基于边缘增强引导滤波的光场全聚焦图像融合

受光场相机微透镜几何标定精度的影响,4D光场在角度方向上的解码误差会造成积分后的重聚焦图像边缘信息损失,从而降低全聚焦图像融合的精度。该文提出一种基于边缘增强引导滤波的光场全聚焦图像融合算法,通过对光场数字重聚焦得到的多幅重聚焦图像进行多尺度分解、特征层决策图引导滤波优化来获得最终全聚焦图像。与传统融合算法相比,该方法对4D光场标定误差带来的边缘信息损失进行了补偿,在重聚焦图像多尺度分解过程中增加了边缘层的提取来实现图像高频信息增强,并建立多尺度图像评价模型实现边缘层引导滤波参数优化,可获得更高质量的光场全聚焦图像。实验结果表明,在不明显降低融合图像与原始图像相似性的前提下,该方法可有效提高全聚焦图像的边缘强度和感知清晰度。

基于梯度域的光场全聚焦图像生成方法

光场相机存在着空间分辨率和角度分辨率相互制约、成像分辨率不高的问题.针对这一问题,将传统图像融合方法与光场重聚焦技术相结合,提出了一种基于梯度域的光场全聚焦图像生成方法.以Lytro相机光场数据为基础,通过光场重聚焦提取焦点堆栈图像,然后将焦点堆栈图像按亮度和色度通道分别进行处理:亮度通道融合采用基于小波分解的梯度积分算法,色度通道融合采用基于像素的色度通道加权求和方法.实验表明,该方法融合亮度通道执行效率高,融合色度通道简单有效,能够生成清晰的光场全聚焦图像,提高了光场图像空间分辨率.

基于超分辨率焦点堆栈光场成像的全聚焦图像生成研究

本文通过对基于光场相机三维深度信息提取关键技术进行了深入的研究,重点研究了光场相机成像原理,引入焦点堆栈这一理念,并在其基础之上得出超分辨率焦点堆栈的研究算法,在重聚焦算法的基础上,提出基于光场相机的全聚焦图像生成算法。通过轮廓提取的方法,对比所获取的重聚焦图像与所生成的全聚焦图像。实验结果表明：所提出的算法能够较好生成全聚焦图像。最后,对光场相机研究中遇到的问题进一步的分析,提出有待改进之处,并对光场相机的发展前景进行了展望。

基于MDLatLRR和KPCA的光场图像全聚焦融合

为了提升光场成像的空间分辨率,结合光场图像数字重聚焦与多聚焦图像融合,提出了一种基于多尺度潜在低秩分解和核主成分分析的光场图像全聚焦融合算法。首先,对光场图像进行数字重聚焦得到重聚焦图像,然后对各重聚焦图像进行多尺度分解提取出基础层和显著层,对基础层、显著层分别采用局部梯度差值加权算法和多尺度梯度域显著性提取算法计算相应的特征系数;其次,联立基础层和各显著层的特征系数矩阵,然后用核主成分分析进行降维融合得到融合特征系数矩阵,使得经融合特征系数生成的聚焦决策图能充分考虑基础层和显著层的特征信息;最后,用聚焦决策图引导重聚焦图像进行全聚焦融合。实验结果表明,该算法与传统方法相比在视觉效果和边缘信息丰富度上具有更优表现,所生成的光场全聚焦图像具有更高的分辨率和更好的视觉效果。

基于改进的四叉树分解多聚焦图像融合算法研究

多聚焦图像融合的目的是将两幅或多幅部分聚焦图像融合为一幅全聚焦图像。本文提出一种基于四叉树分解和鲁棒性主成分分析(RPCA)的空间域多聚焦图像融合算法。首先利用四叉树分解算法将源图像分解为最佳的四叉树形结构图像块;同时,在四叉树形结构中,使用鲁棒性主成分分析算法对其聚焦区域进行探测,将聚焦度探测结果作为停止四叉树分解的条件;最后,从源图像中提取出聚焦区域重建为一幅全聚焦图像。本算法充分发挥了四叉树分解和鲁棒性主成分分析的优势,实验结果证明,本文提出的算法在主观视觉和客观评价指标上都取得了较好的效果。

基于结构相似指数的聚焦形貌恢复

针对目前大部分聚焦形貌恢复算法对边缘部位恢复效果欠佳的问题,从全局入手,考虑空间连续性约束,提出一种新的基于结构相似指数的聚焦形貌恢复算法。根据已有的部分聚焦的图像序列,得到一幅全聚焦图像,然后优化一个基于结构相似指数、全聚焦图像和空间连续性的损失函数,最终重构表面形貌。实验表明,提出的算法能够较好地反映物体的表面形貌信息,对于边缘区域的重构效果较好。

一种基于光场图像的聚焦光场相机标定方法

基于光场成像技术的场景三维深度重建,需标定光场相机的几何参数。本文提出一种基于原始光场图像的聚焦光场相机的标定方法。拍摄标定板不同旋转角度的原始光场图像;根据图像上像点与虚拟像点(像点关于微透镜的共轭点)的共轭关系,计算得到虚拟像点的坐标;根据标定板上角点与虚拟像点的共轭关系,建立聚焦光场相机标定模型;利用Levenberg-Marquardt算法求解标定模型,进行标定实验;比较所提方法与基于全聚焦图像的标定方法的标定参数。结果表明,原始光场图像与全聚焦图像对应的虚拟像点(角点关于主透镜的共轭点)之间的误差小于21pixel,角点的标定误差小于3%,基于原始光场图像和全聚焦图像方法获得的结构参数和外部参数具有较好的一致性,表明基于原始光场图像的标定方法的可行性。