作者：席赵、袁强强、张全音、徐家丹
单位：武汉大学大地测量与地理信息学院，中国武汉 430079
摘要
实时海底沉积物分类（SSC）对于水下导航、作业和栖息地评估至关重要。传统的基于任务后多波束回声测深仪（MBES）数据处理的方法会阻碍现场决策。我们提出了一种新型的实时SSC方法，该方法既适用于船载平台，也适用于自主水下航行器（AUV）平台，整合了三个核心组件。首先，高效的预处理流程包括地理配准、辐射度归一化、噪声抑制和入射角校正，能够快速将原始MBES回散射数据转换为几何一致的图像块，支持亚秒级的实时操作。随后，系统通过结合熵正则化的角度响应拟合来提取多模态描述符，利用自适应图分割进行对象级纹理分析，并通过考虑MBES图像和点云的物理响应和空间分布，在熵约束下进行二次曲面拟合以获得曲率感知的地形度量。最后，动态最优随机森林与熵自适应子网络选择（DORF-EASNet）在全局分类器和轻量级领域特定子模型之间动态选择，以匹配局部声学复杂性，从而在推理效率和物理可解释性之间取得平衡。在胶州湾和南海进行的实地实验证明了该框架在各种平台和传感配置下的鲁棒性，分别获得了0.881和0.913的宏观F1分数，同时保持了超越传统离线方法的实时处理能力。
引言
高分辨率、空间连续的海底沉积物分类（SSC）知识对于安全导航、抗冲击的海上工程和明智的生态系统管理至关重要（Snellen等人，2018年）。MBES提供了必要的精度、米级分辨率和全波束覆盖范围，以实现大范围的SSC（Hughes Clarke，2006年），但其回散射产品（如图像和点云）通常需要通过基于岸上的工作流程进行处理，这导致实际海底变化的信息滞后数周（Lamarche和Lurton，2015年）。这种延迟使得官方海图过时，延迟了危险预警，阻碍了动态路线优化，并削弱了指导监管决策的栖息地和资源评估的完整性（Liu等人，2019年）。因此，一个能够实时流式处理、细化和分类MBES数据的统一物理引导框架已成为下一代海洋作业的迫切需求。
当前的SSC研究可以分为两大方法流派，它们在嵌入领域知识的程度和计算要求上有所不同。数据驱动的“黑箱”范式将分类视为模式识别任务，并使用卷积神经网络、变换模型和随机森林等高容量学习器直接将回散射纹理映射到沉积物相（Zhu等人，2021年；Wan等人，2022年；Ma等人，2025年）。当这些模型离线应用于多波束镶嵌图时，总体准确率已超过85%（Cui等人，2021年；Wang等人，2023年；Ma等人，2025年），但这些网络通常包含数百万个参数，需要图形处理加速，并且对控制类别边界的声学机制的物理洞察有限。实证评估表明，推理延迟通常超过了连续脉冲之间的时间间隔，从而阻碍了在自主测量平台上的实时部署（Valdenegro–Toro，2017年）。
相比之下，物理引导的流派从地质声学散射理论、阻抗反演和多尺度地形度量中推导出决策标准（Lamarche和Lurton，2015年；Zhou等人，2021年）。将地质声学先验和可微散射模型嵌入数据驱动框架中，为解决预测准确性和可解释性之间的长期权衡提供了有希望的途径（Frederick等人，2020年；Zhang等人，2022年）。这些透明模型建立了海底属性与声学响应之间的可解释联系，但需要大量的特征工程和手动参数调整，并且在异构测量条件下的泛化能力较弱（Smith等人，2012年）。此外，当测量条件偏离校准集时，分类器的鲁棒性会下降（Xu等人，2024年）。尚未实现一种既支持低延迟推理又保持物理一致透明性的统一方法。
