ACS Photonics封面 | 高精度单光子三维成像：融合序列估计与自适应滤波提升深度重建能力

本文介绍了南京理工大学陈钱、左超教授团队提出的一种基于序列估计和自适应滤波的单光子三维成像方法。该方法通过科茨估计和基于马尔科夫链的自适应高斯滤波算法，有效缓解了光子堆积效应和峰值偏移问题，从而在高通量条件下实现了高精度的三维重建。实验结果表明，该方法在深度重建精度和鲁棒性方面具有显著优势，误差控制在10 mm以内，中值深度误差保持在2~3 mm范围内，精度相比传统方法提高了两倍以上。该方法在复杂光照和高背景噪声条件下表现出良好的适应性和鲁棒性，展现了在高通量单光子成像领域的广阔应用前景。