CN113296075B - 强噪声环境下单光子成像的目标信息自动提取方法及系统 - Google Patents

强噪声环境下单光子成像的目标信息自动提取方法及系统 Download PDF

Info

Publication number
CN113296075B
CN113296075B CN202110856723.1A CN202110856723A CN113296075B CN 113296075 B CN113296075 B CN 113296075B CN 202110856723 A CN202110856723 A CN 202110856723A CN 113296075 B CN113296075 B CN 113296075B
Authority
CN
China
Prior art keywords
gating
algorithm
range
value
target information
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202110856723.1A
Other languages
English (en)
Other versions
CN113296075A (zh
Inventor
陈松懋
苏秀琴
郝伟
张振扬
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
XiAn Institute of Optics and Precision Mechanics of CAS
Original Assignee
XiAn Institute of Optics and Precision Mechanics of CAS
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by XiAn Institute of Optics and Precision Mechanics of CAS filed Critical XiAn Institute of Optics and Precision Mechanics of CAS
Priority to CN202110856723.1A priority Critical patent/CN113296075B/zh
Publication of CN113296075A publication Critical patent/CN113296075A/zh
Application granted granted Critical
Publication of CN113296075B publication Critical patent/CN113296075B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
    • G01S7/4802—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10004—Still image; Photographic image
    • G06T2207/10012—Stereo images

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Electromagnetism (AREA)
  • Theoretical Computer Science (AREA)
  • Image Processing (AREA)

Abstract

本发明属于激光雷达技术领域，具体涉及一种强噪声环境下单光子成像的目标信息自动提取方法及系统。克服现有的基于高速电子门控的单光子成像技术因目标分布信息未知，依赖于人工设计与调节参数导致实用性受限的问题，主要包括采集原始三维回波数据
Figure 7613DEST_PATH_IMAGE001
、确定算法初始参数、估计算法初始门控阈值m及其对应的算法门控范围
Figure 577134DEST_PATH_IMAGE002
、计算当前的残差值
Figure 852258DEST_PATH_IMAGE003
及门控范围修正值
Figure 558046DEST_PATH_IMAGE004
及更新算法门控阈值与门控范围的步骤；该方法无需预设门控时间区间，确保了回波信号较大的动态范围；再采用算法级门控实现目标信号的提取，大幅提高信号的信噪比。

