在利用三维激光雷达点云进行目标描述时，人们通常通过点云插值等方式描述目标细节，通过点云分类标识区分目标种类。高光谱全波形激光雷达能够通过波形分解和光谱重构实现上述功能，然而当激光束内存在多个目标形成遮蔽关系时，由于间距较近以及光斑分裂等原因，难以准确获取目标时间-光谱信息，从而无法较为精准地反演目标几何位置和反射率分布信息。文中提出了一种高光谱回波波形分解方法以及相应的点云扩展和标识方法，实现了优于激光脉宽分辨距离的波形分解和更准确的光谱重构。实验结果表明：在密集遮蔽条件下，该方法仍能达到约3倍的点云扩展效果和准确的目标分类标识。这种精准的点云扩展和标识方法能够为基于点云数据的探测、遥感情报生成提供良好的数据支撑。

激光反射层析成像（Laser Reflective Tomography Imaging，LRTI）技术具有分辨率与距离无关的特点，在空间目标遥感中具有广阔的应用前景。在目标图像重构之前，多角度回波投影数据需要与目标旋转中心对齐，这就是投影配准技术。本文提出了一种基于目标轮廓自动校正的投影配准方法，实验结果表明，该方法易于实现对简单目标旋转中心的自配准，能有效减少激光脉冲发射和探测器接收的随机抖动等造成的干扰，解决了图像模糊的问题，是一种LRTI多角度回波配准的新思路。

非视域（Non-Line-of-Sight, NLoS）成像是近年来发展起来的一项新兴技术，其通过分析成像场景中的中介面信息来重建隐藏场景，实现了“拐弯成像”的效果，在多个领域有巨大的应用价值。本文主要针对NLoS成像重建算法进行综述性研究。考虑到目前NLoS成像分类存在交叉和非独立现象，本文基于物理成像模式和算法模型的不同特点，对其进行了独立的重新分类。根据提出的分类标准分别对传统和基于深度学习的NLoS成像重建算法进行了归纳总结，对代表性算法的发展现状进行了概述，推导了典型方法的实现原理，并对比了传统重建方法和基于深度学习的NLoS成像重建算法的重建应用结果。总结了NLoS成像目前存在的挑战和未来的发展方向。该研究对不同类型的NLoS成像进行了较为全面的梳理，对NLoS成像重建算法在内的一系列研究的进一步发展有着一定的支撑和推动作用。

The first photon bias of photon detection results in distortion of the photon waveform, which seriously affects the accurate acquisition of target information. A rapid universal recursive correction method is proposed, which is suitable for multi-trigger and single-trigger modes of photon detection. The calculation time is 2 to 3 orders of magnitude faster than that of Xu et al.’s method. In the experiment, we have obtained good correction results for area targets and targets with varying depths. When the average number of echo photons is 0.89, the correlation distance of the correction waveform is reduced by 85%.