基于遙感影像水下目標尾跡探測綜述 *

師俞晨

（核工業北京地質研究院 遙感信息與圖像分析技術國家級重點實驗室，北京 100029）

0 引言

隨著全球化的不斷發展，海洋不僅為人們生產生活帶來資源和便利，更是軍事戰略版圖的重要一部分［1］。水下目標探測識別技術也逐步成為研究熱點，尤其是針對潛艇艦船的識別。當前國內外學者已應用聲學、電磁等技術進行水下目標探測，并獲得了大量的研究成果。但隨著現代化技術的創新，AIP（air independent propulsion）動力技術、減震降噪技術、水聲對抗等技術的應用，軍事目標的“隱身”性能提高，傳統方法難以進行識別探測，因此水下非聲探測技術已成為重點發展方向［2］。

水下目標在運動過程中不止會產生噪音，還會因螺旋槳的旋轉空化、水動力等原因產生尾跡［3］。尾跡中主要含有低密度微氣泡，持續時間長、范圍大、不容易消除、不容易偽裝［4］。目前，在尾跡探測方法系統中，基于遙感技術的探測方法能夠實現大面積、全天時、全天候連續監測，并能根據數據分析水下目標的航速、位置和深度等參數。隨著遙感技術的不斷發展，無人機、偵察機、衛星等高空探測設備可以搭載各類傳感器（如雷達、熱紅外、光學等），傳輸不同類型的高分辨率影像，有效支撐尾跡監測系統的探測分析，保障尾跡探測的實時性和真實性。

本文從水下非聲探測技術出發，在國內外非聲探測技術水平的基礎上，重點研究遙感光學、熱紅外、合成孔徑雷達（synthetic aperture radar，SAR）影像的水下識別探測技術，并分析算法優缺點，對今后的研究方向進行展望。

1 尾跡特征

尾跡從產生到消失的過程分為4 個階段，即近區尾流、坍塌段、過渡段和遠區尾流［5］，并且形成2種特征，即水動力特征和熱特征。

1.1 水動力學尾跡

水動力學尾跡主要是水下目標航行運動時引起水面粗糙度的變化，主要的尾跡類型有開爾文尾跡、伯努利水丘、旋渦尾跡和內波尾跡。

1.1.1 開爾文尾跡

開爾文尾跡是潛艇在水下運動時，在遠場水面上產生的窄V 字形尾跡（如圖1）。由橫斷波和分歧波組成，分歧波向潛艇兩側擴散，而橫斷波主要向潛艇后方傳播，在尾跡角范圍為16°～19.5°，相遇形成尖頭波，又因為尖頭波波長過短，在視覺效果上就連成了一條直線，稱為開爾文臂，開爾文臂以船身對稱，且角度小于39.6°［6-7］。

圖1 開爾文尾跡示意圖Fig. 1 Kelvin wake image

開爾文尾跡產生的自由表面波高［8］為

式中：A為描述潛艇特性的自由譜；θ為與x軸所夾的波傳播方；k為重力加速度與潛艇速度平方的比重。

1.1.2 伯努利水丘

伯努利水丘是潛艇在水下運動時，產生的近場表面波，引起潛艇上方水面隆起的現象，其波高取決于潛艇的速度與下潛深度［9］（如圖2）。該現象可由伯努利方程表示，如下：

圖2 伯努利水丘示意圖Fig. 2 Bernoulli image

式中：p為流體中某點的壓強；v為該點流體的流速；ρ為流體密度；g 為重力加速度；h為該點所在高度；C是一個常量。

伯努利水丘的實質是流體的機械能守恒。理想流體在管道中作穩定流動時，流體在作任意兩截面處的總比能，即單位質量的流體的總能量由比能與比動能所組成，三者之和為一個恒量［10］。簡單來說，在流體中，速度大，壓強就小；速度小，壓強就高。通過流體中的壓強差，造成了水面隆起。

1.1.3 旋渦尾跡

旋渦尾跡是由于螺旋槳及船體的作用，伴隨著流動特性和物理特性與周圍海水明顯不同的旋渦尾流區（如圖3）。與固定受力面不同，旋渦尾跡由于旋轉而受到額外的非慣性力作用，如科氏力和離心力等，渦系演化中非線性現象更豐富，流動特征也更加復雜［11］。尾流生成后的初始階段主要表現為射流特征，隨著射流速度的衰減，尾流逐漸轉化以自由湍流擴散為主要特征。