Description

强噪声环境下单光子成像的目标信息自动提取方法及系统
技术领域
本发明属于激光雷达技术领域，具体涉及一种强噪声环境下单光子成像的目标信息自动提取方法及系统。
背景技术
单光子成像技术作为目前激光雷达技术的主流发展方向之一，在探测灵敏度、光子利用率、成像精度等指标上较传统手段具有诸多优势，因此被广泛应用于远距离成像、水下成像等极端条件下的成像环境。
由于该技术的回波能量一般为单光子量级，因此往往易受太阳辐射、探测器热噪声、后向散射等多种噪声的干扰，因此往往需要大幅增加成像的积分时间以提高回波信号的信噪比，从而大大降低了成像的性能。
为了克服强噪声环境对成像性能的影响，一种有效的做法是将高速电子门控技术应用于单光子成像技术，使得单光子成像系统仅在特定的时间区间内工作，在其他时刻则保持关闭状态，因此成像系统仅接收特定区域的回波信号，因此大大降低了接收到噪声信号的概率却不会损失光子信号，进而提高了回波的信噪比。
高速电子门控目前已在该领域广泛应用，但该技术要求设计人员知晓目标的大致位置，否则无法确定门控的时间区间，而不合理的时间区间设置则可能导致目标信息丢失等严重的问题。由于实际应用中目标信息往往未知，故基于高速电子门控的单光子成像技术实用意义较为有限。
因此目前需要探索一种能够在强噪声环境下自动提取目标信息的技术，使其同时兼具较大的动态范围与门控抑噪的优点，同时满足实际应用中对于实时性的要求。
发明内容
为了克服现有的基于高速电子门控的单光子成像技术因目标分布信息未知，依赖于人工设计与调节参数导致实用性受限的问题，本发明提供一种强噪声环境下单光子成像的目标信息自动提取方法及系统。该方法无需预设门控时间区间，因此确保了回波信号较大的动态范围；再采用算法级门控实现目标信号的提取，以大幅提高信号的信噪比。
本发明的技术方案是提供一种强噪声环境下单光子成像的目标信息自动提取方法，其特殊之处在于，包括以下步骤：
步骤1：采集原始三维回波数据
Figure 255209DEST_PATH_IMAGE001
；
通过单光子成像系统采集原始三维回波数据
Figure 396341DEST_PATH_IMAGE001
，获取原始三维回波数据
Figure 487793DEST_PATH_IMAGE001
的三维 尺寸数据：像素行数
Figure 993861DEST_PATH_IMAGE002
，像素列数
Figure 6816DEST_PATH_IMAGE003
，观测窗口长度
Figure 889322DEST_PATH_IMAGE004
；
步骤2：确定算法初始参数；
算法初始参数包括噪声估计范围
Figure 304123DEST_PATH_IMAGE005
与激光脉冲半高全宽
Figure 246671DEST_PATH_IMAGE006
；
步骤3：根据原始三维回波数据
Figure 215764DEST_PATH_IMAGE001
、原始三维回波数据
Figure 636381DEST_PATH_IMAGE001
的三维尺寸数据及算法初 始参数确定回波信号噪声水平的估计
Figure 108951DEST_PATH_IMAGE007
、平均像素光子数PPP及信号噪声比SBR；
步骤4：估计算法初始门控阈值m及其对应的算法门控范围
Figure 19138DEST_PATH_IMAGE008
；
步骤4.1：估计算法初始门控阈值m：
Figure 944368DEST_PATH_IMAGE009
其中
Figure 233923DEST_PATH_IMAGE010
为
Figure 560999DEST_PATH_IMAGE011
的最大值，
Figure 907667DEST_PATH_IMAGE011
为原始三维回波数据
Figure 320194DEST_PATH_IMAGE001
在空间域上求和后的一维信号，
Figure 144930DEST_PATH_IMAGE012
表示自然常数；
步骤4.2：估计m对应的算法门控范围
Figure 326513DEST_PATH_IMAGE008
：
截取
Figure 844082DEST_PATH_IMAGE011
中大于
Figure 743905DEST_PATH_IMAGE013
的部分，该部分在
Figure 310015DEST_PATH_IMAGE014
轴（对应观测窗口长度
Figure 408421DEST_PATH_IMAGE004
）上的投影范围[
Figure 34575DEST_PATH_IMAGE015
]即为
Figure 484011DEST_PATH_IMAGE013
对应的算法门控范围
Figure 588233DEST_PATH_IMAGE008
；
步骤5：根据下式计算当前的残差值
Figure 806724DEST_PATH_IMAGE016
：
Figure 100002_DEST_PATH_IMAGE017
其中
Figure 666096DEST_PATH_IMAGE018
表示取绝对值运算；
步骤6：根据当前的残差值
Figure 865478DEST_PATH_IMAGE016
计算当前门控范围修正值
Figure 100002_DEST_PATH_IMAGE019
：
Figure 101287DEST_PATH_IMAGE020
其中
Figure 100002_DEST_PATH_IMAGE021
表示取
Figure 174285DEST_PATH_IMAGE022
中的最大值，
Figure 142241DEST_PATH_IMAGE022
代表任意数值；
步骤7：判断
Figure 300690DEST_PATH_IMAGE019
与
Figure 100002_DEST_PATH_IMAGE023
的关系，若
Figure 809032DEST_PATH_IMAGE024
，则对
Figure 939799DEST_PATH_IMAGE011
中不在
Figure 140973DEST_PATH_IMAGE008
范围内的信 号幅值进行降序排列，取其中第
Figure 724401DEST_PATH_IMAGE019
个数值作为算法第一备选门控阈值
Figure 100002_DEST_PATH_IMAGE025
，利用步骤4.2与 步骤5的计算方法，获得第一备选门控阈值
Figure 302013DEST_PATH_IMAGE025
对应的算法门控范围
Figure 287286DEST_PATH_IMAGE026
及残差值
Figure 100002_DEST_PATH_IMAGE027
，转至步 骤8；
若
Figure 659362DEST_PATH_IMAGE028
，则令m 1=m，
Figure 100002_DEST_PATH_IMAGE029
，直接转至步骤8；
步骤8：判断
Figure 998595DEST_PATH_IMAGE019
