Non-line-of-sight (NLOS) beeldvorming is gericht op het herstellen van verduisterde objecten van meervoudig verstrooid licht. Het heeft onlangs veel aandacht gekregen vanwege zijn potentiële toepassingen zoals autonoom rijden, reddingsoperaties, en teledetectie. In echte toepassingen, lasers of andere lichtbronnen worden gebruikt om een ​​zichtbare muur te verlichten, het verstrooide licht van waaruit het verborgen object bereikt en weer wordt verstrooid. De fotonen die door detectoren worden verzameld, kunnen worden gebruikt om de locatie te achterhalen, vorm, albedo, en normaal van het doel. Echter, de metingen worden onvermijdelijk gecorrumpeerd door ruis, wat een van de grootste obstakels is om reconstructies van hoge kwaliteit te krijgen. Wanneer de meetruis hoog is, de doelen die met bestaande methoden zijn gereconstrueerd, zijn meestal luidruchtig met vage grenzen.

In een nieuw artikel gepubliceerd in Lichtwetenschap en toepassing , een team van wetenschappers, onder leiding van professor Xing Fu van de afdeling Precisie-instrument, Tsinghua universiteit, China, en professor Lingyun Qiu van het Yau Mathematical Sciences Center, Tsinghua universiteit, China, hebben een uniform raamwerk ontwikkeld voor hoogwaardige en geluidsarme NLOS-reconstructies. De techniek is gebaseerd op collaboratieve regularisatie van het signaal en het gereconstrueerde object, aangeduid als de Signal-object collaboratieve regularisatie (SOCR) methode.

Anders dan eerdere werken die de onbewerkte metingen direct als invoergegevens gebruiken, een benadering van het ideale signaal wordt geïntroduceerd in het SOCR-raamwerk. De ontworpen regularisatieterm richt zich zowel op de schaarsheid en niet-lokale zelfgelijkenis van het verborgen object als op de gladheid van het geschatte signaal. Dit nieuw ontwikkelde raamwerk is krachtig in het reconstrueren van zowel de albedo als de oppervlaktenormaal van de verborgen doelen onder de algemene niet-confocale instellingen. De verkregen reconstructies hebben duidelijke lokale structuren, scherpe grenzen, en weinig ruis op de achtergrond, zelfs in aanwezigheid van zware ruis in ruwe metingen. De gerapporteerde methode en techniek zullen nieuwe wegen openen voor herkennings- en classificatietaken in autonoom rijden, reddingsoperaties, en teledetectie in de toekomst.

Deze wetenschappers vatten het werkingsprincipe van hun reconstructiekader samen:

"We ontwerpen de collaboratieve regularisatieterm onder drie veronderstellingen:(1) Het gereconstrueerde doelwit is schaars in het reconstructiedomein; (2) Lokale structuren van het verborgen object herhalen zich vele malen in het reconstructiedomein; (3) Het signaal dat overeenkomt met het gereconstrueerde doel is glad."

"Het voorgestelde raamwerk kan ook worden gebruikt als een plug-in-module in verschillende fysieke modellen. de voorgestelde term voor collaboratieve regularisatie kan verder worden vereenvoudigd om tegemoet te komen aan gevallen waarin alleen het albedo hoeft te worden gereconstrueerd, " voegden ze eraan toe.

"In de voorgestelde termijn van collaboratieve regularisatie, twee woordenboeken worden gebruikt om de lokale structuren en niet-lokale correlaties van de scène vast te leggen buiten het directe gezichtsveld. De woordenboekatomen en hun corresponderende coëfficiënten kunnen worden gezien als kenmerken van het gereconstrueerde doel, die kan worden gebruikt voor verdere taken, zoals herkenning en classificatie in verschillende toepassingen, ' voorspellen de wetenschappers.