标的鲜明度。
噪声抑制方法可以通过滤波技术来降低噪声对图像的影响，进一步提高图像质量。
声纳图像处理技术在水下探测中具有诸多优势。
首先，声纳图像处理技术可以穿透水下环境，获取到海底地形、生物分布、沉船遗迹等各种信息，为海洋科学的研究提供了重要的技术手段。
基于实践的海底管线探测技术研究
基于实践的海底管线探测技术研究摘要:本文基于笔者多年从事海底管线及地球物体探测的相关工作经验,以笔者的工作实践为背景,探讨了基于海洋磁力、侧扫声纳及浅地层剖面三种地球物理探测手段的海底管线探测思路,给出了探测的原理和案例,全文是笔者长期工作实践基础上的理论升华,相信对从事相关工作的同行有着重要的参考价值和借鉴意义。
关键词:海底管线探测磁力声纳剖面地球物理随着海洋开发的逐步发展,近海港口、码头、航道、填海造地、桥梁等工程建设面临一个新的问题,那就是可能和已有的人类构筑物或遗弃物(比如海底管线、人工鱼礁、沉船、爆炸物等)发生冲突,其中,海底管线对于工程设计和施工的危害最大。
近年来,由于没有探明海底管线而造成的工程事故时有发生,经济损失严重,社会影响较大,因此不断总结不同类型海底管线的探测技术是一个非常迫切而重要的任务。
海底管线探测是管线探测的一个分支,由于环境差异,在水域环境中进行时,其与陆域的管线探测方法在探测方法、仪器、成果分析等方面完全不同。
从目前的探测现状及未来的技术发展趋势分析,地球物理方法是海底管线探测的最常用也是最有效的方法。
目前,海底管线探测主要采用海洋磁力探测、浅地层剖面探测、侧扫声纳等物探方法。
本文根据天津水运工程科学研究院完成的一些海底管线的探测实例,并参考国内外同行的一些探测资料,对海底管线的地球物理探测方法进行探讨。
1 海洋磁力探测1.1 探测原理磁法勘探是应用地球物理学的一个分支,以有关地质学和物质磁性的理论、地磁场理论和物体磁化理论、以及磁化物体磁场的数学理论为基础,借助专用仪器测量不同磁化强度的物体在地磁场中所引起的磁场变化(即磁异常),来研究这些磁异常的空间分布特征、分布规律及其与磁性体(场源)之间的关系,从而达到寻找场源(探测目标体)的目的,并提供场源的位置、埋深及规模等相关信息。
磁性物体的磁化率的大小,剩余磁化强度的强弱和方向,磁性物体的规模和埋深,以及磁性体所处的地理位置,是影响其产生的磁场分布特征及磁场强度的主要因素。
水下声呐信号的处理与分析
水下声呐信号的处理与分析水下声呐是一种传感器，可以用来探测水中物体并获取其位置、形状、速度等信息。
它广泛用于海洋资源开发、水下油气勘探、水下防卫等领域。
为了利用水下声呐获取的数据更好地帮助我们了解水下环境与目标，水下声呐信号的处理与分析显得尤为重要。
声呐通常采用的是声脉冲法。
当声波在水中传播时，由于水的密度、温度等因素的影响，声波会发生衍射和散射，造成信号干扰和失真。
为了克服这些问题，我们需要进行声呐信号的处理与分析。
首先，我们需要对声呐信号进行滤波处理。
滤波可以去除非本体信号，使真正的目标信号更突出。
常用的滤波方法包括低通滤波、高通滤波、带通滤波等。
低通滤波可以将高频成分去掉，保留低频信号，用于识别目标的形状和位置；高通滤波则可以去掉低频成分，突出高频信号，用于识别目标的强度和速度；带通滤波可以在一定的频带内保留信号，而将其余信号去掉。
其次，我们需要对声呐信号进行分析。
声呐信号的分析可以用于提取目标的特征信息，如目标的形状、大小、材料等。
常用的声呐信号分析方法包括FFT分析、小波分析、时频分析等。
FFT分析可以将信号从时域转换到频域，以便更好地研究信号的频谱结构；小波分析则可以分析信号的局部频谱结构，用于提取目标的形状特征；时频分析可以分析信号在时间和频率上的变化，用于提取目标的运动信息。
最后，我们需要对声呐信号进行图像化处理。