另一个阻碍在线SSC操作的障碍是不同测量平台之间的条件差异。船载系统和近底AUV MBES在平台运动特性、入射角分布、导航稳定性、测量高度和回散射信号质量方面存在差异。这些因素可能导致生成的声学纹理和辐射度模式存在显著变化，从而在特征提取和分类器实现过程中增加额外的不确定性，进而影响模型在不同平台间的迁移性（Brown等人，2019年）。因此，为特定船舶、传感器和机载软件组合优化的分类器在部署到不同平台时，其预测精度往往会明显下降，显示出领域依赖性，限制了其泛化能力（Lucieer等人，2013年）。这些观察结果强调了需要多模态、领域鲁棒的策略，将不变的声学描述符与可适应的学习模块相结合。
为了满足实时SSC在精度和计算效率方面的要求，本研究开发了一种实时、平台兼容的SSC方法，主要贡献包括：
- 设计了一个高吞吐量的预处理流程，以支持实时数据流，将原始多波束回散射和导航流连续转换为地理配准、辐射度归一化和角度校正后的图像块。
- 提出了一种基于物理的、多模态的特征提取策略，整合了熵自适应的GSAB建模、对象级纹理分割和曲率感知的地形描述符，通过考虑MBES图像和点云的物理响应和空间分布来提高分类精度和地球物理可解释性。
- 提出了一种熵引导的模型选择机制（DORF-EASNet），在全局分类器和领域特定子模型之间动态分配计算资源，显著提高了在异构海底环境中的推理效率和鲁棒性。
- 一种平台兼容的分类架构支持在船载和AUV配置下的同步基于图像块的操作，从而在异构采集条件下实现一致的数据处理。
本文的其余部分结构如下：第2节描述了所提出的统一实时SSC方法，包括高效的预处理、多尺度特征提取和熵引导的DORF-EASNet模型。第3节介绍了实验设计、数据集、实现细节以及船载和AUV平台上的定量评估。第4节分析了结果，检查了参数敏感性，并讨论了该框架的优势和局限性。第5节总结了全文。
方法
提出了一种适用于船载和AUV/UUV操作的统一实时SSC方法（图1）。该方法依赖于三项关键技术：（1）严格的预处理——包括地理配准、角度响应校正、辐射度归一化和噪声过滤；（2）通过自适应分割进行多模态特征提取，包括用于通用海底声学回散射（GSAB）的自适应K均值和用于灰度共生矩阵的Felzenszwalb图分割。
数据集和实验环境
为了验证所提出的实时SSC方法在不同海洋环境和传感平台下的有效性和泛化能力，我们在中国的两个代表性海域进行了实地实验：胶州湾（JZB）和南海（SCS）。JZB位于中国北部山东省，具有复杂且高度结构化的海底地貌，水深范围约为18–64米，适合进行分层测试。
所提方法的意义
（1）相关工作
从特征表示的角度来看，大多数先前的工作仅关注单一类别的声学信息。Wang等人（2023年）和Ma等人（2025年）主要依赖声纳图像特征，而Lim等人（2025年）展示了多频多波束回散射可以通过利用频率依赖的散射行为来提高沉积物分离能力。Cui等人（2021年）进一步结合了多波束测深和回散射强度来提高分类精度。
结论
针对现有海底沉积物分类器在效率、精度和跨平台通用性方面的局限性，本研究提出了一种统一的实时工作流程，涵盖了船载和AUV操作。该框架将快速预处理链（负责地理配准、伪影消除和角度响应校正）与物理引导的多尺度特征提取器相结合，协同挖掘声学、纹理和地形线索。这些描述符为分类提供了基于置信度的依据。
未引用的参考文献
Menandro等人，2025年；Tan等人，2013年；Valdenegro–Toro，M.，2017年；Wang等人，2023年；Xu等人，2025年。
资助
本研究得到了中国国家自然科学基金（项目编号42476179）的资助。
利益冲突声明
作者声明他们没有已知的可能影响本文工作的财务利益或个人关系。
致谢
感谢东海航海安全管理局上海海洋测绘中心、交通运输部北海航海支持中心以及自然资源部第一海洋研究所提供的数据支持。
