【解读】Three-dimensional imaging through scatteringmedia based on confocal diffuse tomography

基于共焦漫射断层扫描的散射介质三维成像技术研究总结

一、研究背景与挑战

1. 散射介质对光学成像的限制

应用场景：LiDAR 等光学成像技术在遥感、自动驾驶、生物医学成像等领域至关重要，但雾、雨、灰尘、组织等散射介质会显著降低成像性能。
现有技术瓶颈：
- 弹道光子技术（如时间门控、相干门控）依赖未散射光子，仅适用于短距离或低散射场景，且三维成像需目标位置先验知识。
- 干涉方法（如散斑相关、波前整形）受限于 “记忆效应”，仅适用于微观尺度或有限视场。
- ** 漫射光学断层扫描（DOT）** 虽适用于厚散射介质，但传统方法需侵入式测量（接触介质两侧）、计算复杂或仅限二维重建。

2. 研究目标

开发非侵入式、高效的三维成像技术，突破宏观厚散射介质（如≈6 个输运平均自由程）下的成像限制，无需目标位置先验知识。

二、核心技术：共焦漫射断层扫描（CDT）

1. 硬件设计

单光子雪崩二极管（SPAD）：单像素高灵敏度探测器，时间分辨率达皮秒级，配合时间门控技术滤除介质表面直接反射光，捕捉后期到达的物体散射光子。
超短脉冲激光：35 ps 脉冲宽度，532 nm 波长，10 MHz 重复率，扫描镜控制下对散射介质表面 32×32 点网格进行逐点照明与探测。
共焦扫描系统：激光与 SPAD 共光路，聚焦于同一散射介质表面点，实现 “照明 - 探测” 共焦模式，减少横向散射干扰。

2. 成像模型与理论

扩散方程求解：针对 2.54 cm 厚聚氨酯泡沫散射介质，采用外推边界条件和多极子源近似（镜像法），建模光在介质中的双向扩散传输，计算光强随时间和空间的分布。
共焦近似简化：假设照明与探测点相同（r1≈r2），将复杂光传输路径简化为 “介质扩散 - 自由空间传播 - 介质扩散” 的卷积模型，降低计算复杂度。
测量模型：τ^(t,r0)=ϕˉ∗I(t,r1,r1)
其中ϕˉ为介质扩散核，I为自由空间传播算子（含物体反射特性）。

3. 反演方法

维纳去卷积与 f-k 迁移：频域滤波结合非视距成像中的光锥变换（Light-Cone Transform），从时间分辨测量中恢复物体反照率分布，计算复杂度为O(N3logN)，支持 CPU/GPU 高效计算。
噪声处理：考虑泊松噪声的迭代反演算法，提升低信噪比场景下的重建质量。

三、实验验证

1. 实验设置

散射介质：2.54 cm 厚聚氨酯泡沫，输运平均自由程≈3.8 mm，吸收系数μa=5.26×10−3cm−1，约化散射系数μs′=2.62cm−1。
隐藏物体：距介质 50 cm 处的 retroreflective 字母 “S”、漫反射字母、人体模型、交通锥等，轴向距离范围 45–78 cm。
测量参数：扫描范围 60×60 cm，时间分辨率 70 ps，单像素曝光 60 ms，总采集时间约 1 分钟。

2. 关键结果

三维重建能力：成功恢复隐藏物体的形状、位置和深度，包括漫反射物体（需更长曝光），轴向分辨率≈9 cm，横向分辨率≈15 cm（50 cm 距离下）。
对比优势：相较时间门控技术，CDT 利用散射光子信息，在厚介质下成像质量显著提升；计算效率高，32×32×128 体素重建耗时仅 300 ms（CPU）或 50 ms（GPU）。

四、讨论与未来方向

1. 分辨率与限制

轴向分辨率：由介质扩散时间决定，Δz≈cΔtd，其中Δtd为双向扩散时间（实验中≈632 ps）。
横向分辨率：受扫描范围和距离影响，Δx∝w2+H2/w（w为扫描半宽，H为物体距离）。
均匀介质假设：当前模型适用于均匀散射层，未来可扩展至非均匀介质（需求解辐射传输方程）。

2. 技术扩展与应用

探测器升级：结合超导纳米线单光子探测器（更高时间分辨率）或硅光电倍增管（SiPM，多光子计数），提升远距离或高散射场景下的灵敏度。
场景拓展：自动驾驶（雾 / 雨天气）、生物医学（深层组织成像）、遥感（大气散射层穿透）等，无需目标先验知识的特性显著增强实用性。