与
Figure 52002DEST_PATH_IMAGE008
的关系，若
Figure 750836DEST_PATH_IMAGE030
，对
Figure 231496DEST_PATH_IMAGE011
中在
Figure 586254DEST_PATH_IMAGE008
范围内的信号幅值进行升序 排列，取其中第
Figure 443352DEST_PATH_IMAGE019
个数值作为算法第二备选门控阈值
Figure 100002_DEST_PATH_IMAGE031
；利用步骤4.2与步骤5的计算方 法，获得第二备选门控阈值
Figure 199955DEST_PATH_IMAGE031
对应的算法门控范围
Figure 913833DEST_PATH_IMAGE032
及残差值
Figure 427991DEST_PATH_IMAGE033
，转至步骤9；
若
Figure 823200DEST_PATH_IMAGE034
，则令m 2=m，
Figure 434310DEST_PATH_IMAGE035
，直接转至步骤9；
步骤9：比较
Figure 522352DEST_PATH_IMAGE027
与
Figure 851702DEST_PATH_IMAGE033
，若
Figure 785023DEST_PATH_IMAGE036
，则令
Figure 100002_DEST_PATH_IMAGE037
，判断是否满足停止准则，若满 足，则将
Figure 516219DEST_PATH_IMAGE031
作为算法门控阈值，
Figure 775162DEST_PATH_IMAGE031
对应的算法门控范围
Figure 346737DEST_PATH_IMAGE032
作为算法门控范围；若不满足， 则令
Figure 349328DEST_PATH_IMAGE038
，
Figure 100002_DEST_PATH_IMAGE039
，进入步骤10；
若
Figure 590822DEST_PATH_IMAGE040
，则令
Figure 100002_DEST_PATH_IMAGE041
，判断是否满足停止准则，若满足，则将
Figure 817404DEST_PATH_IMAGE025
作为算法门 控阈值，
Figure 59030DEST_PATH_IMAGE025
对应的算法门控范围
Figure 662049DEST_PATH_IMAGE026
作为算法门控范围；若不满足，则令
Figure 39941DEST_PATH_IMAGE042
，
Figure 100002_DEST_PATH_IMAGE043
，进入步骤10；
步骤10：利用步骤6的计算方法，根据当前残差值计算当前门控范围修正值
Figure 703004DEST_PATH_IMAGE019
，重 复执行步骤7至步骤9。
进一步地，该方法还包括步骤11：搜索
Figure 228663DEST_PATH_IMAGE008
中连续两个位置间相距宽度大于
Figure 573056DEST_PATH_IMAGE006
的位 置，删除相应位置并更新
Figure 136280DEST_PATH_IMAGE008
，并根据2
Figure 642348DEST_PATH_IMAGE044
准则对
Figure 920883DEST_PATH_IMAGE008
延拓。
进一步地，步骤3具体如下：
步骤3.1：取
Figure 6650DEST_PATH_IMAGE011
中前
Figure 359134DEST_PATH_IMAGE005
个计时栅格的计数平均值与图像尺寸
Figure 100002_DEST_PATH_IMAGE045
的比值作为回波 信号噪声水平的估计
Figure 98420DEST_PATH_IMAGE007
：
Figure 598672DEST_PATH_IMAGE046
其中i为循环的索引；
步骤3.2：根据
Figure 284868DEST_PATH_IMAGE011
与噪声水平的估计
Figure 554175DEST_PATH_IMAGE007
计算平均像素光子数PPP：
Figure 100002_DEST_PATH_IMAGE047
步骤3.3：根据PPP与
Figure 667625DEST_PATH_IMAGE007
计算信号噪声比SBR：
Figure 920752DEST_PATH_IMAGE048
进一步地，步骤9中的停止准则为：
当前残差值小于预设的停止准则
Figure DEST_PATH_IMAGE049
，或当前残差值与上一代残差值之间差值的绝 对值小于
Figure 941797DEST_PATH_IMAGE049
。
进一步地，步骤11中根据2
Figure 268873DEST_PATH_IMAGE044
准则对
Figure 615541DEST_PATH_IMAGE008
延拓的过程具体为：将激光脉宽近似为高斯 函数，按照2
Figure 353034DEST_PATH_IMAGE050
准则对
Figure 381033DEST_PATH_IMAGE008
延拓；设
Figure DEST_PATH_IMAGE051
为高斯函数峰值在横轴的投影，
Figure 624933DEST_PATH_IMAGE052
为（
Figure DEST_PATH_IMAGE053
2
Figure 142502DEST_PATH_IMAGE054
2
Figure 100002_DEST_PATH_IMAGE055
所对应的宽度，即有
Figure 104641DEST_PATH_IMAGE056
，
Figure 100002_DEST_PATH_IMAGE057
，
Figure 733069DEST_PATH_IMAGE008
=[
Figure 831475DEST_PATH_IMAGE058
]，其中
Figure DEST_PATH_IMAGE059
表示取整操作。
进一步地，步骤2中：
噪声估计范围
Figure 519945DEST_PATH_IMAGE005
在单光子成像系统提供的噪声估计范围参数附近选取，排除目标 影响；
激光脉冲半高全宽
Figure 110327DEST_PATH_IMAGE006
由激光器与时间相关单光子计数器的相关参数给定。
本发明还提供一种强噪声环境下单光子成像的目标信息自动提取系统，包括处理器及存储器，其特殊之处在于：所述存储器中存储计算机程序，计算机程序在处理器中运行时，执行上述的方法。
本发明还提供一种计算机可读存储介质，其特殊之处在于：储存有计算机程序，计算机程序被执行时实现上述的方法。
本发明的有益效果是：
1、本发明方法无需预设门控时间区间，因此确保了回波信号较大的动态范围；再采用算法级门控实现目标信号的提取，大幅提高信号的信噪比，同时兼具动态范围大与抑噪能力强的优点。