声呐信号的图像化处理可以直观显示目标的形状、位置、速度等信息。
常用的声呐信号图像处理方法包括三维成像、等高线图、水声图等。
三维成像可以将声呐信号转化为三维图像，直观显示目标的形状和位置；等高线图可以将声呐信号转化为二维高度图，用于显示目标的形状和位置；水声图则可以将声呐信号转化为彩色图像，用于显示目标的形状、材料等信息。
总之，水下声呐信号的处理与分析是探测水中目标的重要手段，可以帮助我们了解水下环境，开展海洋资源开发、水下油气勘探等工作。
随着传感器技术的不断发展，声呐信号的处理与分析方法也在不断地更新和完善。
水下声呐信号处理及目标识别研究
水下声呐信号处理及目标识别研究水下声呐技术的应用范围十分广泛，包括：水下探测、矿产开采、海底地形勘测、海洋生物探测、海军军事应用等等。
其中，水下目标探测和识别是水下声呐技术的重要应用之一。
本文将着重探讨水下声呐信号处理及目标识别的相关研究。
一、水下声呐信号处理水下声呐信号处理是指对声波信号进行分析、降噪、滤波等处理，以提高信号的可识别性和探测性，为水下目标识别提供基础数据。
水下声呐信号处理主要包括：信号采集、信号预处理、信号分析和信号降噪等方面。
1. 信号采集声呐信号采集是声呐系统中的第一步，其目的是获取目标传回的声波信号。
通常情况下，声呐系统由发射器和接收器两部分构成。
发射器会向周围环境发出声波信号，信号被周围环境反射后，就会被接收器捕捉。
是对声波信号进行采集的过程。
2. 信号预处理信号预处理是为了去除杂音和干扰信号，从而提高信号的质量和清晰度。
该过程中常用的技术包括滤波、去噪、增益等方法。
其中，滤波常用于去除信号中的高频噪声，去噪就是降低信号中的低频噪声的过程，而增益用于增强信号的可读性和能量。
3. 信号分析信号分析是指对信号进行参数提取以及信号的频谱、时域等特征分析。
通过对信号的分析，可以更好地了解声波传播的特性、声源和水下目标的特征等。
4. 信号降噪信号降噪是针对信号中噪声的处理，目的是去除干扰信号，提高信号的准确性和可读性。
降噪处理一般包括自适应滤波、小波去噪、频域滤波等方法。
其中，小波去噪的效果较好，可以较好地去除信号中的噪音。
二、水下目标识别水下目标识别是指通过声呐信号处理技术，将确定的信号特征与目标数据库中的特征进行匹配，对水下目标进行分类和识别。
下面将着重介绍基于声波信号的水下目标识别方法。
1. 基于模式识别的目标识别方法该方法基于目标的特征，通过比较目标的特征与数据库中已有的目标特征，最终实现目标的分类和识别。
目标的特征常包括目标的形态、声回波、饰品等因素。
常用的模式识别算法包括KNN算法、SVM算法、神经网络算法等。
水下声通信技术在海底工程中的应用研究
水下声通信技术在海底工程中的应用研究一、引言水下声通信技术是一项非常先进的技术，它主要是通过利用水下传播声波的能力进行信息传递。
随着海底工程的发展，水下声通信技术得到了广泛的应用，比如海底电缆、海底油气管道等领域。
本篇文章将重点分析水下声通信技术在海底工程中的应用研究。
二、水下声通信技术的原理水下声通信技术是基于声信号与水的相互作用原理而设计的。
声波会在水中传播并反射，而这些声波可以通过调制来表示信息。
水下声通信技术通过不同频率的声波来传送不同的信号，并且整个通信过程需要对传输信号进行压缩去噪等处理，以确保信号能够被准确传递。
三、水下声通信技术的优势与其他通信技术相比，水下声通信技术有以下几个主要优势：1、在水中传播的速度较快；2、深度不受限制；3、不易受到外界干扰。
四、水下声通信技术在海底工程中的应用水下声通信技术在海底工程中的应用非常广泛，以下是其中的几个主要的应用：1、海底电缆：海底电缆是重要的海底工程之一，在海底电缆的建设过程中，需要实现电信号的传输，而水下声通信技术就是为之提供了一种非常方便的解决方案。