3. 结论

CDT 通过硬件 - 算法协同设计，突破传统散射成像限制，实现非侵入式、高效的宏观三维成像，为复杂散射环境下的光学感知提供了新范式。

五、数据与代码

数据可用性：实验数据及重建结果见 Supplementary Data 1，在线资源：GitHub - computational-imaging/confocal-diffuse-tomography: Code and data for "Three-dimensional imaging through scattering media based on confocal diffuse tomography"。
代码开源：提供反演算法与实验控制代码，支持复现与二次开发。

Q1:这篇文章如何处理，使得得到原被阻挡的图像

斯坦福大学团队提出的共焦漫射断层扫描（CDT）技术，通过硬件 - 物理模型 - 算法协同设计，实现了散射介质后隐藏物体的三维图像重建。以下是其处理被阻挡图像的核心原理与步骤，结合论文细节与实验验证展开说明：

一、硬件层：时间分辨 + 共焦扫描，分离散射光子

超短脉冲激光照明
- 发射 35 ps 窄脉冲激光（532 nm），逐点扫描散射介质表面（32×32 点，60×60 cm 范围），单像素曝光 60 ms，总采集时间 1 分钟。
- 激光能量聚焦于介质表面点，经散射后形成扩散光斑（远侧光斑半高宽 2.2 cm，对应介质厚度 2.54 cm）。
单光子雪崩二极管（SPAD）+ 时间门控
- SPAD 与激光共光路（共焦设计），仅探测同一表面点的回波光。
- 时间门控：探测器延迟开启（如延迟 600 ps），滤除介质表面直接反射的早到光子（图 1c 虚线），仅保留经物体反射的晚到散射光子（实验中双向扩散时间≈632 ps）。
- 时间分辨率 70 ps，配合 TCSPC 计数器，记录每个像素点的光子飞行时间（ToF）分布。
共焦扫描消除横向干扰
- 激光与探测器同步扫描同一点，限制照明 - 探测路径为 “单点 - 扩散 - 物体 - 扩散 - 单点”，减少相邻点散射光串扰（图 1a）。

二、物理模型层：扩散方程建模散射路径

扩散方程求解（含边界条件）
- 针对 2.54 cm 厚聚氨酯泡沫（≈6 个输运平均自由程，l∗=3.8 mm），建立双向扩散模型：ϕ(t,r0,r1)=2(4πDc)3/2t5/21e−μact−4Dct(r1−r0)2∑镜像偶极子源
  其中D=1/[3(μa+μs′)]为扩散系数，μa=5.26×10−3 cm−1，μs′=2.62 cm−1（通过 15 种厚度样本拟合校准）。
- 镜像法处理边界：在介质两侧外推虚拟边界（ze），通过无限偶极子源阵列模拟界面反射（图 4 补充说明），截断 7 对镜像源即可逼近真实解。
共焦近似简化测量模型
- 假设照明点与探测点相同（r1≈r2），将复杂的 “扩散 - 自由传播 - 扩散” 路径简化为卷积：τ^(t,r0)=ϕˉ∗I(t,r1,r1)
  其中ϕˉ为双向扩散核，I含物体反射特性（BSDF、反照率）。

三、算法层：频域反演 + F-K 迁移，去除散射模糊

维纳去卷积补偿扩散模糊
- 对每个扫描点的时间分辨数据（图 2a），通过傅里叶变换频域滤波：ρ^=A−1F−1[∣Φ^∣2+1/αΦˉ^∗]Fτ
  其中Φˉ^为扩散核的频域响应，α为噪声正则化参数，A为自由空间传播矩阵（含距离衰减）。
F-K 迁移重建三维形状
- 借鉴非视距成像的光锥变换（Light-Cone Transform），将时间维度映射为深度（z=ct/2），通过平面波分解（F-K 域）聚焦物体散射信号（图 2b-c）。
- 计算复杂度O(N3logN)，32×32×128 体素重建仅需 300 ms（CPU），依赖 3D FFT 加速。
噪声处理与迭代优化
- 针对 SPAD 的泊松噪声，设计迭代反演算法（补充 Note 5-6），通过最大似然估计优化光子计数统计，提升漫反射物体（如字母 “C”）的重建质量（图 3i-l）。

