《Optics & Laser Technology》：Research on signal extraction algorithm and point cloud image joint reconstruction algorithm for 256 × 128 large-array GM-APD active laser imaging based on Poisson weight gain
编辑推荐：
尹胜文|李思宁|周欣|孙健锋|郭东方|林前进|邵彦明|陈琛中国哈尔滨工业大学激光空间信息国家重点实验室，哈尔滨，黑龙江150001摘要在低脉冲能量下，使用256 × 128 Geiger模式雪崩光电二极管（GM-APD）进行单光子成像时，测距门初始位置的高触发概率结合暗计数现象会
尹胜文|李思宁|周欣|孙健锋|郭东方|林前进|邵彦明|陈琛
中国哈尔滨工业大学激光空间信息国家重点实验室，哈尔滨，黑龙江150001
摘要
在低脉冲能量下，使用256 × 128 Geiger模式雪崩光电二极管（GM-APD）进行单光子成像时，测距门初始位置的高触发概率结合暗计数现象会导致该位置出现显著的噪声峰值。通过屏蔽后续的信号返回，这一峰值会引入异常值，并降低重构点云的轮廓清晰度和细节。此外，由于信噪比（SNR）较低，前景和背景的触发率会趋同，使得简单的强度阈值处理方法失效。我们提出了一种基于泊松统计的信号提取方法（PWG），该方法利用时间直方图数据中的泊松特性来抑制测距门初始位置的噪声峰值并增强真实回波。进一步引入了点云聚类与形态学滤波（PCCMF）联合去噪策略，通过将DBSCAN密度聚类与形态学滤波相结合，去除离散异常值的同时保持目标几何形状。基于上述两种方法，构建了泊松权重增益-点云聚类与形态学滤波（PWG-PCCMF）串联联合算法框架。在使用256 × 128主动成像系统的多距离建筑群场景实验中，当SNR > 0.066时，该方法展现了有效的背景抑制能力和高质量的重构效果，优于峰值提取方法、交叉邻域方法、匹配滤波方法及其混合基线。
引言
单光子检测技术凭借其单光子级别的检测灵敏度，突破了传统光电检测技术在弱信号场景下的性能瓶颈[1]、[2]、[3]。这种极高的灵敏度使得能够检测到由远距离、低反射率或小型目标（如低空飞机、粗糙表面的非金属部件和微型无人机）反射的微弱光信号，从而实现精确检测和早期预警。该技术在遥感和测绘、自动驾驶以及国家安全防卫等领域具有广泛的应用潜力[4]、[5]，近年来已成为光电检测领域的研究热点，吸引了大量科学研究资源。
作为单光子检测技术的核心器件，Geiger模式雪崩光电二极管（GM-APD）具有单光子级别的检测能力和纳秒级的时间响应特性[6]、[7]、[8]，是实现高精度3D成像的关键组件[9]、[10]、[11]、[12]。近年来，GM-APD探测器已发展到大规模阵列阶段，出现了256 × 128甚至更大规模的阵列。大规模阵列不仅显著提高了成像的空间分辨率，还显著增加了点云密度，为获取目标表面纹理和精细结构等丰富的3D信息奠定了坚实的硬件基础。
随着成像分辨率要求的不断提高，大规模GM-APD阵列由于其空间覆盖范围和细节描述方面的优势，逐渐成为单光子3D成像领域的研究热点[13]、[14]。通过增加像素数量，大规模阵列可以在单次成像过程中获取更多的目标采样点，显著提高点云密度，为精细重建目标轮廓奠定基础。然而，在实际成像过程中，大规模GM-APD阵列仍面临严重的噪声问题。其中一个突出的问题是，在固定门宽的控制下，测距门初始位置的触发概率相对较高[15]。在暗计数、后脉冲和背景杂散光等噪声因素的共同作用下，信号统计直方图中测距门初始位置通常会形成显著的噪声峰值[17]。这种噪声峰值不仅淹没了相邻区域的微弱信号，还在3D点云重构结果中引入了大量空间孤立的虚假点。这些异常噪声点与真实目标信号混杂在一起，严重降低了信噪比和图像的完整性，并对后续的目标检测、分类和识别造成严重干扰[18]。