通过水下声通信技术，将电信号进行模拟处理，并以声波的形式进行传输，这就可以避免电信号受到海水等外界因素的影响。
2、海底油气管道：海底油气管道是海洋资源开发中非常重要的一环，在采油和运输油气的过程中，需要实现大量的数据传输，而这些数据的传输都离不开水下声通信技术的支持。
通过水下声通信技术，可以实现海底油气管道的数据监测、控制和管理。
3、水下地质勘探：水下地质勘探是海洋资源开发的另一个重要领域，通过水下声通信技术，可以实现对海底结构的探察，了解海底地形和海底沉积物的情况，以及海底动态变化等重要信息。
这对于石油勘探、海洋资源开发和地理学研究等方面都是非常有帮助的。
五、水下声通信技术的研究现状当前，水下声通信技术的研究主要集中于以下方面：1、水下合作通信技术；2、水下声纳图像的实时采集与处理技术；3、水下声信号的压缩传输和去噪处理技术。
声纳图像信号处理及应用研究
声纳图像信号处理及应用研究声纳图像信号处理是一项涉及声纳技术、信号处理和图像处理的研究领域。
声纳技术利用声波传播和回波的原理，通过探测和分析声波在介质中传播时产生的信号来获取目标物体的信息。
声纳图像信号处理的研究目的是提高声纳图像的质量，以便准确地获取目标物体的位置、形状和特征等信息。
本文将介绍声纳图像信号处理的基本原理、方法和应用。
声纳图像信号处理的基本原理是通过接收和处理回波信号来获取目标物体的信息。
当声波在介质中传播时，与目标物体相互作用后，会产生散射和反射的声波信号。
接收到的声波信号经过放大、滤波、采样和数模转换等处理后，可以得到声纳图像的灰度图像。
声纳图像的质量取决于信号处理的算法和技术。
声纳图像信号处理的方法包括图像增强、目标检测和跟踪、目标识别和分类等。
其中，图像增强是一种改善声纳图像质量的技术，通过滤波、去噪、增强和调整亮度对声纳图像进行处理，以提高图像的清晰度和对比度。
目标检测和跟踪是一种通过分析声纳图像中的目标特征来识别和追踪目标物体的技术。
目标识别和分类是一种通过比较声纳图像中的目标特征和已知目标特征库来识别和分类目标物体的技术。
声纳图像信号处理在军事、海洋、海底勘探、水下探测、环境监测和海底资源开发等方面有广泛的应用。
在军事领域，声纳图像信号处理可以用于水下目标检测和目标识别，如潜艇、水雷和敌方舰艇的侦测和追踪。
在海洋领域，声纳图像信号处理可以用于海洋动物的监测和研究，以及海底地质和海底资源的勘探和开发。
在环境监测方面，声纳图像信号处理可以用于水域污染和沉积物的监测和评估。
在海底资源开发方面，声纳图像信号处理可以用于海底油气田的勘探和开采。
为了提高声纳图像信号处理的效果，需要借助于先进的信号处理和图像处理技术。
在信号处理方面，常用的技术包括滤波、去噪、谱分析、时频分析和声呐干扰抑制等。
滤波可以通过去除噪声和增强信号的频率特征来提高声纳图像质量。
去噪可以通过降低环境噪声的干扰来提高声纳图像的对比度和清晰度。
MS1000声呐在海底管道泄漏点检测中的应用
25
测和外部检测。 1 . 1 内部检测技术
目前，基 于 内 检 测 技 术 的 海 底 管 道 漏 点 检 测 方 法主要包括质量平衡或者体积平衡法、改 变 率方法、 压 力 点 分 析 法 、波 动 预 警 系 统 法 、压 力 或 流 量 偏 差 法 、 声学辐射系统、基 于化学 方 法 的 系 统 、温度轮廓线、 光 纤 传 感 技 术 、无 线 电 跟 踪 技 术 以 及 漏 磁 检 测 法 等 。 表 1 所示为内检测技术原理及适用范围。
近 1 0 多 年 来 ，国内外学者不断加大对海底石油 管 道 油 气 泄 漏 检 测 技 术 的 研 究 ，提出了各种检测方
案 。 目前已经有专业公司研制了各种设备，如手持式 或 者 加 载 在 R0 V 上 等 设 备 ，这些设备在许多泄漏检 测应用中取得了很好的效果。
