[發明專利]基于稀疏表征的光子計數激光三維探測成像方法

有效

• 申請號: 201811420104.2
• 申請日: 2018-11-26
• 公開（公告）號: CN109613556B
• 公開（公告）日: 2021-05-18
• 發明（設計）人: 田昕;陳葳;李松;馬躍;周輝
• 申請（專利權）人: 武漢大學
• 主分類號: G01S17/89
• 分類號: G01S17/89;G01S7/48
• 代理公司: 武漢科皓知識產權代理事務所(特殊普通合伙) 42222
• 代理人: 王琪

1.一種基于稀疏表征的光子計數激光三維探測成像方法，其特征在于，包含以下步驟：

步驟S1，同時測量得到所有像素的光子計數數據；

步驟S1中光子計數數據包括：每個像素接收到的光子數量k_i,j以及每個光子的到達時間其中l指光子探測數，取值從1到k_i,j；

步驟S2，根據光子計數數據，分別構建光子數量與反射率的模型以及光子到達時間與深度的測量模型；

步驟S2中光子數量與反射率的模型為：

其中，η為探測器量子效率，N'為脈沖個數，k_i,j表示每個像素(i,j)接收到的光子數量，為每個脈沖重復周期的總信號，T_r為設定的重復周期，s(t)表示單個脈沖的波形；

步驟S3，同時利用時空信息，添加全變分正則化約束，構建TV/L2最小化稀疏正則化信號重建模型；

步驟S3中構建的TV/L2最小化信號重建模型為：

其中，g為通過成像系統測量得到的光子計數數據通過測量模型估計后得到的數據，大小為ROWS×COLS×N，f即為所求經算法處理后的結果，大小同為ROWS×COLS×N，μ為正則化參數，可調節TV正則化對整個優化過程的影響；

所添加的TV正則化為各向異性，即表示為

其中，算子D_x，D_y，D_t分別是沿水平，垂直方向以及時間方向的正向有限差分算子，(β_x,β_y,β_t)是常數，[f]_i表示向量f的第i個分量；將運算符D定義為三個子運算符的集合其中每個子運算符的定義為：

D_xf＝vec(f(x+1,y，t)-f(x,y,t))

D_yf＝vec(f(x,y+1，t)-f(x,y,t))

D_tf＝vec(f(x,y，t+1)-f(x,y,t))

為了在控制沿每個方向的前向差異方面具有更大的靈活性，引入三個比例因子，定義標量β_x，β_y，β_t，并分別將它們與D_x，D_y，D_t相乘，使得：

通過調整β_x，β_y，β_t控制對個別項D_xf，D_yf，D_tf的權重；

步驟S4，通過拉格朗日方法處理優化TV/L2最小化稀疏正則化信號重建模型，使用交替方向方法來迭代地找到子問題的解；

步驟S5，得到并輸出反射率和深度圖像；步驟S5的具體實現方式為，

步驟S51，計算并輸出反射率圖像，根據光子數量與反射率α的模型，選擇合適的參數μ，β_x，β_y，β_t，設置初始值f₀＝g_α，u₀＝Df₀，y＝0，k＝0，然后開始進行迭代求解TV/L2信號重建模型最小化的最優解，得到f_k+1，使k＝k+1，直到滿足收斂準則：

||f_k+1-f_k||₂/||f_k||₂≤tol

其中tol為指定誤差；

對算法輸出優化后的N幅圖像組成的視頻f_α取中值，最終輸出結果反射率圖像f’_α，其中視頻f_α的大小為ROWS×COLS×N，反射率圖像f’_α的大小為ROWS×COL；

步驟S52，背景噪聲審查，背景計數不包含任何場景深度信息，它們的檢測時間在空間位置上相互獨立，方差為T_r²/12；相反，由于光脈沖的持續時間為T_pT_r，深度在空間位置上相關，給定來自相鄰位置的數據，信號計數的檢測時間具有條件方差，其遠低于T_r²/12；因此，在每個像素(i，j)處對8個相鄰像素的檢測時間進行排序，計算其中值為若相鄰像素都沒有探測值，設對光子進行篩選：

其中，T_p為脈沖寬度的均方根；

步驟S53，計算并輸出深度圖像，根據審查后的結果以及光子到達時間與深度z的測量模型，選擇合適的參數μ，β_x，β_y，β_t，設置初始值f₀＝g_z，u₀＝Df₀，y＝0，k＝0，然后開始進行迭代求解TV/L2信號重建模型最小化的最優解，得到f_k+1，使k＝k+1，直到滿足收斂準則：

||f_k+1-f_k||₂/||f_k||₂≤tol

其中tol為指定誤差，

對算法輸出優化后的N幅圖像組成的視頻f_z取中值，最終輸出結果深度圖像f’_z，其中視頻f_z的大小為ROWS×COLS×N，深度圖像f’_z的大小為ROWS×COL。