2、本发明方法根据参数自适应地感知目标的分布区间，无需人工设定参数，操作简单，适用性好；且结构简单，对计算资源要求低，处理速度快，因此能够满足实际应用中对于实时性的要求。
附图说明
图1是本发明强噪声环境下单光子成像的目标信息自动提取算法流程图；
图2是实施例步骤二中空域求和过程示意图；图中横轴为光子飞行时间，纵轴为回 波光子数，
Figure 480128DEST_PATH_IMAGE060
为总像素数，即有
Figure DEST_PATH_IMAGE061
，
Figure 698620DEST_PATH_IMAGE062
运算符表示求和操作；
图3是实施例算法参数示意图；
图4是原始信号与本发明算法门控后信号对比；图（a）-（c）分别表示原始信号、门控后信号及理想信号。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合说明书附图对本发明的具体实施方式做详细的说明，显然所描述的实施例是本发明的一部分实施例，而不是全部实施例。基于本发明中的实施例，本领域普通人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明的保护的范围。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其他不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施例的限制。此外，术语“第一或第二”仅用于描述目的，而不能理解为指示或暗示相对重要性。
如图1所示，本发明拟通过对回波数据的深入分析实现强噪声环境下的目标信息快速提取，具体方法如下：
步骤一：通过单光子成像系统采集原始三维回波数据
Figure 495674DEST_PATH_IMAGE001
，获取原始三维回波数据
Figure 169757DEST_PATH_IMAGE001
的三维尺寸数据：像素行数
Figure 77670DEST_PATH_IMAGE002
，像素列数
Figure 150668DEST_PATH_IMAGE003
及观测窗口长度
Figure 118624DEST_PATH_IMAGE004
。其中
Figure 277073DEST_PATH_IMAGE004
为观测时长在TCSPC器件 中对应的栅格数。
步骤二：对
Figure 988677DEST_PATH_IMAGE001
在空间域上求和，如图2所示，将其转化为一个
Figure DEST_PATH_IMAGE063
的一维信号
Figure 181761DEST_PATH_IMAGE011
：
Figure 382935DEST_PATH_IMAGE064
步骤三：确定算法初始参数，包括噪声估计范围
Figure 966363DEST_PATH_IMAGE005
与激光脉冲半高全宽
Figure DEST_PATH_IMAGE065
。
Figure 543975DEST_PATH_IMAGE005
可根 据单光子成像系统设计参数选取一个较近距离对应的范围，从而排除目标的影响；
Figure 529249DEST_PATH_IMAGE065
则是激 光脉冲半高全宽在TCSPC器件中对应的栅格数，由激光器与TCSPC器件的相关参数给定。
步骤四：取
Figure 901324DEST_PATH_IMAGE011
中前
Figure 706469DEST_PATH_IMAGE005
个计时栅格的计数平均值与图像尺寸
Figure 822193DEST_PATH_IMAGE045
的比值作为回波 信号噪声水平的估计
Figure 661973DEST_PATH_IMAGE066
：
Figure 202020DEST_PATH_IMAGE046
步骤五：根据求和后的回波信号
Figure 760040DEST_PATH_IMAGE011
与噪声水平的估计
Figure 413876DEST_PATH_IMAGE007
计算平均像素光子数 （Photon Per Pixel, PPP）：
Figure 373741DEST_PATH_IMAGE047
步骤六：根据PPP与
Figure 87619DEST_PATH_IMAGE007
计算信号噪声比SBR（Signal to Background Ratio,SBR）
Figure DEST_PATH_IMAGE067
步骤七：根据噪声水平
Figure 460832DEST_PATH_IMAGE007
估计算法初始门控阈值。仍采用参数为
Figure 918358DEST_PATH_IMAGE065
的指数分布估计， 其中
Figure 732730DEST_PATH_IMAGE010
表示的
Figure 617510DEST_PATH_IMAGE011
最大值：
Figure 884543DEST_PATH_IMAGE068
步骤八：截取
Figure 145760DEST_PATH_IMAGE011
中大于
Figure 814639DEST_PATH_IMAGE013
的部分，该部分在
Figure 808003DEST_PATH_IMAGE014
轴上的投影范围[
Figure DEST_PATH_IMAGE069
]即 为
Figure 624649DEST_PATH_IMAGE013
对应的算法门控范围
Figure 692487DEST_PATH_IMAGE008
，可参见图3。
步骤九：根据下式计算当前的残差值
Figure 215872DEST_PATH_IMAGE016
：
Figure 442454DEST_PATH_IMAGE017
其中
Figure 152921DEST_PATH_IMAGE018
表示取绝对值运算。
步骤十：根据当前的残差值
Figure 693624DEST_PATH_IMAGE016
计算当前门控范围修正值
Figure 133832DEST_PATH_IMAGE019
，其中
Figure 734578DEST_PATH_IMAGE021
表示取
Figure 260237DEST_PATH_IMAGE022
中的最大值，
Figure 604631DEST_PATH_IMAGE022
代表任意数值：
Figure 899346DEST_PATH_IMAGE020
步骤十一：判断
Figure 670993DEST_PATH_IMAGE019
与
Figure 683948DEST_PATH_IMAGE023
的关系，若
Figure 566453DEST_PATH_IMAGE024
，则对
Figure 981254DEST_PATH_IMAGE011
中不在
Figure 923802DEST_PATH_IMAGE008
范围内的 信号幅值进行降序排列，取其中第
Figure 361737DEST_PATH_IMAGE019