为了解决大规模GM-APD阵列的噪声问题，研究人员提出了多种传统的噪声滤波方法。这些方法包括峰值提取方法（PM），通过设置阈值来过滤低强度噪声以识别有效信号峰值；交叉邻域方法（CN），通过分析像素与其邻域内的信号相关性来判断噪声；匹配滤波方法（MF），通过将信号与预定义的模板进行匹配来识别真实信号；以及交叉邻域与匹配滤波结合的方法（CN-MF），该方法结合了交叉邻域的空间相关性增强和匹配滤波的时间模板匹配。尽管这些方法在中等至高信噪比条件下表现良好，但在低信噪比环境下效果显著下降。特别是，传统方法难以准确模拟噪声峰值的分布特性和信号的统计规律，导致噪声与真实信号之间的区分度不足[19]、[20]。随着大规模GM-APD阵列向更高分辨率和更远检测距离发展，传统方法难以满足高质量成像的需求。因此，开发一种能够准确模拟噪声特性并在此基础上实现高效噪声滤波的新方法，成为突破其性能瓶颈的关键。这种方法不仅能够提升单光子3D成像的质量和可靠性，还能充分发挥大规模GM-APD阵列的成像潜力，促进其在遥感和测绘、自动驾驶及国家安全等领域中的实际应用，具有重要的研究意义和工程应用价值。
为了解决大规模GM-APD阵列的噪声问题，本文重点研究了异常噪声点信号的提取和高效噪声滤波算法的设计。首先，对大规模GM-APD阵列的噪声特性进行定量分析和建模，重点分析测距门初始位置噪声峰值的强度分布和时间相关性规律。基于实验数据并结合泊松分布的特性，构建基于泊松分布的加权模型，以抑制噪声峰值对真实信号的影响，为噪声滤波算法的设计提供理论基础。其次，提出了一种由噪声模型引导的联合噪声滤波算法。该算法利用点云聚类通过空间相关性消除孤立噪声点，并结合形态学滤波优化目标轮廓的完整性。通过这种协同机制，准确分离噪声和真实信号，同时避免对有效信号的过度滤波。最后，在实际实验中，使用256 × 128 GM-APD阵列收集目标数据，验证算法的噪声滤波效果和工程适用性。此外，还建立模拟数据来测试算法的性能极限。
部分摘录
PWG-PCCMF联合算法框架概述
为了解决256 × 128大规模阵列GM-APD主动激光成像中测距门初始位置显著噪声峰值及后续残余离散噪声干扰的问题，本文提出了一种PWG-PCCMF算法框架，用于信号提取和点云图像的联合重构。算法框架图如图1所示，该框架采用两阶段串联设计，协同整合了时域统计特性
仿真实验概述
仿真实验部分采用逐步逻辑设计，引导读者从对算法的广泛验证逐步深入到对其性能极限的详细分析。具体而言，第2.2节验证了算法在复杂多目标环境中的有效性，建立了与传统方法的性能基准。随后，第2.3节系统研究了算法的鲁棒性和性能极限
结论
本研究提出了一种完整的方法论——从统计建模和算法设计到系统级实验和仿真测试——以减轻256 × 128大格式GM-APD激光雷达成像中测距门初始位置的噪声峰值污染和背景引入的虚假点问题。首先，我们开发了一种基于泊松分布的权重增益（PWG）信号提取方案，利用光子事件的泊松特性构建了飞行时间补偿加权模型
CRediT作者贡献声明
尹胜文：写作——审稿与编辑、初稿撰写、可视化处理、验证、软件开发、方法论制定、数据管理、概念规划。李思宁：验证、软件开发、资源协调、调查分析。周欣：初稿撰写、可视化处理、验证、项目监督、调查协调。孙健锋：项目监督、方法论制定、资金申请、数据管理。郭东方：写作——审稿与编辑、可视化处理、项目监督。
资助
中国航天科技集团第八研究院产学研合作基金（编号：SAST 2023-054）；
国家自然科学基金（编号：62505069）。
利益冲突声明
作者声明以下财务利益/个人关系可能构成潜在的利益冲突：周欣表示获得了中国航天科技集团第八研究院产学研合作基金（编号：SAST 2023-054）和国家自然科学基金（编号：62505069）的财务支持。如果有其他作者，他们声明自己没有已知的财务利益冲突或