将 MS1000声呐应用在海底管道泄漏点查找中大 大 提 高 了 泄 漏 点 的 定 位 速 度 和 准 确 度 ，为海底管道后 期维修争取了宝贵的时间。
PC ( MS1000软 件 ）
选件
遥控键盘选件
甲板单元 (供电和通讯)
Kevlar电缆 (最长300 m )
声呐探头
图 1 声呐连接图
MS1000探 头 布 放 在 水 下 ，通过电缆与水下甲板 单 元 连 接 ，甲 板 单 元 负 责 供 电 及 通 讯 ；声 呐 获 取 信 号 后 由 电 脑 中 的 软 件 进 行 处 理 。 同 时 ，系 统 还 可 以 与 DGPS相 连 ，在声呐图像中增加位置信息。换能器以 一 定 的 波 束 角 度 发 射 声 脉 冲 ，当 声 波 遇 到 物 体 或 海 底
Application of MS 1000 Sonar in Leak Detection of Submarine Pipeline
水下声纳信号处理中的多普勒效应研究
水下声纳信号处理中的多普勒效应研究水下声纳技术是一种广泛应用于海洋探测和测量、海洋资源勘探和开发、以及海洋军事等方面的技术。
在进行水下声信号的探测、定位和追踪时，信号的频率和多普勒效应是重要的研究内容。
因此，多普勒效应在水下声纳信号处理中起着重要的作用，本文将针对多普勒效应在水下声纳信号处理中的研究进行探讨。
一、多普勒效应的基本概念多普勒效应是物体运动引起的频率变化现象，简单地说就是由于物体向接收者或发射者靠近或远离，导致接收或发射的频率发生改变。
在水下声纳技术中，水体运动、目标运动等因素都可能引起多普勒效应，从而影响声波传播和接收，因此对多普勒效应进行研究十分重要。
二、多普勒效应在水下声纳技术中的应用多普勒效应在水下声纳技术中有着广泛的应用，包括水下目标测速、自适应滤波和目标跟踪等。
水下目标测速是指通过测量多普勒效应，来获得目标的速度信息；自适应滤波是指根据多普勒效应进行滤波，以获得更准确和清晰的信号；目标跟踪是指利用多普勒效应来实现目标的实时跟踪，从而提高声纳探测的灵敏度和精度等。
三、多普勒效应的研究方法多普勒效应的研究方法主要包括理论计算和实验测量两种，其中理论计算主要是通过对声学模型的建立来进行预测和分析；而实验测量则是通过采集实际声学信号来进行分析和验证。
针对多普勒效应的理论计算方法可以分为频域方法和时域方法。
频域方法主要是通过对声波传播的频谱分析来计算多普勒效应，该方法适用于任意形状和大小的目标。
时域方法则是通过对声波传播的时间域分析来计算多普勒效应，该方法适用于线性或平面运动的目标。
实验测量则是对多普勒效应进行验证和分析的重要手段。
常用的实验测量方法包括模拟实验、水池实验和海试实验等。
其中模拟实验可以通过对水中浮体或管道等模拟目标进行测量来得到多普勒效应；水池实验则是通过在水池中设置实际目标，根据实际目标的速度和距离变化来测量多普勒效应；海试实验则是通过在海洋中设置实际目标，根据实际情况进行测量。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
声纳海底管道图像去噪方法研究
张晓娟;刘颉;杨逍;吕九红
【摘要】在海底输送管道泄露检测中,声纳图像极易受到噪声污染.如果以管道的直线特征作为检测策略,即能观察到明显的管道直线边缘等特征以进行管道泄露分析.利用小波变换的改进方法——超小波脊波变换,针对噪声淹没中海底管道图像的直线特征实现去噪,增强管道部分图像.利用自适应“维纳滤波”进行图像去噪和去“卷绕”.仿真实验表明,脊波去噪技术相对于其它方法对管道图像去噪方法具有明显边缘等直线特征保持作用.文中研究结果为海底管道泄露图像处理技术提供数据预处理方法.
【期刊名称】《海洋技术》
【年(卷),期】2017(036)006
【总页数】4页(P82-85)
【关键词】脊波去噪;海底管道图像处理;维纳滤波
【作者】张晓娟;刘颉;杨逍;吕九红
【作者单位】国家海洋技术中心,天津300112;国家海洋技术中心,天津300112;国家海洋技术中心,天津300112;国家海洋技术中心,天津300112
【正文语种】中文
【中图分类】TN911.73
声纳图像是水声信道中接收声回波能量的二维平面分布,受噪声影响严重，对比度
较低。
受声基阵性能的限制，声纳图像的分辨率往往不高[1]。
主要考虑的噪声源
有海洋环境噪声和舰船自噪声[2]。
海洋环境噪声常常遵循高斯分布[3],而文献[1]
声纳信号的噪声考虑高斯模型。
维纳滤波、小波对于高斯噪声处理比较有效。
海底管道声纳图像具有直线边缘特征，线奇异性表现较为突出，为了克服小波变换不能达到最优逼近的问题，Candes等人提出了新的多尺度变换—Ridgelet变换，它能够有效地处理二维图像的线奇异性，较好地对此类信号进行“逼近”。
对于海底管道泄露检测利用基于小波理论的脊波进行直线特征加强，提高边缘的完整性，提高有用信号所占的信号比例。
增强处理后有用图像部分信噪比及直线特征边缘。
图1 Blueview前视2D声纳管道图像处理流程图
基于“海底管道探测技术集成及风险评估技术研究与示范应用”子课题“海底管道ROV精细化探测系统集成——前视声纳系统”。
采用Blueview2D声纳进行检测。
图像处理流程如图1所示。
包括声纳在一段时间内拍摄到的多幅声纳图像的融合，有些文献[4]采用图像分割聚类算法与均值处理,在ROV低速测量时候，也可将图
像近似为对一个目标的重复测量，也可采用最小二乘去噪。
最小二乘方法可参见有关的文献，这里不赘述。
下面主要介绍脊波变换去噪声。
1 脊波去噪技术[5]
二维Ridgelet变换（ContinuousRidgeletTransform,CRT）在 R2域的定义为：反变换公式：
式中：f(X)为平方可积函数(a,b,θ)(X)为小波基函数。
由以上公式可以看出，Ridgelet变换和二维小波变换有相似之处，只是用线参数取代了点参数。
因此小
波变换是逐点刻画点的奇异性，二维Ridgelet变换是用线参数刻画线的奇异性。
在二维的情况下，点和线可以通过Radon变换相联系。
设函数f(X)，其Radon
变换可表示为：
则Ridgelet变换可以表示为函数Radon变换切片上的一维小波变换：
由式(1)～式(3)描述拉东变换，然后对对其进行小波变换得到关于θ和t的小波系数。
其它去噪流程如小波基选取阈值选择都可见论文章节3。
变换的图像必须是素数，且图像是正方形，计算过程能有快速算法来适应时间要求。
得到的小波系数阈值去噪后，进行反变换：
2 自适应“维纳滤波”
由于脊波变换后，某些残余噪声仍然存在，图像表面很粗糙会产生“卷绕”现象，利用自适应“维纳滤波去卷绕”后，整体图像更加平滑。
自适应是根据一个去噪声模板是M×N，默认情况下是3×3的模板，进行邻域内计算μ，σ2（这里称为均值和方差）
图2 “维纳滤波器”邻域像素值平均、方差模板
这里η是图像中每个像素的M×N邻域。
式中：v2是每个像素邻域的方差的均值。
由公式(7)可见，如果局部方差较大，则滤波作用减弱，如果局部方差小，则滤波作用增强，实现自适应。
它的理论基础是维纳滤波。
处理流程如图3所示，图中：varlocal=σ2,varnoise=v2。
图3 “自适应维纳滤波”流程图
3 仿真试验与分析
如图4(a)为原始图像，为海底声纳164×164尺寸图像，原始图像记为
X(i,j),0≤i≤H,0≤j≤W，去噪后图像为Y(i,j),0≤i≤H,0≤j≤W，去噪指标为均方误差（MSE）和峰值信噪比（PSNR）对比结果表。
表达式见式(9)～式(10)。
表1所示为加上σ2=15,25,50高斯白噪声后去噪的信噪数据结果。
对于(b)图像进行4种去噪方法，分别是小波算法、“维纳滤波”算法、脊波算法、脊波+“维纳滤波”。
