《IEEE Open Journal of Signal Processing》：Adaptive Spiral Scanning for Confocal Non-Line-of-Sight Imaging
编辑推荐：
针对传统NLOS成像均匀光栅或固定轨迹扫描耗时久、难聚焦强信号区的问题，本文提出DAS-CNLOS方法，依据回波强度动态偏移螺旋中心，并结合VDC校正密度不均，以有限扫描点实现优于传统圆扫和螺旋扫的2D重建质量。
在科幻电影中，我们常常能看到这样的场景：主角戴上一副特制眼镜，或者操控一架带有特殊传感器的无人机，便能轻松“看”到墙角背后、障碍物后方隐藏的人或物体。这种看似只存在于幻想中的“透视眼”能力，在现实世界的光学与信号处理领域中，正逐步成为一项极具颠覆性的前沿技术——非视距（Non-line-of-sight, NLOS）成像。NLOS成像的核心目标，是利用光在中介表面（如墙壁、地面等漫反射面）上的多次反射，来重构那些无法直接被观测到的隐藏物体。其中，共聚焦非视距（Confocal NLOS）成像因其系统相对简洁、信号路径明确以及重建算法（如光锥变换）高效而备受关注。
然而，这项技术要走向实际应用，仍面临着一个颇为棘手的“效率瓶颈”。传统的NLOS成像方法，通常依赖于对中继表面（即中介面）进行均匀的光栅扫描（raster scanning），即像打印机打印那样，一行行、一格格地打光并采集回波。这种方式虽然逻辑简单，但极其耗时。为了提升速度，研究者们尝试了圆形扫描、螺旋扫描等预设轨迹，但问题依然存在：这些轨迹都是“死板”的预定义路径。当隐藏物体在空间上较为局域化（比如墙后只有一个小目标）时，固定的扫描点无法根据中继面上回波强度的实际分布进行动态调整。这就导致了很多采样点浪费在了回波微弱的无用区域，而真正包含强返回强度、蕴含隐藏物体信息的关键区域却得不到足够的采样，最终直接导致重建质量下降，且总采集时间依然偏长。
为了打破这一僵局，论文《Adaptive Spiral Scanning for Confocal Non-Line-of-Sight Imaging》（发表于《IEEE Open Journal of Signal Processing》）提出了一种名为动态阿基米德螺旋共聚焦非视距（Dynamic Archimedean Spiral Confocal NLOS, DAS-CNLOS）的全新扫描与重建框架。该方法不再固守预设路径，而是让扫描轨迹“活”了起来——它根据实时观测到的回波强度分布，动态地为高光强区域分配更多的采样资源。通过在有限数量的扫描点下高效捕获隐藏物体的回波强度，并利用自适应偏移螺旋中心以及引入Voronoi密度补偿（Voronoi Density Compensation, VDC）算法，成功实现了高质量、高鲁棒性的2D重建。实验结果证明，DAS-CNLOS在重建质量上显著优于传统的圆形扫描和螺旋扫描方法。
作者在开展研究时用到的几个主要关键技术方法包括：1. 动态阿基米德螺旋扫描策略：基于顺序估计的强度分布，自适应地将阿基米德螺旋的扫描中心向高强度的区域偏移，以在有限扫描点数下最大化有效信号的采集；2. 共聚焦NLOS成像系统：利用中继表面反射激光脉冲，通过共聚焦光路接收隐藏物体二次反射回来的光子信号，并记录其时间直方图以获知回波强度；3. Voronoi密度补偿（VDC）算法：针对动态螺旋扫描带来的采样点密度不均匀问题，在2D重建阶段利用基于Voronoi图的密度补偿技术进行校正，确保重建的鲁棒性与高质量；4. 光锥变换（Light-Cone Transform, LCT）相关重建思路：用于从时空测量数据中恢复隐藏场景的信息。
动态阿基米德螺旋扫描机制的构建
