【基于侧扫声呐和SFS方法的地形三维重构】（二）侧扫声呐SFS数学模型建立

本文主要参考文献如下

[1] 赵建虎,尚晓东,张红梅. 侧扫声呐图像反演海底地形的一种线性算法[J]. 哈尔滨工业大学学报,2017,49(5):80-86. DOI:10.11918/j.issn.0367-6234.201508051.
[2] Ruo Zhang, Ping-Sing Tsai, J. E. Cryer and M. Shah, “Shape-from-shading: a survey,” in IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 21, no. 8, pp. 690-706, Aug. 1999, doi: 10.1109/34.784284.

\qquad 这两篇文章前后继承，都是SFS线性化泰勒展开、牛顿迭代的经典算法，只不过Tsai使用了一元泰勒的一阶展开，赵建虎采用了三元泰勒的二阶展开。笔者在阅读以上两者的论文之后比较发现，Tsai的方法虽然表达简洁，但是会造成重建结果不太理想的问题，其明暗图中直接获取的灰度值作为线性主部的主成分过高，使得重建结果好像直接从明暗图中直接按照明暗强度绘制高度一样。而赵建虎学者的方法使用二阶展开，其表达过于繁琐，在使用时（特别还要结合侧扫声呐物理特性），会导致容易出现错误。因此，结合以上两人，笔者想要使用三变量一阶展开的侧扫声呐SFS模型，下面进行具体阐述。

---

一、公式推导

\qquad 根据朗伯反射原理，我们可以得到后向归一化散射强度E与入射波和反射波夹角余弦成正比，因此我们经过运算可以得到以下公式，具体运算步骤可以参考文献或查看我的文章

https://blog.csdn.net/SuperiorEE/article/details/122909469

$$0=f(x,y)=E(x,y)-\frac{1+\frac{sin\varphi }{cos\varphi }\cdot (Z_{x,y}-Z_{x-1,y})}{\sqrt{(\frac{sin\varphi }{cos\varphi }{)}^2+1}\cdot \sqrt{(Z_{x,y}-Z_{x-1,y}{)}^2+(Z_{x,y}-Z_{x,y-1}{)}^2+1}}$$ \qquad 当我们固定(x,y)为某一个特定点时，$x,y$就成为了常量,我们就可以采用主元法将$f$重新看为三元函数$f(Z_{x,y},Z_{x-1,y},Z_{x,y-1})$,而其他的量如$E(x,y)$为常量。
\qquad 将上式根据泰勒公式展开得到
$$0\approx F(0)+F(1)$$ \qquad 其中，$$F(0)=f({Z_{x,y}}^{n-1},{Z_{x-1,y}}^{n-1},{Z_{x,y-1}}^{n-1})$$ $$\begin{gathered} F(1)={\frac{\partial f}{\partial Z_{x,y}}|}_{{Z_{x,y}}^{n-1},{Z_{x-1,y}}^{n-1},{Z_{x,y-1}}^{n-1}}\cdot ({Z_{x,y}}^n-{Z_{x,y}}^{n-1})+ \\ {\frac{\partial f}{\partial Z_{x-1,y}}|}_{{Z_{x,y}}^{n-1},{Z_{x-1,y}}^{n-1},{Z_{x,y-1}}^{n-1}}\cdot ({Z_{x-1,y}}^n-{Z_{x-1,y}}^{n-1})+ \\ {\frac{\partial f}{\partial Z_{x,y-1}}|}_{{Z_{x,y}}^{n-1},{Z_{x-1,y}}^{n-1},{Z_{x,y-1}}^{n-1}}\cdot ({Z_{x,y-1}}^n-{Z_{x,y-1}}^{n-1}) \end{gathered}$$
\qquad 附上多元泰勒公式：