圖3 旋渦尾跡示意圖Fig. 3 Turbulent wake image

1.1.4 內波尾跡

潛艇在運動過程中產生的內波形式和規律更加復雜，內波尾跡是在分層的海洋中，航體的擾動和航行留下的尾流破壞了原有的密度躍層，在海洋中產生了一種周期震蕩［12-13］。

內波尾跡模型可以寫為

式中：r為距離潛艇尾部的距離。

按照生成的機理不同，內波可以分為3 類：物體體積效應產生的內波，稱為Lee 波；湍流尾流引起的隨機波動，稱為隨機波；尾流塌陷產生的內波，稱為塌陷內波［14］。

1.2 熱尾跡

水下目標在運動行進過程中產生的熱尾流根據原理可分為2 種：一是由航行器的推進器、螺旋槳對海水產生擾動，破壞原有海水密度分層、溫度分層，使能量傳遞至海面產生一定的流場變化；二是航行器在活動過程中，機器發熱量大，大量的冷卻水被排放，水體受密度差影響，經過浮升擴散，形成熱尾流［15］。尤其是核潛艇，其尺寸和所需的推進功率較大，根據熵增定律，汽輪機動力裝置會把超過75%的廢熱以冷卻水的形式排放，形成的熱尾流可以延綿幾百米至1 km，長時間內不易消除［16-18］。

隨著紅外成像技術儀的快速發展，紅外探測系統的最低溫度分辨率可以達到0.001 ℃。通過前人的研究模擬發現大型的水下目標在深水潛航時，其反應堆熱排水溫度高且持久；小型的水下目標雖然發熱量小、尾跡弱，但水下排氣口的溫度通常超過100 ℃［19］。由此可見，通過機載或星載紅外探測系統可以有效地識別水下目標熱尾跡（如圖4）。熱尾流在探測器處的紅外光譜輻射亮度主要是來自海面的紅外光譜輻射亮度Lsea（λ）、大氣路徑光譜輻射亮度Lp（λ）組成，其表達式為［20］

圖4 熱尾跡示意圖Fig. 4 Thermal wake image

式中：ε（λ）為熱尾流光譜發射率；ρ（λ）為反射率；Lbb（λ，Tw）為熱尾流溫度Tw的黑體光譜輻射；Lsky（λ）為天空光譜輻射；Lsun（λ）為太陽光譜輻射。

2 基于光學影像尾跡識別技術

由于無人機系統的發展，提供了更高分辨率的光學影像，甚至可以直接觀測到水下1 m 的目標，為尾跡識別技術提供了基礎保障。目前，主要通過研究分析尾流氣泡中的散射和吸收等效應，以判斷尾跡。

最初，有國外學者使用藍綠激光作為尾流光學探測光源，利用尾流氣泡對藍綠激光的吸收或反射，在海面上產生亮斑或黑洞影像，從而觀察到水下目標的存在。比如，俄羅斯的“紫石英”機載藍綠激光潛艇探測系統、美國“ML-90 魔燈”藍綠激光探潛系統、瑞典和加拿大的“鷹眼”機載激光探潛系統等［21］。

隨著影像分辨率的不斷提高，當前基于光學的尾跡識別技術也有了較大的發展，主要可以分為基于高光譜尾跡識別技術和偏振成像尾跡識別技術。高光譜影像包含了豐富的地物光譜信息，對比于傳統的地物檢測和目標檢測手段，提供了更多不可或缺的信息。利用高光譜影像進行目標檢測是研究學者近年來研究的熱點之一。由于高光譜波段數較多，光譜間隔小，之間的關聯性高，因此前期的預處理工作十分重要。尾跡中含有的大量氣泡是光學尾跡識別的關鍵，氣泡在不同波段所表現的光學特性不一樣。因此需要拆分高光譜波段，進行降維處理，找出最優波段集合后，根據氣泡的光譜信息，通過算法提取尾跡。尋麗娜等人在高光譜影像上利用獨立分量分析，抑制背景海浪雜波，有效識別目標［22］；成媛媛等人根據尾跡特征，將高光譜降維，結合光譜分析技術識別目標［23］。該類方法數據量大，易冗余，光譜信息受環境因素影響嚴重，自適應性較差，適用于精細化處理。

