近年来，超快激光技术得到快速发展，激光脉宽可以达到飞秒级别，推动了激光成像的多方面发展。研究者们利用超快激光技术和高灵敏度、高时间分辨率的探测器，完成了瞬态成像，并利用这种方法，对一些在探测器视线之外的隐藏目标进行成像，如拐角成像或透射成像，提出了一种新的激光成像技术:非视域激光成像技术。非视域激光成像技术主要是利用激光在物体之间多次散射和超快的激光技术，来间接探测隐藏目标的信息，并利用后期重建技术来恢复隐藏目标，能够实现对隐藏目标的高精度三维重建。　　在现代战争、反恐以及灾害救援事件中，需要侦察或救援的目标往往被遮挡（如烟雾）或者不在观察者的视线内（如街道拐角处），这种情况下就难以用直接视觉的方法对一些可疑目标和活动场合进行有效观察，特别是对于反恐战争中，隐藏目标往往是非常危险的，传统的光学成像技术等不能对其进行探测，迫切需要可以绕过或穿过遮挡物体而对其后面的隐藏目标进行搜索、侦察的技术和方法。基于激光探测的非视域成像技术可借助中介反射面，实现绕过遮挡物体对隐蔽目标进行观察成像。在反恐战争及灾害救援中，快速、有效的发现隐藏物体并进行准确的三维重建，对于预防和打击犯罪及各类灾害救援具有极其重要的现实意义。　　但是非视域成像技术处于刚刚起步的阶段，成像实验装置有待完善，特别是隐藏目标的三维重建速度和精度亟待提高，使其有利用实际应用。　　本文针对非视域激光成像技术存在的主要问题展开研究。首先针对现有国内外非视域激光成像的实验装置存在的成本昂贵、操作复杂和需要扫描场景的问题，提出了基于APD阵列和纳秒脉宽激光的透射式非视域成像实验装置，能够实现不扫描场景，一次激光探测，即完成数据采集，并进行中等大小场景（米级）的探测。其次，提出了快速定位隐藏目标深度信息的方法，基于时间延迟估计算法得到探测器阵列接收信号的时间延迟，并利用拟牛顿迭代法根据时间延迟完成对隐藏目标的深度定位。在重建阶段减少其场景扫描过程，不需要扫描整个重建场景，只需要在深度定位范围内扫描，能够极大的提高重建速度。最后提出了基于APD阵列的非视域重建算法，一方面利用滤波反投影重建算法对隐藏目标进行重建，对获取的数据先进行一维滤波，然后再进行反投影重建;另一方面针对非视域成像中数据获取不完整的特性，基于迭代重建算法，提出了改进的迭代算法，更加适用于非视域成像中隐藏目标的重建，可以实现快速迭代和高精度的隐藏目标三维重建。　　本文所述投射式非视域激光成像三维重建算法的研究内容具体如下:　　(1)针对非视域成像这种新的成像技术，阐述了其成像技术的基本原理、实验设备的具体要求。分析了非视域成像光传输的四个过程、信号接收的前向建模过程以及逆向重建的椭圆反投影条件。　　(2)构建了基于APD阵列和纳秒激光的透射式非视域激光成像系统，研究跨介质的非视域成像技术。研究了光源、探测器及场景的选择，给出了具体的实验场景设置。分析了透射式非视域激光成像的光信号传输过程，以及APD阵列接收信号的过程。　　(3)提出了基于时间延迟估计的非视域成像深度信息快速定位方法。根据探测器APD阵列获取的信息与源信号之间的时间差，利用时延估计算法计算它们之间的时间延迟，并采用拟牛顿迭代法完成隐藏目标的深度信息定位。实验验证了对一个深度物体和多个深度物体的快速定位，并分析了定位时间，结果表明定位时间都在毫秒量级。　　(4)研究基于APD阵列的非视域成像算法，采用滤波反投影算法对本文提出的系统进行三维重建，先对获取的一维时间数据，进行一维滤波，再对滤波后的APD阵列数据进行反投影，完成隐藏目标的三维重建。实验验证了滤波反投影算法对阵列探测器数据的有效性。　　(5)提出了基于反投影的最大似然期望最大化(BP-MLEM)迭代算法，针对非视域成像获取数据不完整，以及反投影重建需要完整数据才能更好重建的问题，提出了使用迭代重建算法来提高重建的精度，分别将层析重建中的三种重建方法(代数迭代方法ART、联合代数迭代方法SART和最大似然期望最大化方法MLEM)应用到基于APD阵列的非视域成像三维重建中，并进行了相应的修改。分析了其重建结果的特点，提出了更加适合于非视域成像的反投影-MLEM(BP-MLEM)算法，改进算法更加快速和稳定，并能够提高重建结果图像精度。　　(6)研究非视域成像三维重建算法的误差。为了更好的分析影响非视域成像三维重建算法的各种因素、定量的比较分析重建结果图像的质量，分别从三个方面研究非视域成像三维重建算法的误差情况。首先，研究了基于时延估计的深度定位精度误差，分析了噪声和隐藏目标之间的距离两个因素对深度定位误差的影响情况。其次，给出了非视域成像重建图像的评价标准，选择了峰值信噪比PSNR值和结构相似度SSIM值的双重标准来评价重建图像的质量。对滤波反投影三维重建算法，分析了滤波算子、噪声和探测器个数三个因素对滤波反投影重建结果误差的影响情况。最后，对非视域成像迭代重建算法中的三个方法(SART算法、MLEM算法和BP-MLEM算法)，从迭代次数和迭代阈值两个方面分析了迭代重建算法的误差情况。