基于点云半径滤波的首光子成像去噪方法研究及其在三维重建中的应用

本文提出了一种创新的点云半径滤波去噪算法，针对首光子成像（FPI）技术在低信噪比条件下的深度重建难题。该方法通过分析信号光子与噪声光子在三维空间中的分布差异（利用局部邻域特征分析），突破了传统全局门控（global gating）的深度相关展宽限制。实验表明，该算法使重建图像的均方根误差（RMSE）平均提升71.69%，为弱光条件下的单光子成像（TCSPC）提供了更精准的预处理方案。

　　

亮点（Highlights）

• 提出基于点云半径滤波的新型去噪算法，利用信号与噪声光子的三维空间分布差异实现局部化抑制

• 克服传统全局门控（global gating）的深度诱导展宽效应，显著提升大深度变化场景的信噪比（SNR）

• 通过系统实验验证有效性，实现71.69%的均方根误差（RMSE）平均提升，助力精准深度重建

相关研究（Related work）

FPI去噪算法

首光子成像（FPI）重建是一个具有挑战性的不适定逆问题。早期研究采用基于模型的优化方法，例如基准算法稀疏泊松强度重建（SPIRAL），通常基于泊松模型使用最大似然（ML）或最大后验（MAP）估计，并结合空间先验进行正则化。然而，这些方法在低信噪比（SNR）条件下性能显著下降。

方法（Methods）

FPI系统记录每个像素点首个探测光子的到达时间和脉冲计数。目标信息随后通过最大似然（ML）估计进行恢复，并辅以去噪算法实现图像重建。在重建前，通常采用全局门控方法进行距离选通以降低噪声光子影响。但该方法在高噪声水平和宽深度范围条件下效果有限。

模拟（Simulation）

通过数值模拟FPI中的泊松过程来评估半径滤波算法的去噪性能。采用Middlebury数据集模拟多样化场景，并在不同条件下进行后续模拟。模拟过程对每个像素点的成像进行建模，生成具有飞行时间和到达脉冲数据的光子。通过全局门控去除无效时间区间内的光子，随后进行半径滤波降噪处理。

结论与讨论（Conclusion and discussion）

本文提出了一种基于点云半径滤波的去噪算法以提升FPI数据质量。该方法通过利用信号与噪声光子独特的空间分布特征，克服了传统全局门控的深度诱导展宽效应。理论分析和数值模拟证实，邻域光子计数直方图呈现双峰分布，可实现信号与噪声分量的有效分离。