國內也有一些學者利用偏振成像技術提取、仿真潛艇尾跡。吳恒澤等人將水面波紋看作是諸多不同傾角的平面微元集合，通過微面元偏振度、偏振角計算微面元法向量，從而重建曲面，為提取運動潛艇的水面波紋三維面型提供了理論支持［24］。

基于光學影像尾跡識別技術處于發展階段。高分辨率影像中尾跡細節清晰可見，光譜信息豐富。但是目前的方法并未充分利用，一些特性隱含在數據中，可挖掘其活動規律，遞進演化出水下目標的狀態。

3 基于SAR 影像尾跡識別技術

SAR 是一種主動微波遙感設備，它通過虛擬陣列及脈沖壓縮等技術獲取高分辨率地物二維圖像［25］。由于微波具有后向散射能力，對水面曲率和水面粗糙度十分敏感，所以利用SAR 提取海洋特征和波紋的研究層出不窮，是當前尾跡識別的主要手段之一。挪威國防研究中心與歐洲航天局共同搭建了“船舶及其尾流極化SAR 檢測”科研平臺、加拿大Satlantic 公司開發了RADARSAT 海洋檢視工作站、法國的CLS 和BOOST 公司開發了SAR tool 系統，通過遙感手段進行水下目標尾跡檢測與識別［26］。

水下航行體在SAR 影像中一般形成高亮區域，尾跡具有單臂或者雙臂的線性特征［27-29］。但是由于海洋風場、洋流、相干斑等因素影響，導致影像存在噪聲，進而對目標檢測與目標解譯有強烈的干擾。因此，采用線性特征檢測方法可以有效識別SAR 影像中的尾跡，主要的算法有Radon 變換算法、Hough變換算法和恒虛警率檢測算法（constant false alarm rate detector，CFAR）。

Radon 變換算法是一個積分變換，它是定義在二維平面上的一個函數沿著平面上任意一條直線做線性積分，變換后成為一個亮或暗的峰值。因此，在變換區域中的亮斑或者暗斑對應原始圖像中的一條亮線或者暗線，即為尾跡。但是Radon 變換難以區分帶有曲線的尾跡和尾跡的起點、終點，并且海面風場、波浪等造成的噪聲容易產生虛警，難以精準識別。針對算法的固有缺陷，一些學者進行了改進。文獻［30］基于Radon 變換和低秩稀疏分解模型利用極化信息減少影像干擾，突出尾跡特征，提升目標識別率；文獻［31］利用結合梯度的歸一化Radon 變換增強了變換域中的峰谷值，采用成對搜索算法提取峰谷值，得到真實的尾跡，并確定了尾跡的起點和方向；文獻［32］將尾跡特征提取視為Radon 變換的逆問題，采用稀疏化的廣義最小最大凹（generalized minimax concave，GMC）提升尾跡識別率。

Hough 變換是一種特征提取技術，主要用于檢測二值圖像中的直線和曲線。該算法運用2 個坐標之間的變換，將圖像空間中的線條映射到參數空間形成點，從而把形狀問題轉化為統計問題［33］。但是SAR 影像受環境因素影響較大，難以自適應閾值，導致算法魯棒性差［34］。因此，文獻［35］對Hough 變換進行了改進，通過切割窗口圖像，將目標以窗口灰度均值代替，有效識別SAR 影像尾跡；文獻［36］基于遞歸修正Hough 變化域檢測尾跡，該方法能夠有效地區分具有圖像特征差異的多直線尾跡。

恒虛警率檢測算法是當前SAR 尾跡檢測的主流算法，該算法是恒定虛警概率下的檢測器，主要判斷在含有噪聲的情況下，尾跡信號是否存在。艦船目標相對于海雜波而言有較強的散射回波，能夠產生較好的檢測結果。后續在其基礎上，衍生出了多種尾跡檢測算法。文獻［37］提出了一種自適應參數變換恒虛警率算法，該方法基于自適應變換，通過恒虛警率算法篩選虛假候選目標像素，利用歸一化Hough 變換檢測二值圖像尾跡；文獻［38］通過海雜波建模，減少影像雜波后，利用恒虛警率算法識別尾跡。

