基于深度学习的光场图像重建与增强综述(特邀)

光场能够完整捕捉三维空间中的光线信息,记录光线在不同位置和方向上的强度,这一特性使其能够精准地感知复杂动态环境,在生命科学、工业检测和虚拟现实等领域中有巨大的研究价值和应用潜力。在光场的拍摄、处理和传输过程中,由于设备限制和外部影响因素如物体运动、噪声、低光照和恶劣天气,光场图像往往存在失真和降质,严重影响图像质量并限制其后续应用。为此,研究人员针对光场图像的不同降质提出各种重建与增强算法。传统的光场图像重建与增强算法依赖于人工设计的先验知识,且算法设计复杂、效率低、泛化性差。随着深度学习的发展,光场图像重建与增强算法取得突破性进展,其性能和效率得到显著提高。介绍该领域相关的研究背景和光场表示,并针对不同的光场降质,概述和讨论其中的典型算法,内容涵盖空间与视角维度超分辨率重建、去噪、去模糊、去遮挡、去雨雾雪、去反射、低光增强等。此外,还概述光场图像重建与增强算法未来的挑战和发展前景。