四、实验验证：从数据到图像的全流程

隐藏物体重建示例
- Retroreflective 字母 “S”：50 cm 距离，经扩散介质后，时间门控数据（图 2a）通过去卷积恢复清晰轮廓（图 2c），轴向分辨率 9 cm，横向 15 cm（与理论Δtd=632 ps一致）。
- 漫反射交通锥：45-78 cm 多深度目标，通过深度依赖的辐射校正（图 3m-p），重建位置误差 < 5 cm。
对比传统方法
- 时间门控仅选早到光子：仅捕捉少量单次散射光，无法恢复复杂形状（图 3c vs d）。
- CDT 优势：利用多次散射光子，突破弹道成像的光子效率极限（实验中漫反射物体需 10 倍曝光仍可重建）。

五、关键创新：非侵入式 + 无需先验的三维成像

非侵入式：仅需单侧扫描（区别于传统 DOT 需介质两侧布探测器），适用于大气、雾等开放场景。
无需目标先验：通过共焦扫描和扩散模型，自动反演物体深度（区别于需预设深度的弹道成像）。
鲁棒性：对散射参数波动不敏感（μs′±0.43 仍稳定，补充 Fig.14），支持非均匀介质扩展（未来通过辐射传输方程建模）。

总结：CDT 的 “三步曲” 处理被阻挡图像

硬件采集：共焦扫描 + 时间门控，分离介质反射与物体散射光子；
物理建模：扩散方程 + 镜像法，量化散射引起的时间展宽与空间模糊；
算法反演：频域滤波 + F-K 迁移，从时间分辨数据中 “剥离” 散射影响，重建三维图像。

该技术为自动驾驶（穿雾）、遥感（穿云）、医学（深层组织）等场景提供了无需先验、非侵入的解决方案，实测穿透 6 个输运平均自由程的介质（≈2.5 cm 泡沫），未来结合超导探测器（如 SNSPD）可进一步提升穿透深度与分辨率。

Q2:这个公式能得到什么

该公式描述的是光在具有边界条件的散射介质中传播时的时间 - 空间分布，具体分析如下：

物理意义：公式中的ϕ(t,r0,r1)表示在时刻t、位置r1处，由r0处光源激发的光子密度或光强分布。它是求解扩散方程并结合镜像法处理边界条件后得到的格林函数，用于刻画光在散射介质内的传播规律。
关键参数：
- D：扩散系数，反映光在介质中的扩散能力，D=3(μa+μs′)1（μs′为约化散射系数）。
- μa：吸收系数，描述介质对光的吸收特性。
- c：光速，t为时间，r0x,r0y,r0z与r1x,r1y,r1z分别为光源和探测点的空间坐标。
数学结构：
- 分母(4πDct)3/2和指数项e−μact体现了光强随时间的衰减与扩散。
- 空间相关项exp(−4Dct(r1x−r0x)2+(r1y−r0y)2)描述了光在横向上的扩散。
- 求和项∑l=−∞∞[⋯]通过镜像法处理介质边界，模拟光在边界间的多次反射，确保解满足外推边界条件，准确刻画光在有限厚度介质中的传播。
应用价值：该公式是共焦漫射断层扫描（CDT）等技术的理论基础，通过计算光在散射介质中的传播分布，可反演隐藏于介质后的物体形状与位置，为非侵入式三维成像提供关键支撑，适用于生物医学成像、遥感等领域中透过散射介质（如组织、雾）的探测场景。

综上，该公式能得到光在散射介质中随时间和空间的分布规律，是分析与重建散射介质后物体信息的重要工具。

Q3:该部分为什么可以简化，以及为什么要做卷积，以及做完卷积能得到什么

为什么可以简化？

共焦近似假设照明点与探测点相同（r1≈r2），这一假设基于实际物理场景中，当照明与探测点距离极近时，光在介质中的 “扩散 - 自由传播 - 扩散” 路径可大幅简化。这种近似忽略了两点间微小差异带来的复杂横向散射影响，将光传播模型从三维复杂路径简化为局部近似对称的传播过程，从而显著降低数学建模与计算的复杂度，使后续分析与反演更具可行性。