\qquad 解释：对$f(Z_{x,y},Z_{x-1,y},Z_{x,y-1})$按照三元函数泰勒展开形式在$({Z_{x,y}}^{n-1},{Z_{x-1,y}}^{n-1},{Z_{x,y-1}}^{n-1})$的临近进行展开，并带入点$({Z_{x,y}}^n,{Z_{x-1,y}}^n,{Z_{x,y-1}}^n)$,当$({Z_{x,y}}^n,{Z_{x-1,y}}^n,{Z_{x,y-1}}^n)$和$({Z_{x,y}}^{n-1},{Z_{x-1,y}}^{n-1},{Z_{x,y-1}}^{n-1})$充分接近时，函数值$f$会收敛到0.
\qquad 适当移项，即可得到牛顿迭代表达式：$$\begin{gathered} {Z_{x,y}}^n={Z_{x,y}}^{n-1}-\frac{F(0)+ \\ {\frac{\partial f}{\partial Z_{x-1,y}}|}_{{Z_{x,y}}^{n-1},{Z_{x-1,y}}^{n-1},{Z_{x,y-1}}^{n-1}}\cdot ({Z_{x-1,y}}^n-{Z_{x-1,y}}^{n-1})+ \\ {\frac{\partial f}{\partial Z_{x,y-1}}|}_{{Z_{x,y}}^{n-1},{Z_{x-1,y}}^{n-1},{Z_{x,y-1}}^{n-1}}\cdot ({Z_{x,y-1}}^n-{Z_{x,y-1}}^{n-1})}{{\frac{\partial f}{\partial Z_{x,y}}|}_{{Z_{x,y}}^{n-1},{Z_{x-1,y}}^{n-1},{Z_{x,y-1}}^{n-1}}} \end{gathered}$$
\qquad 其中$f$的表达式为$$f(Z_{x,y},Z_{x-1,y},Z_{x,y-1})=E(x,y)-\frac{1+\frac{sin\varphi }{cos\varphi }\cdot (Z_{x,y}-Z_{x-1,y})}{\sqrt{(\frac{sin\varphi }{cos\varphi }{)}^2+1}\cdot \sqrt{(Z_{x,y}-Z_{x-1,y}{)}^2+(Z_{x,y}-Z_{x,y-1}{)}^2+1}}$$ \qquad 并且 $\varphi =arctan\frac{x}{H-Z_{x,y}}$由于考虑到嵌套求导过于复杂，它是入射光参数，这里我选择进行近似忽略，从而有$$\varphi =arctan\frac{x}{H-Z_{x,y}^{n-1}-h_1}$$ \qquad 特别注意，Z是从H向上偏移的高度，即距离海底的高度，因此初始化为0，实际高度从H开始算起。h1为声呐拖鱼深度，为正值 附图如下。

\qquad 如此，$\varphi$便可视为与Z无关的常数，来源于之前所存储的数值。这样当我们要计算 $\frac{\partial f}{\partial Z_{x,y}}$、 $\frac{\partial f}{\partial Z_{x-1,y}}$、 $\frac{\partial f}{\partial Z_{x,y-1}}$时求导难度会大大降低。先尝试使用这个简化，如果重建结果理想则完全采纳。
\qquad 计算可得,$$\frac{\partial f}{\partial Z_{x,y}}=-\frac{\frac{sin\varphi }{cos\varphi }\cdot (Z_{x,y-1}^2+Z_{x,y}{Z}_{x-1,y}-Z_{x,y}{Z}_{x,y-1}-Z_{x-1,y}{Z}_{x,y-1}+1)-(2Z_{x,y}-Z_{x-1,y}-Z_{x,y-1})}{\sqrt{(\frac{sin\varphi }{cos\varphi }{)}^2+1}\cdot [(Z_{x,y}-Z_{x-1,y}{)}^2+(Z_{x,y}-Z_{x,y-1}{)}^2+1{]}^{\frac{3}{2}}}$$$$\frac{\partial f}{\partial Z_{x-1,y}}=\frac{\frac{sin\varphi }{cos\varphi }\cdot (Z_{x,y}^2-2Z_{x,y}{Z}_{x,y-1}+Z_{x,y-1}^2+1)-(Z_{x,y}-Z_{x-1,y})}{\sqrt{(\frac{sin\varphi }{cos\varphi }{)}^2+1}\cdot [(Z_{x,y}-Z_{x-1,y}{)}^2+(Z_{x,y}-Z_{x,y-1}{)}^2+1{]}^{\frac{3}{2}}}$$$$\frac{\partial f}{\partial Z_{x,y-1}}=-\frac{[1+\frac{sin\varphi }{cos\varphi }(Z_{x,y}-Z_{x-1,y})]\cdot (Z_{x,y}-Z_{x,y-1})}{\sqrt{(\frac{sin\varphi }{cos\varphi }{)}^2+1}\cdot [(Z_{x,y}-Z_{x-1,y}{)}^2+(Z_{x,y}-Z_{x,y-1}{)}^2+1{]}^{\frac{3}{2}}}$$

---

二、计算步骤