个数值作为算法第一备选门控阈值
Figure 110250DEST_PATH_IMAGE025
，利用步骤八与 步骤九的计算方法，获得第一备选门控阈值
Figure 642207DEST_PATH_IMAGE025
对应的算法门控范围
Figure 755657DEST_PATH_IMAGE026
及残差值
Figure 743204DEST_PATH_IMAGE070
，转至 步骤十二；
若
Figure 29829DEST_PATH_IMAGE028
，则令m 1=m，
Figure DEST_PATH_IMAGE071
，直接转至步骤十二；
步骤十二：判断
Figure 356905DEST_PATH_IMAGE019
与
Figure 437994DEST_PATH_IMAGE008
的关系，若
Figure 850520DEST_PATH_IMAGE030
，对
Figure 940836DEST_PATH_IMAGE011
中在
Figure 122419DEST_PATH_IMAGE008
范围内的信号幅值进行升 序排列，取其中第
Figure 639988DEST_PATH_IMAGE019
个数值作为算法第二备选门控阈值
Figure 274231DEST_PATH_IMAGE031
；利用步骤八与步骤九的计算 方法，获得第二备选门控阈值
Figure 902659DEST_PATH_IMAGE031
对应的算法门控范围
Figure 673169DEST_PATH_IMAGE032
及残差值
Figure 299322DEST_PATH_IMAGE033
，转至步骤十三；若
Figure 483179DEST_PATH_IMAGE072
，则令m 2=m，
Figure 852980DEST_PATH_IMAGE035
，直接转至步骤十三；
步骤十三：比较
Figure 74402DEST_PATH_IMAGE027
与
Figure 871457DEST_PATH_IMAGE033
，若
Figure 542609DEST_PATH_IMAGE036
，则令
Figure 450522DEST_PATH_IMAGE037
，判断是否满足停止准则，若 满足，则将
Figure 523521DEST_PATH_IMAGE031
作为算法门控阈值，
Figure 491477DEST_PATH_IMAGE031
对应的算法门控范围
Figure 649926DEST_PATH_IMAGE032
作为算法门控范围；若不满 足，则令
Figure 423846DEST_PATH_IMAGE038
，
Figure DEST_PATH_IMAGE073
，则进入步骤十四；
若
Figure 882510DEST_PATH_IMAGE074
，则令
Figure 83684DEST_PATH_IMAGE041
，判断是否满足停止准则，若满足，则将
Figure 667112DEST_PATH_IMAGE025
作为算法门 控阈值，
Figure 244724DEST_PATH_IMAGE025
对应的算法门控范围
Figure 964418DEST_PATH_IMAGE026
作为算法门控范围；若不满足，则令
Figure 357001DEST_PATH_IMAGE042
，
Figure 427726DEST_PATH_IMAGE043
，则进入步骤十四；
步骤十四：利用步骤十的计算方法，根据当前残差值计算当前门控范围修正值
Figure 543449DEST_PATH_IMAGE019
， 重复执行步骤十一至步骤十三。
停止准则为当前残差值小于预设的停止准则
Figure 383229DEST_PATH_IMAGE049
，或当前残差值与上一代残差值之 间差值的绝对值小于
Figure 926206DEST_PATH_IMAGE049
。
步骤十五：搜索
Figure 484226DEST_PATH_IMAGE008
中连续两个位置间相距宽度大于
Figure 138062DEST_PATH_IMAGE065
的位置，删除相应位置并更新
Figure 97927DEST_PATH_IMAGE008
。
将激光脉宽近似为高斯函数，按照2
Figure 15068DEST_PATH_IMAGE050
准则（
Figure DEST_PATH_IMAGE075
为高斯分布的方差，2
Figure 857122DEST_PATH_IMAGE050
即为95%的概 率积分）对
Figure 314648DEST_PATH_IMAGE008
延拓；设
Figure 129020DEST_PATH_IMAGE051
为高斯函数峰值在横轴的投影，
Figure 13800DEST_PATH_IMAGE076
为（
Figure 280833DEST_PATH_IMAGE053
2
Figure 542050DEST_PATH_IMAGE054
2
Figure 210929DEST_PATH_IMAGE055
所对应的 宽度，即有
Figure 204292DEST_PATH_IMAGE056
，
Figure 23868DEST_PATH_IMAGE057
，
Figure 760880DEST_PATH_IMAGE008
=[
Figure DEST_PATH_IMAGE077
]，其中
Figure 815424DEST_PATH_IMAGE059
表示取整操 作。
如图4所示，经过上述操作后，原始信号中大部分的噪声已被自适应地滤除，从而大大增强了信号噪声比，使其具备了接近理想信号的特性。
本发明还提供一种强噪声环境下单光子成像的目标信息自动提取系统，包括处理器及存储器，所述存储器中存储计算机程序，计算机程序在处理器中运行时，执行强噪声环境下单光子成像的目标信息自动提取方法。
本发明还提供一种计算机可读存储介质，用于存储程序，程序被执行时实现强噪声环境下单光子成像的目标信息自动提取方法的步骤。在一些可能的实施方式中，本发明还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行本说明书上述方法部分中描述的根据本发明各种示例性实施方式的步骤。
用于实现上述方法的程序产品，其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本发明的程序产品不限于此，在本发明中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子（非穷举的列表）包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器（RAM）、只读存储器（ROM）、可擦式可编程只读存储器（EPROM或闪存）、光纤、便携式紧凑盘只读存储器（CD-ROM）、光存储器件、磁存储器件、或者上述的任意合适的组合。

