Método de imagen de desvelado de un solo fotón basado en el ajuste del modelo gaussiano guiado por agrupamiento de...

Área de la Ciencia:

• Fotónica y Detección Óptica
• Imagen Computacional
• Monitoreo Ambiental

Sus antecedentes:

• El lidar de conteo de fotones únicos tiene dificultades en el humo debido al ruido de dispersión y las bajas relaciones señal/ruido (SNR).
• Los fotones de ruido residual después del ajuste Gamma dificultan el ajuste preciso del modelo gaussiano objetivo en el humo.
• Los métodos existentes tienen un rendimiento limitado en la imagen 3D que penetra el humo.

Objetivo del estudio:

• Desarrollar un algoritmo robusto de imagen 3D que penetre el humo para entornos de dispersión desafiantes.
• Mejorar la precisión y calidad de la imagen lidar en condiciones llenas de humo.
• Separar eficazmente las señales objetivo de los fotones de ruido residual.

Principales métodos:

• Se utilizó un modelo Gamma para el ajuste inicial de los datos de fotones de eco y la separación del pico de retrodispersión.
• El agrupamiento de densidad DBSCAN (Density-Based Spatial Clustering of Applications with Noise) analizó los residuos del ajuste para eliminar los fotones de ruido.
• Se aplicó el ajuste del modelo gaussiano a los fotones filtrados para una estimación precisa de la profundidad.

Principales resultados:

• El algoritmo propuesto demostró un rendimiento superior en el conjunto de datos de simulación Middlebury, mostrando un menor RMSE y un mayor SSIM en varios tamaños de partículas de humo.
• Los experimentos del mundo real en condiciones de lluvia y niebla validaron las capacidades de reconstrucción del algoritmo.
• Se logró una mejora significativa en la calidad y precisión de la imagen en entornos de dispersión de humo.

Conclusiones:

• El algoritmo de ajuste del modelo gaussiano guiado por agrupamiento residual DBSCAN mejora eficazmente la penetración del humo para la imagen lidar.
• Este método ofrece un avance significativo para la imagen 3D en condiciones atmosféricas adversas.
• El algoritmo proporciona una solución fiable para la estimación precisa de la profundidad y la reconstrucción de objetos en entornos de dispersión.