研究人员首先剖析了固定轨迹扫描的弊端，指出当隐藏物体局部分布时，均匀或固定螺旋扫描均无法针对性地加强高信号区的采样。为此，他们提出了DAS-CNLOS的扫描逻辑：在扫描过程中，系统会根据已采集的回波强度， sequentially（顺序地）估计中继面上的强度分布图，然后计算出强度质心或高值区域，并动态地将下一轮阿基米德螺旋的中心平移至该区域。通过这种方式，螺旋扫描路径始终“追随”着最有价值的信号热点。这一机制确保了在总扫描点数受限（即采集时间受限）的前提下，绝大部分采样点都能落在回波强度较高的位置上，从而极大提升了单位时间内的有效信息获取率。
Voronoi密度补偿（VDC）用于非均匀采样重建
动态偏移螺旋中心虽然优化了采样点的宏观分布，但也引入了新的问题：扫描点在中继面上的分布变得极不均匀（密度不均）。如果直接对这种非均匀采样数据进行传统的网格化重建，会导致伪影和偏差。对此，作者引入了Voronoi密度补偿（VDC）方法。具体而言，对于每一个扫描点，利用其生成的Voronoi单元面积来估计该点代表的局部区域大小，进而在重建时对每一点赋予相应的密度权重（通常与Voronoi面积成反比或相关补偿因子）。这一处理有效修正了因动态扫描带来的采样密度畸变，使得最终的2D重建图像更加平滑、准确且具备鲁棒性。
与传统扫描方法的定性及定量比较
为了验证DAS-CNLOS的优越性，研究人员进行了系统的实验对比，对照组包括传统的均匀光栅扫描、固定圆形扫描以及固定阿基米德螺旋扫描。实验设置中，隐藏物体被置于中继面（墙面）后方，系统在不同总扫描点数（如几百点到几千点）的条件下分别运行各算法。结果显示，在相同的扫描点数量限制下，DAS-CNLOS的2D重建结果在视觉清晰度、边缘保留以及信噪比（SNR）和结构相似性（SSIM）等定量指标上，均明显优于传统圆形扫描和螺旋扫描。尤其是在点数较少（即极短采集时间）的情况下，DAS-CNLOS依然能勾勒出隐藏物体的基本轮廓与细节，而传统方法则已陷入严重的噪声和模糊中。这证实了自适应分配采样资源的策略在非视距成像中的巨大优势。
不同隐藏场景与鲁棒性测试
进一步的实验还测试了DAS-CNLOS在不同隐藏物体形状、不同距离以及不同反射率条件下的表现。结果表明，无论是较为简单的几何形状还是稍复杂的图案，该方法均能稳定地动态锁定高强度反射区并完成高密度采样覆盖。即便在回波信号整体较弱或背景噪声干扰较大的情况下，得益于强度导向的自适应扫描与VDC的后处理校正，重建质量依然保持在较高水平。这说明DAS-CNLOS不仅提升了效率，也增强了共聚焦NLOS成像在复杂实际场景下的适用性和可靠性。
总结与讨论
总而言之，这篇论文针对共聚焦非视距成像中长期存在的扫描效率低、固定轨迹难适配局域化隐藏目标的问题，创新性地提出了动态阿基米德螺旋扫描（DAS-CNLOS）框架。通过让扫描轨迹根据回波强度分布自适应偏移中心，该方法在有限扫描点数下极大化了有效信号的采集；同时，辅以Voronoi密度补偿（VDC）算法巧妙解决了动态扫描带来的采样非均匀性难题，从而实现了高质量2D重建。与传统的圆形及螺旋扫描相比，DAS-CNLOS在同等时间预算下输出了更为清晰、准确的隐藏物体图像。
这项研究的重要意义在于，它跳出了“预设扫描轨迹”的传统思维，将反馈式的自适应采样理念引入到了NLOS成像领域，为未来实现实时、低功耗、高精度的非视距成像系统提供了重要的技术路径。无论是在自动驾驶车辆对盲区障碍物的感知、灾难救援中对废墟下生命的探测，还是在特殊环境下的安防监控与医学内窥透视前兆技术中，这种高效的自适应扫描与鲁棒重建思路都具有极高的应用潜力和启发性。随着硬件（如更快的振镜、更高灵敏度的SPAD阵列）的进一步升级，结合DAS-CNLOS类的智能采样策略，非视距“透视成像”距离日常实用化无疑又迈进了一大步。