Claims (8)

1.一种强噪声环境下单光子成像的目标信息自动提取方法，其特征在于，包括以下步骤：
步骤1：采集原始三维回波数据
Figure DEST_PATH_IMAGE001
；
通过单光子成像系统采集原始三维回波数据
Figure 61291DEST_PATH_IMAGE001
，获取原始三维回波数据
Figure 978431DEST_PATH_IMAGE001
的三维尺寸数 据：像素行数
Figure 820485DEST_PATH_IMAGE002
，像素列数
Figure DEST_PATH_IMAGE003
及观测窗口长度
Figure 280941DEST_PATH_IMAGE004
；
步骤2：确定算法初始参数；
算法初始参数包括噪声估计范围
Figure DEST_PATH_IMAGE005
与激光脉冲半高全宽
Figure 157630DEST_PATH_IMAGE006
；
步骤3：根据原始三维回波数据
Figure 980093DEST_PATH_IMAGE001
、原始三维回波数据
Figure 309443DEST_PATH_IMAGE001
的三维尺寸数据及算法初始参数 确定回波信号噪声水平的估计
Figure DEST_PATH_IMAGE007
、平均像素光子数PPP及信号噪声比SBR；
步骤4：估计算法初始门控阈值m及其对应的算法门控范围
Figure 570660DEST_PATH_IMAGE008
；
步骤4.1：估计算法初始门控阈值m：
Figure 239539DEST_PATH_IMAGE009
其中
Figure 295220DEST_PATH_IMAGE010
为
Figure DEST_PATH_IMAGE011
的最大值，
Figure 846287DEST_PATH_IMAGE011
为原始三维回波数据
Figure 380036DEST_PATH_IMAGE001
在空间域上求和后的一维信号，
Figure 903421DEST_PATH_IMAGE012
表示自 然常数；
步骤4.2：估计m对应的算法门控范围
Figure 333266DEST_PATH_IMAGE008
：
截取
Figure 902787DEST_PATH_IMAGE011
中大于
Figure DEST_PATH_IMAGE013
的部分，该部分在
Figure 995156DEST_PATH_IMAGE014
轴上的投影范围[
Figure DEST_PATH_IMAGE015
]即为
Figure 966523DEST_PATH_IMAGE013
对应的算法门控 范围
Figure 301690DEST_PATH_IMAGE008
；
步骤5：根据下式计算当前的残差值
Figure 92928DEST_PATH_IMAGE016
：
Figure DEST_PATH_IMAGE017
其中
Figure 968480DEST_PATH_IMAGE018
表示取绝对值运算；
步骤6：根据当前的残差值
Figure 263195DEST_PATH_IMAGE016
计算当前门控范围修正值
Figure DEST_PATH_IMAGE019
：
Figure 97159DEST_PATH_IMAGE020
其中
Figure DEST_PATH_IMAGE021
表示取
Figure 47798DEST_PATH_IMAGE022
中的最大值，
Figure 727041DEST_PATH_IMAGE022
代表任意数值；
步骤7：判断
Figure 79525DEST_PATH_IMAGE019
与
Figure DEST_PATH_IMAGE023
的关系，若
Figure 349969DEST_PATH_IMAGE024
，则对
Figure 850221DEST_PATH_IMAGE011
中不在
Figure 270838DEST_PATH_IMAGE008
范围内的信号幅值进行降序 排列，取其中第
Figure 808654DEST_PATH_IMAGE019
个数值作为算法第一备选门控阈值
Figure DEST_PATH_IMAGE025
，利用步骤4.2与步骤5的计算方法， 获得第一备选门控阈值
Figure 984420DEST_PATH_IMAGE025
对应的算法门控范围
Figure 440809DEST_PATH_IMAGE026
及残差值
Figure DEST_PATH_IMAGE027
，转至步骤8；
若
Figure 727434DEST_PATH_IMAGE028
，则令m 1=m，
Figure DEST_PATH_IMAGE029
，直接转至步骤8；
步骤8：判断
Figure 851248DEST_PATH_IMAGE019
与
Figure 135599DEST_PATH_IMAGE008
的关系，若
Figure 610442DEST_PATH_IMAGE030
，对
Figure 638441DEST_PATH_IMAGE011
中在
Figure 882341DEST_PATH_IMAGE008
范围内的信号幅值进行升序排列，取其中 第
Figure 72014DEST_PATH_IMAGE019
个数值作为算法第二备选门控阈值
Figure DEST_PATH_IMAGE031
；利用步骤4.2与步骤5的计算方法，获得第二备选 门控阈值
Figure 34154DEST_PATH_IMAGE031
对应的算法门控范围
Figure 600264DEST_PATH_IMAGE032
及残差值
Figure DEST_PATH_IMAGE033
，转至步骤9；
若
Figure 695740DEST_PATH_IMAGE034
，则令m 2=m，
Figure DEST_PATH_IMAGE035
，直接转至步骤9；
步骤9：比较
Figure 118631DEST_PATH_IMAGE027
与
Figure 505750DEST_PATH_IMAGE033
，若
Figure 937869DEST_PATH_IMAGE036
，则令
Figure DEST_PATH_IMAGE037
，判断是否满足停止准则，若满足，则将
Figure 890781DEST_PATH_IMAGE031
