云雾环境下激光主动成像目标识别性能提升研究.pdf

哈尔滨工业大学理学硕士学位论文

摘要

随着汽车自动驾驶、无人机自动避障等自动控制系统的发展，云雾环境下

目标识别的需求越来越大。与被动探测相比，激光主动探测可以为实现目标识

别提供目标形状、目标距离以及目标表面材质等更多的特征信息。然而云雾环

境下目标回波信号为光子级微弱信号，传统CCD探测器灵敏度较低无法有效

探测，因此本文利用单光子探测器结合时间相关单光子计数技术进行单光子计

数成像。在强云雾环境下单光子计数成像时发现，云雾介质会导致图像退化进

而导致目标识别率低。因此本文针对云雾环境下图像退化导致目标识别率降低

的问题，利用深度学习完成了散射图像恢复以及目标识别率提升研究。

本文首先以Mie散射理论为基础，建立了基于MonteCarlo方法的云雾介

质中光传输模型，并完成了云雾环境下单光子计数成像的仿真研究。对比了不

同云雾浓度下单光子计数成像效果，研究了目标回波信号的时间分布特点，研

究了云雾浓度对目标回波信号信噪比的影响，为后续研究提供了数据支撑。

针对云雾环境导致图像退化的问题，本文提出一种基于神经网络的云雾环

境后向散射噪声的滤除方法，解决云雾环境下单光子计数成像图像退化的难题。

结合回波信号特点本文分别搭建了多层感知机模型以及U-net模型，完成了对

目标时域回波信号的去噪处理，实现了强散射环境下单光子计数成像的图像恢

复。最后对比了两种网络模型的回波信号去噪效果以及散射图像恢复效果，测

试了目标距离对网络模型去噪效果的影响程度。

最后针对云雾环境下基于激光主动成像目标识别率低的问题，本文利用多

层感知机模型完成了云雾环境下单光子计数成像图像识别研究，对比了不同优

化算法训练的多层感知机模型的图像识别准确率，并对比了有无图像恢复处理

前后的图像识别准确率。最后选择对基于ResNet模型的单元残差块进行改进

设计，完成了基于ResNet18模型的目标识别性能提升。

关键词：云雾介质；散射成像；目标识别；神经网络

I

--

哈尔滨工业大学理学硕士学位论文

Abstract

Withthedevelopmentofautomaticcontrolsystemssuchasautomobile

autonomousdrivingandUAVautomaticobstacleavoidance,thedemandfor

targetrecognitionundercloudandfogenvironmentisincreasing.Compared

withpassivedetection,laseractivedetectioncanprovidemorecharacteristic

informationfortargetrecognition,suchastargetshape,targetdistanceand

targetsurfacematerial.However,thetargetechosignalinthecloudenvironment

isaweaksignalofphotonlevel,andthetraditionalCCDdetectorhaslow

sensitivityandcannotachievedetection.Therefore,thisthesisusesthesingle

photondetectorcombinedwiththetime-dependentsinglephotoncounting

technologyforsin