为什么要做卷积？

物理过程的线性叠加：光传播可分为两个关键环节 —— 光在介质中的双向扩散（由双向扩散核 ϕˉ 描述），以及光与物体相互作用的反射特性（由 I(t,r1,r1) 描述，包含物体的 BSDF、反照率等）。这两个环节在时间或空间上是依次发生的线性过程，卷积操作能数学化地表示这种 “扩散后再反射” 的线性叠加关系。
数学处理的便利性：卷积是一种成熟的数学工具，通过将复杂的物理过程转化为卷积形式，便于后续利用频域分析（如傅里叶变换）、去卷积算法（如维纳滤波）等技术，从测量信号中分离介质与物体的贡献，为图像重建提供清晰的数学框架。

做完卷积能得到什么？

公式 τ^(t,r0)=ϕˉ∗I(t,r1,r1) 中，τ^(t,r0) 是最终的测量信号，它融合了介质扩散与物体反射的综合信息。通过这一模型：

为反演算法提供输入：后续可通过去卷积（如维纳去卷积）等操作，从 τ^(t,r0) 中分离出物体反射特性 I(t,r1,r1)，进而重建物体的形状、位置等信息。
统一描述复杂物理过程：将光在介质中的扩散衰减、时间展宽与物体的反射特性整合为单一信号，为非侵入式三维成像提供理论基础，例如在共焦漫射断层扫描（CDT）中，通过分析 τ^(t,r0) 可恢复被散射介质遮挡的物体图像。

综上，共焦近似简化使模型可解，卷积操作统一描述物理过程，最终得到的测量信号 τ^(t,r0) 是后续图像重建的关键依据，连接了物理现象与算法反演。

Q4:详细解释一下这个式子

该式子 τ^(t,r0)=[ϕ(t,r0,r1)⊗ϕ(t,r0,r1)]⊗I(t,r1,r1)=ϕˉ⊗I 是对测量信号 τ^(t,r0) 的建模，具体解释如下：

符号定义
- τ^(t,r0)：表示在位置 r0 处随时间 t 变化的测量信号，是光传播与物体反射综合作用的结果。
- ϕ(t,r0,r1)：描述光从位置 r0 传播到 r1 的过程，体现光在介质中的扩散特性，如衰减、时间展宽等。
- I(t,r1,r1)：表示物体在位置 r1 处的反射特性，包含反照率、双向散射分布函数（BSDF）等，刻画物体对光的反射行为。
- ϕˉ=ϕ(t,r0,r1)⊗ϕ(t,r0,r1)：代表光的 “双向扩散核”，即光从 r0 出发，经介质扩散至物体，再从物体扩散回 r0 的完整过程（两次 ϕ 卷积）。
物理意义
- 光传播分为两个环节：首先是光在介质中的双向扩散（由 ϕˉ 描述），其次是光与物体的反射相互作用（由 I(t,r1,r1) 描述）。
- 卷积操作 “⊗” 表示这两个环节在物理上是依次发生的线性过程。数学上，通过卷积将介质扩散与物体反射的综合效应统一为测量信号 τ^(t,r0)，即 τ^(t,r0) 是双向扩散过程 ϕˉ 与物体反射特性 I 的卷积结果。
作用
- 该模型为后续图像重建提供了理论基础。通过去卷积等算法（如维纳去卷积），可从 τ^(t,r0) 中分离出 I(t,r1,r1)，进而恢复物体的形状、位置等信息，实现透过散射介质的成像。

综上，该式子通过卷积建模，将测量信号分解为介质扩散与物体反射的贡献，是共焦漫射断层扫描（CDT）等技术反演物体图像的关键理论表达式。

Q5:这个公式之怎么来的？以及“扩散核的频域响应”和“噪声正则化参数”和“自由空间传播矩阵（含距离衰减）”是什么，算出来的这个结果是什么，以及有什么用

该公式 ρ^=A−1F−1[∣Φˉ^∣2+α1Φˉ^∗]Fτ 源于 维纳去卷积算法，用于从含噪声的测量信号中恢复物体的反射特性，具体分析如下：

公式推导来源

测量信号 τ 是物体反射特性与扩散核的卷积（τ=ϕˉ∗I）。在频域中，卷积转化为乘积（F(τ)=Φˉ^⋅F(I)）。维纳滤波通过最小化均方误差来设计滤波器，引入噪声正则化参数 α 平衡信号与噪声，得到频域滤波器 ∣Φˉ^∣2+α1Φˉ^∗，再结合自由空间传播矩阵 A 的逆矩阵补偿距离衰减，最终通过逆傅里叶变换（F−1）恢复物体函数 ρ^。