作为 算法门控阈值，
Figure 687836DEST_PATH_IMAGE031
对应的算法门控范围
Figure 358989DEST_PATH_IMAGE032
作为算法门控范围；若不满足，则令
Figure 532481DEST_PATH_IMAGE038
，
Figure DEST_PATH_IMAGE039
， 进入步骤10；
若
Figure 605479DEST_PATH_IMAGE040
，则令
Figure DEST_PATH_IMAGE041
，判断是否满足停止准则，若满足，则将
Figure 166911DEST_PATH_IMAGE025
作为算法门控阈值，
Figure 263043DEST_PATH_IMAGE025
对 应的算法门控范围
Figure 36964DEST_PATH_IMAGE026
作为算法门控范围；若不满足，则令
Figure 902152DEST_PATH_IMAGE042
，
Figure DEST_PATH_IMAGE043
，进入步骤10；
步骤10：利用步骤6的计算方法，根据当前残差值计算当前门控范围修正值
Figure 106255DEST_PATH_IMAGE019
，重复执行 步骤7至步骤9。
2.根据权利要求1所述的强噪声环境下单光子成像的目标信息自动提取方法，其特征 在于，还包括步骤11：搜索
Figure 752000DEST_PATH_IMAGE008
中连续两个位置间相距宽度大于
Figure 1716DEST_PATH_IMAGE006
的位置，删除相应位置并更新
Figure 49307DEST_PATH_IMAGE008
，并根据2
Figure 359065DEST_PATH_IMAGE044
准则对
Figure 429789DEST_PATH_IMAGE008
延拓。
3.根据权利要求2所述的强噪声环境下单光子成像的目标信息自动提取方法，其特征在于，步骤3具体如下：
步骤3.1：取
Figure 76671DEST_PATH_IMAGE011
中前
Figure 916451DEST_PATH_IMAGE005
个计时栅格的计数平均值与图像尺寸
Figure DEST_PATH_IMAGE045
的比值作为回波信号噪 声水平的估计
Figure 725007DEST_PATH_IMAGE007
：
Figure 17448DEST_PATH_IMAGE046
其中i为循环的索引；
步骤3.2：根据
Figure 671284DEST_PATH_IMAGE011
与噪声水平的估计
Figure 365570DEST_PATH_IMAGE007
计算平均像素光子数PPP：
Figure DEST_PATH_IMAGE047
步骤3.3：根据PPP与
Figure 79448DEST_PATH_IMAGE007
计算信号噪声比SBR：
Figure DEST_PATH_IMAGE048
。
4.根据权利要求3所述的强噪声环境下单光子成像的目标信息自动提取方法，其特征在于，步骤9中的停止准则为：
当前残差值小于预设的停止准则
Figure 184152DEST_PATH_IMAGE049
，或当前残差值与上一代残差值之间差值的绝对值小 于
Figure 641678DEST_PATH_IMAGE049
。
5.根据权利要求2-4任一所述的强噪声环境下单光子成像的目标信息自动提取方法， 其特征在于，步骤11中根据2
Figure 190471DEST_PATH_IMAGE044
准则对
Figure 278513DEST_PATH_IMAGE008
延拓的过程具体为：将激光脉宽近似为高斯函数，按 照2
Figure 607863DEST_PATH_IMAGE050
准则对
Figure 806763DEST_PATH_IMAGE008
延拓；设
Figure 272380DEST_PATH_IMAGE051
为高斯函数峰值在横轴的投影，
Figure 328060DEST_PATH_IMAGE052
为（
Figure 82390DEST_PATH_IMAGE053
2
Figure 881718DEST_PATH_IMAGE054
2
Figure DEST_PATH_IMAGE055
所对应的宽度，即 有
Figure 467421DEST_PATH_IMAGE056
，
Figure DEST_PATH_IMAGE057
，
Figure 959582DEST_PATH_IMAGE008
=[
Figure 935628DEST_PATH_IMAGE015
]，其中
Figure 538648DEST_PATH_IMAGE058
表示取整操作。
6.根据权利要求1-4任一所述的强噪声环境下单光子成像的目标信息自动提取方法，其特征在于，步骤2中：
噪声估计范围
Figure 182119DEST_PATH_IMAGE005
在单光子成像系统提供的噪声估计范围参数附近选取，排除目标影响；
激光脉冲半高全宽
Figure 517285DEST_PATH_IMAGE006
由激光器与时间相关单光子计数器的相关参数给定。
7.一种强噪声环境下单光子成像的目标信息自动提取系统，包括处理器及存储器，其特征在于：所述存储器中存储计算机程序，计算机程序在处理器中运行时，执行权利要求1至6任一所述的方法。
8.一种计算机可读存储介质，其特征在于：储存有计算机程序，计算机程序被执行时实现权利要求1至6任一所述的方法。
CN202110856723.1A 2021-07-28 2021-07-28 强噪声环境下单光子成像的目标信息自动提取方法及系统 Active CN113296075B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110856723.1A CN113296075B (zh) 2021-07-28 2021-07-28 强噪声环境下单光子成像的目标信息自动提取方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110856723.1A CN113296075B (zh) 2021-07-28 2021-07-28 强噪声环境下单光子成像的目标信息自动提取方法及系统