雖然基于SAR 影像的尾跡識別算法卓有成效，但是現如今基于SAR 提取潛艇尾跡的方法受風速影響嚴重，并且在入射角、方位角差別大的情況下，同一目標在SAR 影像中呈現的特點會迥然不同，難以做到精準識別。

4 基于熱紅外影像尾跡識別技術

由于成像原理以及探測設備的特性，紅外影像噪聲不可避免，具有背景雜波不確定性強、脈沖噪聲較多等特點［39］。尤其是風力較大的天氣，水體翻騰，散熱過快，影像信噪比低，尾跡信號被背景和噪聲淹沒，難以捕捉。并且實體實驗成本較高，有一定的敏感性，因此國內外學者以縮比模擬實驗為主。

當前主要的模擬方法有動網格法和來流法，如表1 所示［40-46］。動網格法可以用來模擬流場形狀由于邊界運動而隨時間改變的問題，實現水下目標的真實運動過程的模擬，主要包括重疊網格技術和移動網格技術等。來流法實現了水下航行器與背景水體的相對運動。來流法增加了熱尾流與環境水體之間的能量交換速度，使得降溫過快，導致熱尾流浮升至水面時最大溫差過小且最大溫差出現時間明顯增長［47］。

表1 熱紅外尾跡模擬算法對比Table 1 Comparison of thermal wake simulation algorithms

通過模型仿真、數值模擬，學者們對熱尾流的變化過程有了進一步的分析。熱尾流的浮升擴散受水下目標運動的速度影響較小，與速度的1/4 次方成正比［42］。但是與水體、推進器有著密不可分的聯系。當水體為均勻無分層的流體時，熱尾流可以無限制地浮升擴散，并且推進器轉速越高，水面變化區域越大，導致熱尾流浮升高度隨航行器移動方向呈階梯狀分布；當水體為垂直溫度梯度的流體時，分層會抑制熱尾流的浮升，而氣泡則有促進作用，使得尾跡的變化過程存在一定的波動，紅外特征明顯。最初，冷卻水浮升至尾流中線附近，在紅外影像中以熱斑的形式出現，形成狹窄的縫隙，后由于浮力的影響以及橫波的傳播，水波帶著暖流向四周擴散，并且夾帶率小于均勻流體［48-49］。當水下航行器在溫度躍層上方時，熱尾流具有明顯的浮力射流特性，會形成“冷尾跡”結構；當水下航行器在溫度躍層下方時，運動產生的內波影響原有的結構，產生紅外信號，且熱信號強度與航速、相對躍層的位置密切相關，呈現出大尺度相干渦的結構特性，溫度差通常在0.001 K 數量級［50］。

基于熱紅外影像尾跡識別技術目前研究算法較多。但是在現實海域中拍攝海面紅外圖像的成本高昂，工作量大并且難以在不同的工作條件下獲得圖像。

5 總結與展望

本文根據遙感影像類別，分析了光學影像、SAR影像、熱紅外影像尾跡識別技術的特點和算法。目前基于SAR 影像、熱紅外影像尾跡識別技術較成熟，無論是模擬仿真還是縮比實驗都可以達到很好的效果。基于光學的水下目標尾跡識別技術目前還在發展階段，主要是由于光學影像容易受云層、海浪以及氣候干擾，難以建立背景模型。

隨著遙感技術的不斷發展和進步，水下目標尾跡探測技術的發展趨勢如下：

（1） 充分利用高光譜影像，將光譜信息與尾跡特征相結合，發展多維度尾跡識別系統，有望顯著提升水下目標檢測能力。

（2） 在環境氣候惡劣的情況下，SAR 影像中尾跡與雜波難以區分，尤其是小目標。有針對性地進行影像預處理，背景與目標的分離也是未來的研究方向。

（3） 由于尾跡在不同影像中有不同特征，僅憑借單一手段難以精準捕捉水下目標蹤跡，未來的探測方法將會結合水動力學、熱紅外特征、SAR 特征和光學特征綜合識別。

（4） 尾跡的形態通常與目標的狀態有關，通過尾跡的擴散程度、臂長、溫度等，反演出水下目標前進方向、速度、水深等參數，也是未來重要的發展方向。

（5） 緊密結合深度學習等人工智能技術，通過少量數據驅動水下目標尾跡檢測工作，不僅減少人為客觀因素的影響，同時也充分利用尾跡圖形圖像信息，進一步增強水下目標尾跡檢測能力。