各参数含义

扩散核的频域响应（Φˉ^）
- 扩散核 ϕˉ 描述光在散射介质中的双向扩散过程（如衰减、时间展宽）。对 ϕˉ 进行傅里叶变换（F），得到其频域响应 Φˉ^，表征扩散过程对不同频率成分的调制特性（如高频衰减更显著）。
噪声正则化参数（α）
- 测量信号不可避免地包含噪声（如探测器的泊松噪声）。α 用于调节噪声影响，避免去卷积时噪声被过度放大。α 越大，对噪声的抑制越强，但可能牺牲部分信号细节；反之，信号细节更清晰，但噪声抑制弱。
自由空间传播矩阵（含距离衰减，A）
- 光在自由空间传播时，强度随距离衰减（如 1/r2 规律）。A 是包含这种距离衰减信息的矩阵（通常为对角矩阵，元素对应不同距离的衰减因子），A−1 用于补偿衰减，确保恢复的物体特性不受距离影响。

计算结果及作用

结果 ρ^：表示恢复后的 物体反射率分布 或 物体函数，是去除散射介质扩散影响、补偿距离衰减并抑制噪声后的信号，更接近物体真实的反射特性（如反照率、形状）。
作用：在共焦漫射断层扫描（CDT）中，ρ^ 是三维成像的基础。通过进一步的后处理（如 f−k 迁移），可将 ρ^ 映射为物体的空间分布，实现透过散射介质（如生物组织、雾）的非侵入式成像，应用于生物医学、遥感、自动驾驶等领域。

综上，该公式通过维纳去卷积，结合扩散核特性、噪声抑制和距离补偿，从含噪测量信号中恢复物体真实信息，是散射介质成像技术的关键步骤。

Q6:频域滤波器是怎么得到的？对扩散核进行傅里叶变换，为什么可以得到频域响应？以及“扩散核”和“频域响应”分别是什么？以及有什么用？

一、频域滤波器的推导过程（基于维纳去卷积理论）

1. 测量模型的频域转换

论文中测量模型为 τ^=Φˉ∗I（时域卷积），其中：

Φˉ 是双向扩散核（描述光在散射介质中往返的扩散过程），
I 是物体反射特性函数（包含反照率、BSDF 等）。
根据傅里叶变换的卷积定理，时域卷积对应频域乘积：F(τ^)=F(Φˉ)⋅F(I)=Φˉ^⋅F(I)
其中 F 表示傅里叶变换，Φˉ^ 是扩散核的频域响应。

2. 维纳滤波器的引入（含噪声模型）

实际测量信号 τ 包含噪声 n，即 τ=τ^+n。维纳滤波的目标是设计滤波器 H，使得恢复的 ρ^=F−1(H⋅F(τ)) 与真实 I 的均方误差最小。
假设噪声为加性高斯白噪声，维纳滤波器的形式为：H=∣Φˉ^∣2+σI2σn2Φˉ^∗
其中 Φˉ^∗ 是频域响应的共轭，σn2/σI2 是噪声与信号的功率谱密度比。论文中简化为 α（噪声正则化参数），最终频域滤波器为：H=∣Φˉ^∣2+α1Φˉ^∗
核心思想：通过频域中信号与噪声的功率比，动态调整各频率成分的恢复权重，抑制噪声放大。

二、为什么对扩散核傅里叶变换能得到频域响应？

1. 傅里叶变换的物理意义

傅里叶变换将时域信号分解为不同频率成分的叠加。对于扩散核 Φˉ(t)（描述光强随时间的扩散衰减），其傅里叶变换 Φˉ^(ω) 表示：

每个频率 ω 成分在传输过程中的幅度衰减（∣Φˉ^(ω)∣）和相位延迟（∠Φˉ^(ω)）。
例如，扩散过程会使高频成分（快速变化的信号）衰减更严重（因扩散导致时间展宽，高频能量损失），低频成分衰减较小。

2. 扩散核的定义与特性

扩散核 Φˉ：
是时域中的卷积核，描述光在散射介质中往返的扩散过程，包含吸收衰减（e−μact）和扩散展宽（高斯型时间分布），形式为：Φˉ(t)=ϕ(t,r0,r1)∗ϕ(t,r0,r1)
其中 ϕ(t,r0,r1) 是单次扩散的格林函数（论文式 2），Φˉ 表征双向扩散的总效应。
频域响应 Φˉ^：
对 Φˉ(t) 进行傅里叶变换，得到每个频率成分的传输特性。例如，若 Φˉ(t) 是高斯函数，其频域响应也是高斯函数，高频衰减随扩散系数增大而加剧。