其中小波及脊波变换中对于小波基可以灵活选择，选择不同的小波基函数和不同的阈值选取方法发现图像信噪比敏感度都在10-4～10-3内，所以这里不考虑详细的参数选择问题。
本文采用db4小波基实现小波变换，采用
的阈值选取方案有斯坦阈值估计、极大极小值估计阈值的方法等，这里选取极大极小值方法，并利用软阈值法、分解层数参考图像像素数和采样定理以及干扰的最小频率等，有关参数选择不再详细描述。
表1 不同去噪方法的PSNR和MSE参考（单位：dB）白噪方差σ2=15 白噪方差σ2=25 白噪方差σ2=51 MSE PSNR MSE PSNR MSE PSNR噪声图像 4 166．5 11．938 1 5 479 10．743 8 7 796．8 9．211 6自适应“维纳滤波”法 2 136．4 14．833 9 2 403．9 14．321 6 2 959．5 13．418 6小波变换法 1 829．7 15．507 1 959 15．209 6 2 301．6 14．510 6脊波去噪法 2 184．7 14．736 9 2 470 14．203 1 3 044．8 13．295 3脊波去噪去“卷绕”法 1 815 15．542 1 1 946 15．237 8 2 247．9 14．613 1
图4 声纳海底管道图像去噪效果
图5 图像某行去噪前后对比
几种去噪图像主观上觉得声纳图的管道部分在脊波及脊波去“卷绕”去噪后，直线部分更加清晰。
但还需定量地从图像整体比较各种滤波图像去噪效果，这里采用均方误差和峰值信噪比进行衡量。
由表1可以看出，随着噪声方差的增大，脊波去卷绕和小波去噪的MSE、PSNR
接近；“维纳滤波”和脊波去噪的MSE、PSNR接近相近。
但是直观地观察以及
图3的某行数据的观察分析，可以看出对于直线部分的去噪效果，脊波变换是最
好的，并且通过去噪声后的某行数据之间的像素值和原始图某行数据的比较可以看出，脊波变换对边缘的保持效果最好，也就是像素值峰值处得到保留。
而小波变换使得峰值像素值的值得到了削弱不具备直线小波系数奇异性，因此造成的就是图像边缘的模糊。
而自适应“维纳滤波”如子图D在未知噪声参数等的情况下并不能
达到最优，仍然有残余噪声，且管道直线的边缘等直线特征也会受到噪声污染。
而脊波变换加维纳滤波的技术能在兼顾直线边缘情况下更好的对非直线边缘部分实现去噪。
背景部分图像也能实现去噪，具有较高的信噪比。
最后，结合管道图像4(a)特点和图5（a）某行值看出，采用脊波方法能更好地保
持管道的边缘细节部分。
但也可损失部分直线特征再加入“自适应维纳滤波”，提升图像表面的整体平滑度，增加信噪比。
总的来说脊波法和脊波去“卷绕”法这两种方法效果较好，更能增强管道的边缘和直线部分的特征，可作为管道泄露检测的预处理工作。
4 结束语
本文提出的脊波小波变换方法，在传统小波去噪技术上利用拉东变换将直线的奇异特征转化为点奇异特征，在拉东变换下进行一维小波去噪，其中，灵活选取阈值和小波基函数，将小波和脊波去噪声后的图像反变换得到去噪后的图像。
实验结果由图2和图3分析发现，脊波去噪去相比于维纳滤波法和小波变换法对原图直线部
分逼近效果更好，在损失部分直线特征值的情况下脊波去噪再加上“维纳滤波”去噪可以获得更高的信噪比。
此方法可作为具有直线特征如管道图像预处理算法。
参考文献：
[1]沈郑燕.声纳图像去噪与分割技术研究[D].哈尔滨：哈尔滨工程大学，2010.
[2]A D Waite.实用声纳工程[M].(第三版).王德石译.北京：电子工业出版社，2004：
79-97.
[3]石红.声纳图像处理关键技术[D].哈尔滨：哈尔滨工程大学,2011.
[4]Heloscher U,Kraus D.Unsupervised image segmentation and images fusion for multi-beam/muti-aspect sidescan sonar
images[C]//OCEANS’98 Conference proceedings,Nice,1998,1:571-576.
[5]阎敬文,曲小波.超小波分析及应用[M].北京:国防工业出版社，2008.。