SPDCW-Mamba：基于双通道小波特征增强技术的单光子3D重建网络

《Optics & Laser Technology》：SPDCW-Mamba: Single-Photon 3D reconstruction network based on Dual-Channel wavelet feature enhancement

单光子三维成像技术面临强背景噪声导致的图像空间结构退化问题，提出SPDCW-Mamba网络采用双通道小波特征增强与动态状态空间建模，分别处理低频全局结构和高频边缘细节，有效提升三维重建的噪声抑制能力与结构完整性。

　　

Xu Yang|Shuai Qi|Hancui Zhang|Lu Xu|Long Wu|Ziyi Tong|Zhen Yang|Yong Zhang|Jianlong Zhang

浙江科技大学计算机科学与技术学院，中国杭州310018

摘要

单光子成像技术具有极高的灵敏度，能够通过单光子或亚光子计数来检测回声激光信号。然而，现有的单光子三维成像容易受到强背景噪声的影响，导致重建的距离图像的空间结构和局部纹理细节出现退化。为了解决这个问题，本文提出了一种基于双通道小波特征增强的SPDCW-Mamba网络用于单光子3D重建。通过引入具有动态调节能力的状态空间建模机制，实现了从原始点云中准确提取和恢复有效距离特征。双路径特征重建模块结合小波变换，将重建过程分为低频路径和高频路径。在两条路径上分别进行特征提取和增强，从而有效强化局部边缘细节和全局几何结构的建模，提高了生成的距离图像的清晰度和结构完整性。与传统的单光子3D重建方法相比，所提出的方法在强噪声背景下的性能更加稳健，恢复了更准确的距离信息。

引言

单光子雪崩二极管（SPAD）具有单光子响应、高信号增益、快速响应和紧凑尺寸等优点。因此，基于SPAD的激光雷达系统已成为远距离检测的重要技术手段[1]。在远距离检测中，反射光子的数量处于单光子或亚光子级别，这会导致显著的测距误差、图像模糊以及重建结果中结构细节的丢失。为了提高单光子3D重建质量[2]，已经提出了多种高效的重建方法。其中一些算法利用场景结构先验来重建相关概率模型，并基于概率模型去除像素级背景噪声[3]。另一类单光子重建算法基于深度学习，这些基于学习的算法表现出更高的重建保真度和计算效率（见表1、表2、表3、表4）。

尽管基于学习的算法在低信噪比（SBR）条件下具有稳健的距离估计能力，但重建结果的成像质量仍受噪声限制。由于噪声的影响，重建结果中的空间结构和局部纹理细节会出现严重退化。为了减少噪声的影响并提高单光子重建结果的质量，本文提出了基于双通道小波增强的Mamba网络模型（SPDCW-Mamba）[4]。与早期的单光子重建算法不同，所提出的方法直接从原始数字测量数据中分析和建模距离信息。在距离图像的微小结构和边缘恢复方面取得了显著改进[5]。改进的旋风状态空间模块和选择性激活机制被集成到双路径特征重建（DFR）模块中，使网络更有效地关注与目标距离相关的关键区域，从而抑制了受噪声影响的区域，增强了弱信号目标的感知能力。在图像重建模块中，使用小波变换提取低频成分和高频成分，并通过与小波变换特性相匹配的特征增强模块进行特征增强，显著提高了场景距离估计的准确性和细节及纹理重建的完整性。特征增强模块的结构基于双路径注意力设计，旨在克服单路径注意力在特征提取方面的局限性。该模块还集成了通道压缩方法，在计算前减少通道数量，从而在保留与距离相关的重要结构信息的同时降低计算成本。此外，实验使用了64×64 SPAD阵列激光雷达系统[6]，实验结果表明所提出的SPDCW-Mamba对噪声具有很强的抗干扰能力，并在距离信息重建方面表现出优异的性能。

本文的主要贡献如下：

1) 提出了一种基于小波分解的双分支特征建模方法。设计了一个注意力增强模块，以适应低频全局结构和高频边缘细节。低频成分有助于重建全局结构的完整性和整体距离趋势。高频成分增强了轮廓边缘和微观结构特征的重建。

2) 采用了轻量高效注意力机制。通过建立空间位置之间的长距离依赖性，特征增强模块能够强化高频成分中弱边界和局部纹理细节的建模能力。

3) 设计了旋风状态空间模块。旋风卷积增强了模型对多方向高频细节的感知能力，包括非轴向对齐的边缘和方向不规则的结构。基于状态空间的建模方法捕捉了点云区域之间的依赖性，从而改善了网络对距离信息全局结构连续性的重建。

部分摘录

统计建模和先验约束算法

为了在低光子通量和高噪声水平下提高基于SPAD的重建能力，已经开发出了许多先进的重建算法和成像系统[7]。这些方法基于贝叶斯推理、阵列光子统计和自适应滤波，从而提升了成像精度、噪声抑制能力和动态场景的重建能力。参考文献[8]提出了第一光子成像（FP）方法。

SPAD激光雷达的成像处理

在SPAD激光雷达系统中[7]，脉冲激光以特定的重复率Ta发射。激光散射后到达目标表面，从目标反射回来的信号携带了距离信息。反射信号与背景光子结合，由光学接收天线收集。SPAD阵列执行光子计数和时间戳记录，提供了高时间分辨率[30]、[31]、[32]、[33]。

获取到的

数据集准备

用于网络训练的数据集是基于NYU v2模拟生成的。在模拟过程中，使用NYU v2中的RGB-D[42]（距离图像）对提取距离图像和灰度图，分别作为真实场景的距离和反照率信息。缺失值通过插值填充。根据激光飞行时间原理，将距离图像转换为飞行时间（ToF）图，并量化为1024个时间bin，时间分辨率为80 ps。

真实实验

在真实世界实验中，使用的探测器是GD5551 InGaAs SPAD，其空间分辨率为64×64，时间分辨率为1 ns。详细系统参数如下：采用脉冲激光，脉冲功率为500 mW，重复率为20 kHz，波长为1064 nm，脉冲宽度为1 ns，光束发散（点发射）角度为25°。成像镜头的焦距为50 mm，有效孔径为70 mm。

结论

单光子三维成像仍然容易受到强背景噪声的影响，导致重建的距离图像在空间结构上出现退化，局部纹理细节的表示也减弱。本文提出了一种基于状态空间建模的深度重建方法，能够高效地将输入的三维单光子数据立方体重建为高质量的距离图像。采用2D-SSM构建PSSM。

CRediT作者贡献声明

Xu Yang：撰写 – 审稿与编辑，撰写 – 原稿，监督。Shuai Qi：撰写 – 审稿与编辑，撰写 – 原稿。Hancui Zhang：概念构思。Lu Xu：数据管理。Long Wu：数据管理。Ziyi Tong：形式分析。Zhen Yang：资金获取。Yong Zhang：调查研究。Jianlong Zhang：资源协调。

资助

国家自然科学基金（62301493, 62371163）；国家水下声学技术重点实验室（JCKYS2024604SSJS00303）；中国基础科学研究计划（JCKY2024603C034）；国家激光空间信息重点实验室；国家水下声学技术重点实验室（JCKYS2024604SSJS00303）。

利益冲突声明

作者声明他们没有已知的可能会影响本文所述工作的财务利益或个人关系。