三、“扩散核” 与 “频域响应” 的定义及作用

1. 扩散核（Diffusion Kernel, Φˉ）

定义：时域中描述光在散射介质中往返扩散的时间 - 空间分布函数，包含衰减和展宽效应。
物理意义：
- 光从散射介质表面点 r0 入射，经介质扩散到物体，再扩散返回 r0 的全过程，表现为时间上的拖尾（脉冲展宽）和强度衰减。
- 核心参数：扩散系数 D=1/[3(μa+μs′)]，吸收系数 μa，约化散射系数 μs′（决定扩散速度和衰减程度）。
作用：
- 作为卷积核，与物体反射特性 I 卷积后生成测量信号 τ^（论文式 4）。
- 是连接物理传播过程与测量信号的关键模型，需通过实验校准（如测量不同厚度介质的时间响应，拟合 μa 和 μs′）。

2. 频域响应（Frequency Response, Φˉ^）

定义：扩散核 Φˉ 的傅里叶变换，表征各频率成分在散射介质中的传输效率。
数学形式：Φˉ^(ω)=F{Φˉ(t)}=∫−∞∞Φˉ(t)e−iωtdt
其中 ω 是角频率，Φˉ^(ω) 是复数，模表示幅度衰减，相位表示时间延迟。
作用：
- 频域滤波的核心依据：通过 Φˉ^ 可知哪些频率成分被介质严重衰减，从而在反演时补偿（如对高频成分赋予更高权重，恢复细节）。
- 噪声抑制：结合 α 调整高频噪声放大问题（因高频信号易受噪声干扰，且扩散导致信噪比低，需通过 α 平衡）。

四、总结：频域滤波器的关键作用

去除扩散模糊：
通过 Φˉ^∗/∣Φˉ^∣2 补偿扩散过程对各频率成分的衰减，恢复物体真实的频率响应（如高频对应物体边缘细节，低频对应整体轮廓）。
噪声正则化：
α 抑制噪声在高频区域的放大（因噪声功率谱常为均匀分布，高频信号弱时易被噪声淹没）。
连接时域与频域：
利用傅里叶变换的高效性（FFT 算法），将复杂的时域卷积运算转化为频域点乘，大幅降低计算复杂度（论文中计算复杂度为 O(N3logN)，适用于实时重建）。

一句话总结：

频域滤波器通过扩散核的频域响应，在频域中分离信号与噪声，补偿散射介质对不同频率成分的影响，从而从含噪测量信号中恢复物体的清晰图像，是 CDT 技术实现高效三维成像的核心算法模块。

Q7:这个怎么做，以及是什么意思呢

F - K 迁移重建三维形状是一种结合时间与空间信息的成像技术，其核心步骤与原理如下：

一、时间 - 深度映射（z=ct/2）

原理：光在介质中往返传播，总时间 t 与深度 z 满足 z=ct/2（c 为光速）。通过这一关系，将时间维度的信号转换为深度维度的空间信息。例如，若某时刻 t 的信号对应光往返某深度 z，则可将该时刻的测量值赋予深度 z，实现时间域到空间深度域的映射。

二、光锥变换（Light - Cone Transform）的借鉴

作用：非视距成像中，光锥变换用于处理间接反射光的传播路径。在此技术中，它将每个扫描点的时间分辨信号（经 z=ct/2 映射后）组织成三维数据体（x,y,z），其中 x,y 为扫描平面坐标，z 为深度。每个点的信号沿深度方向展开，形成类似 “光锥” 的传播路径表示，为后续聚焦处理奠定基础。

三、平面波分解（F - K 域）与聚焦

F - K 域分析：将三维数据体从时空域（x,y,z）转换到频率 - 波数域（F - K 域）。平面波分解将信号分解为不同频率 f 和波数 k 的平面波成分。物体的散射信号在 F - K 域具有特定的频谱特征（如特定的频率 - 波数关系）。
聚焦处理：通过滤波或变换操作，增强符合物体散射特征的信号成分，抑制噪声和无关散射。例如，同一物体的散射信号在 F - K 域会聚集在特定区域，通过提取该区域信号并逆变换回时空域，可实现散射信号的聚焦，重建出物体的三维形状（如图 2b - c 所示，从模糊的时间信号到清晰的三维物体轮廓）。