Publications (2)

Publication Number Publication Date
CN113296075A CN113296075A (zh) 2021-08-24
CN113296075B true CN113296075B (zh) 2021-12-14

Family

ID=77331211

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110856723.1A Active CN113296075B (zh) 2021-07-28 2021-07-28 强噪声环境下单光子成像的目标信息自动提取方法及系统

Country Status (1)

Country Link
CN (1) CN113296075B (zh)

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2469294A1 (en) * 2010-12-23 2012-06-27 André Borowski 2D/3D real-time imager and corresponding imaging methods
CN105607073A (zh) * 2015-12-18 2016-05-25 哈尔滨工业大学 一种采用相邻像元阈值法实时滤噪的光子计数成像激光雷达
CN107422392B (zh) * 2017-08-08 2019-03-08 中国科学院西安光学精密机械研究所 一种基于单光子探测的绕角定位与追踪系统及方法
CN107798290B (zh) * 2017-09-14 2020-06-16 中国科学院西安光学精密机械研究所 基于光子计数的三维图像信噪分离和混合正则化重构方法
CN112731443B (zh) * 2021-02-08 2022-11-25 山东大学 一种单光子激光雷达与短波红外图像融合的三维成像系统及方法

Also Published As

Publication number Publication date
CN113296075A (zh) 2021-08-24

Similar Documents

Publication Publication Date Title
CN108845306B (zh) 基于变分模态分解的激光雷达回波信号去噪方法
CN103760542B (zh) 一种基于多模式的变化指数恒虚警目标检测方法
CN101988963B (zh) 利用风廓线雷达获取三维风场的方法
CN103989462B (zh) 一种脉搏波形第一特征点和第二特征点的提取方法
CN103760543A (zh) 一种基于多模式的恒虚警目标检测方法
CN110502801B (zh) 海洋温度锋自动追踪和特征参数信息提取方法
CN110134976B (zh) 一种机载激光测深信号提取方法及系统
CN103675791B (zh) 基于数值分布均衡化的米散射激光雷达云识别方法
CN116452594B (zh) 一种输电线路状态可视化监测预警方法及系统
CN103995950A (zh) 基于空域相关修正阈值的变小波系数局部放电信号消噪方法
CN106500671A (zh) 一种基于lm算法分解激光雷达波形确定海水深度的方法
CN109801236A (zh) 一种基于混合高斯模型的光子点云去噪方法
CN109190640A (zh) 一种基于大数据的浮游生物的拦截式采集方法及采集系统
CN113296075B (zh) 强噪声环境下单光子成像的目标信息自动提取方法及系统
CN106526545A (zh) 一种鲁棒cfar检测器的检测方法
CN111812670B (zh) 一种单光子激光雷达空间变换噪声判断、滤波方法及装置
CN109461171A (zh) 基于多通道改进DoG滤波的红外弱小目标检测算法
CN112881983A (zh) 基于双边截断统计特性的sar图像舰船cfar检测方法
ZHU et al. Dim small targets detection based on horizontal-vertical multi-scale grayscale difference weighted bilateral filtering
CN114114400B (zh) 微地震事件有效信号拾取方法
CN105139448A (zh) 一种强风暴结构特征的三维显示方法
CN112287562B (zh) 一种电力设备退役数据补全方法及系统
CN111175706B (zh) 一种基于局部门限判断的插值杂波图方法
CN103886554B (zh) 自动识别系统中的代码定位方法
CN110020614A (zh) 基于全局拟合的活动轮廓sar图像河流提取方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant