單光子成像技術憑借其超高靈敏度和時空分辨能力，正在量子光學、生命科學和自動駕駛等領域引發技術變革。這項基于飛行時間原理的主動探測技術，通過單光子雪崩二極管與時間相關單光子計數系統的協同工作，能夠在單個光子條件下實現亞厘米級精度的三維重建。相較于傳統成像系統，該技術不僅具備更強的環境適應性，還能在低信噪比甚至非視距條件下保持穩定性能。
在遠距離探測領域，單光子成像技術已實現從10公里到201.5公里的突破性進展。2014年，研究人員利用首個檢測到的光子進行圖像重建，在800米距離上成功驗證了千米級探測的可行性。實驗中，鐘樓頂部可見光圖像與單光子重建圖像形成鮮明對比，證明了該技術在極端低光子條件下的三維重建能力。對于水下等高散射環境，研究人員通過時間門控檢測與窄光學視場技術的結合，實現了亞毫米級深度分辨力和約60微弧度的角分辨力，有效抑制了背向反射干擾。
非視域成像作為該技術的重要應用方向，正逐步突破傳統成像的物理限制。研究團隊利用中介面上的照射點與接收點構建重建橢球，通過光子飛行距離約束實現隱藏物體的高精度重建。針對多次漫反射導致的信號衰減問題，超快光場層析成像技術通過多橢球約束關系，顯著提升了實驗室場景下的重建質量。這種技術革新為反恐偵察、災害救援等特殊場景提供了全新的探測手段。
在硬件系統發展方面，多像素單光子成像技術通過探測器陣列的二維布局設計，實現了成像效率的質的飛躍。基于列的時間數字轉換器共享方案，有效解決了大規模陣列的電路集成難題。這種設計使系統能夠像傳統CCD和CMOS傳感器一樣，實現多個像素信息的一次性采集，大幅提升成像速度和空間分辨率。半導體工藝的進步更推動探測器向高靈敏度、低噪聲方向發展，為高速動態場景成像奠定了硬件基礎。
算法層面的創新同樣推動著技術進步。傳統算法圍繞稀疏回波、強噪聲及多峰信號三種場景展開深度優化。2016年，研究人員將三維數據重建轉化為優化問題，通過貝葉斯模型和馬爾可夫鏈蒙特卡羅方法，實現了平均每像素光子數小于1的高精度重建。在強噪聲環境下，自適應光子計數重建算法通過直方圖增強和時間維度聚合，有效分離了噪聲與回波區域。而基于交替方向乘子法的優化算法，則通過處理多峰信號特性，提升了復雜場景下的重建質量。
深度學習算法的引入為單光子成像帶來新的突破。2018年，基于3D卷積和反卷積的重建網絡，通過處理單光子直方圖實現了高信噪比深度成像。后續研究通過引入單目特征、非局部神經網絡和物理信息約束，顯著提升了復雜場景下的重建精度和實時性。特別是多階段協同恢復網絡，在不同信號背景比條件下均表現出強魯棒性，為實時動態成像提供了算法支撐。這些創新使系統能夠在極端條件下（如每像素1光子、信噪比0.01）實現高質量重建。
