重新审视水下声纳与医学超声中的声学图像增强技术

《Expert Systems with Applications》：Re-thinking Acoustic Image Enhancement Across Underwater Sonar and Medical Ultrasound

声学图像增强面临数据质量与噪声分布不匹配的瓶颈，本文构建高保真声学图像数据集并模拟多类型噪声，设计可调参数导师模型与轻量级学生模型，提出自参考评估器避免依赖清洁地面真实，实现实时高效增强。

　　

杨太宏|姚一清|庄龙|李诺|张涛|刘世德

东南大学仪器科学与工程学院，综合光电导航网络与设备技术国家重点实验室，微惯性仪器与先进导航技术重点实验室，教育部，南京，210096，中国

摘要

本研究指出，在声学图像增强中，数据质量而非模型复杂性是关键的瓶颈。现有模型性能有限的主要原因是训练数据与实际噪声分布不匹配。由于大多数研究使用原始或去噪后的声学数据作为自监督的真实值，模型受到传感器物理特性和去噪伪影的约束，而声学成像与光学成像之间的巨大差异进一步削弱了传统评估指标的可靠性。为了解决这些问题，我们开发了一个统一框架：该框架基于光学RGB-D数据构建高保真声纳基准，根据声学原理定量模拟各种噪声类型，并设计了一个可调去噪率的教师模型以及一个轻量级的视频去噪学生模型。利用定量模拟的噪声，我们建立了一个自参考评估器来评估去噪性能，而无需干净的真实值。该框架形成了一个包含数据生成、模型设计和训练以及性能评估的闭环。所提出的框架提高了去噪质量和计算效率，学生模型（10个Conv3D层，32帧/0.58毫秒）实现了高质量的实时去噪。这项工作通过数据驱动的模型优化，为超越当前声学成像的性能极限提供了新的途径。实现细节和结果可在以下链接查看：https://github.com/yangtaihong59/Rethink_Acoustic_Image_Enhancement

引言

声学成像在人类社会中发挥着重要作用，从用于水下探索的前视声纳到医学超声成像（Burgholzer, Bauer-Marschallinger, Reitinger, Berer, 2019; Yin, Zheng, Chen, Hu, Wang, 2025; Zhou, Mizuno, & Zhang）。然而，由于声学成像物理的固有限制，信号质量和图像保真度受到根本的物理约束（Yang, Zhang, & Yao, 2024b）。这种物理约束部分是由于热力学第二定律导致的信息损失，决定了声学成像的分辨率和信噪比无法达到光学成像的水平（Burgholzer, Bauer-Marschallinger, & Haltmeier, 2020）。利用深度学习技术通过语义级信息增强声学图像，从而恢复超出声学成像物理限制的图像结构，已成为一种有前景的方法。然而，现有的基于深度学习的方法在声学成像领域的表现并未达到预期。大多数方法只能去除简单的人为噪声并平滑图像，但无法在保留有用信息的同时抑制复杂的内在噪声。

本研究认为，现有研究中基于深度学习的去噪模型的主要瓶颈是数据质量。由于声学成像的固有限制，实际上不可能获得真正高质量、高分辨率且无噪声的数据集。因此，大多数现有研究采用了直接来自光学图像去噪的方法，其中收集的原始声学数据（包括单帧或多帧融合数据）被视为高质量参考数据，而低质量数据则是通过人工添加噪声生成的。然而，与光学成像中通常为零均值的随机噪声不同，声学成像受到多种具有不同物理来源和特性的噪声的影响（Huo, Yang, Li, & Zhou, 2016）。因此，通过自监督学习构建可靠的真实值在本质上是不可行的。

这种忽视声学成像与光学成像任务之间内在差异的做法导致当前数据集中的噪声建模存在显著偏差。结果，模型性能同时受到声学成像的物理限制和真实值构建不准确性的约束。许多现有模型存在过多的参数冗余，但只能去除简单的人为噪声并进行图像平滑处理。它们无法在保留信息结构的同时抑制复杂的内在噪声，更无法利用语义信息实现准确的图像重建和恢复。此外，由于真实值的不准确性和声学图像极高的信噪比，原本为光学成像设计的基于参考的评估方法和无参考评估方法都难以提供可靠的去噪性能评估。

为了解决上述问题，从三个方面提出了解决方案，并基于前视声纳（FLS）和超声（US）在原理和成像效果上的相似性，在两种类型的数据集上进行了验证。

数据集构建：使用水下光学RGBD输入构建高质量的真实值数据。通过点云转换和渲染等过程，建立了一个高分辨率、高质量的声学图像基准。根据声学成像原理准确模拟各种类型的噪声，生成相应的低分辨率、低质量的声学图像，从而完成了高质量声学图像去噪数据集的构建。

增强模型：该框架利用可靠的模拟真实值对教师模型进行微调以实现精确优化。通过利用教师模型的强大泛化能力，从真实声学数据生成伪标签。随后，在这些伪标签上训练了一个仅有十个3D卷积层的轻量级学生模型。结果表明，即使使用简单的模型架构，也能实现有效的增强效果。

评估模型：利用模拟数据中可精确量化的噪声特性，开发并训练了一个专门为声学成像设计的去噪评估模型。

本文的结构如下：第2节回顾相关文献。第3.1节介绍数据模拟模型。第4节描述去噪模型。第5节介绍评估模型。第6节报告实验评估结果，第8节总结本文。

章节片段

声学图像去噪数据集

理论上，监督方法具有最高的潜在性能（Lin et al., 2023），因为当有像素级“干净”的真实值时，网络可以学习任意复杂的映射。然而，声学图像不存在物理可测量的真实值。因此，现有研究通过三种主要策略人工构建配对数据，这些方法都属于监督学习范式。

在几项研究中（Chen, Guo, Yuan, Li, Yu, 2024; Khalifa, Hamza）

点云信息声学图像模拟器（PIAIS）

声学成像通过发射波束和接收回声来构建图像，其中回声的传播时间和强度被测量。这些参数由环境结构和障碍物的材料属性决定。根据其工作原理，声学成像的质量受到两个主要因素的限制：首先是声学传播特性所施加的物理上限，其次是基于成像算法引入的失真

知识提炼的轻量级声学增强器（KDLAE）

由于其他研究中使用的声纳图像增强数据集中的噪声表示存在显著偏差，先前的工作被迫使用具有大量参数的复杂模型来泛化到实际声纳图像增强任务。然而，本研究发现声纳图像增强任务的复杂性并非固有地高，现有数据质量对模型的影响远大于模型架构优化的影响。

声学特定去噪质量评估器（ASDQE）

由于无法获得无噪声的声学图像真实值，基于参考的评估指标本质上是不准确的。本文使用Chen（2025）仓库中的无参考评估指标来评估MDD去噪前后的数据集。如图8所示，超过一半的现有无参考评估指标错误地将未增强图像评估为质量更高。这是因为大多数无参考指标是基于

实验与分析

为了验证所提出方法的有效性，本文在仿真和真实场景中进行了系统实验，并从多个维度评估了教师模型和学生模型的性能。实验结果通过定性示例和定量分析相结合的方式呈现。基于全面的实验数据，可以得到三个核心发现：

(1) 声纳去噪任务的性能瓶颈主要源于

临床验证差距

尽管所提出的框架展示了显著的改进，但增强后的超声心动图图像尚未得到领域专家（如认证心脏病专家或有经验的超声心动图医师）的验证。重要的是，这些技术图像质量指标与临床诊断效用（如诊断信心、测量可靠性或决策准确性）之间的联系尚未建立（van Leeuwen, Schalekamp, Rutten, van Ginneken, & de Rooij, 2021）。

结论

本研究指出，数据质量是阻碍前视声纳和医学超声图像进一步增强的主要瓶颈。当底层数据质量足够高时，无需依赖过于复杂的网络架构，就可以有效去除复杂噪声。除了引入高质量模拟数据外，本研究采用了简单直观的网络架构和训练策略。

未引用的参考文献

图3、图4、图14、表1

CRediT作者贡献声明

杨太宏：概念化、方法论、研究、撰写——原始草稿、撰写——审阅与编辑。姚一清：可视化、监督、项目管理。庄龙：方法论、撰写——审阅与编辑、可视化。李诺：撰写——审阅与编辑、可视化。张涛：监督、项目管理。刘世德：撰写——审阅与编辑、可视化。

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竞争性财务利益或个人关系。