Lytro相机的光场图像重聚焦方法

为实现光场相机的重聚焦性能,在傅里叶切片定理的基础上,提出一种重聚焦方法。对提取到的光场数据进行四维傅里叶变化,计算其傅里叶切片,对得到的傅里叶切片进行二维傅里叶逆变化提取重聚焦后的图像。实验结果表明了所提模型的正确性和重聚焦方法的可行性,验证了该算法具有较高的实现效率和适用性,其充分利用了光场的空间和方向信息,避免了空间域积分计算存在的时间复杂度。

基于Lytro相机的全聚焦成像

由于光场相机的成像特性,单次成像不仅可以记录目标三维光线的强度信息,还可以记录目标光线的方向信息,因此光场相机可以实现图像的重聚焦。根据消费级光场相机Lytro Illum的重聚焦特性,利用重聚焦图像序列,实现光场相机的全聚焦成像。实验结果表明所提出方法的正确性和有效性,对光场相机的全聚焦成像具有较好的效果。

Lytro相机的光场图像校正与重对焦方法

目的光场相机因其具有先拍照后对焦的能力而备受广泛关注,然而光场相机的理论研究往往受制于原始光场图像及其标定参数的获取。基于目前市面上唯一的一款消费级光场相机——Lytro相机,提出一套光场图像获取、校正和重对焦的系统化方法。方法通过分析Lytro相机工作原理、算法和文件结构,给出了一套实现原始光场数据提取、解码、颜色校正、微透镜阵列标定和校正的完整方案。并在此基础上提出一种基于分数阶傅里叶变换的Lytro相机重对焦方法。结果实验结果表明所提系统级方案正确,所提重对焦方法具有令人满意的重对焦性能。结论本文Lytro相机光场图像获取和标定方法,利用分数阶傅里叶变换实现光场图像的频率域重聚焦。基于两台Lytro相机的实验结果表明,本文方法可正确获取图像数据及相机参数,重聚焦算法效果好。

基于分割的立体匹配法提取光场视差图

为了解决从光场相机采集的图像中提取物体深度信息的问题,提出一种利用Lytro光场相机设备,基于图像分割的立体匹配方法估计光场图像深度。首先对Lytro相机采集的原始灰度图进行解码和颜色校正,提取相应的子光圈图像;在Matlab环境下,结合图像颜色分割、自适应立体匹配对子图像进行处理,通过平面拟合技术和BP优化得到相应的深度估计图。实验结果表明,该方法提取到深度图在视觉精度上有了明显的提高。

一种基于微透镜阵列的图像全聚焦方法

光场相机捕获了光线的位置信息和方向信息;但牺牲了一定的方向分辨率,降低了图像的清晰度。目前,一款消费级光场相机Lytro虽小巧便携,拍摄方便,但其提取的图像分辨率很低。针对这一问题,提出了一种基于微透镜阵列的图像序列全聚焦方法。首先对采集到的原始光场图像进行编码、标定及颜色校正等处理,再构造子图像序列模型,从处理后的图像信息中提取出不同的图像序列,在空间域积分重聚焦的原理上,用清晰度评价算子确定子图像的最佳聚焦点,再经过图像融合完成图像的全聚焦。实验结果表明,使用该方法提高了图像的空间分辨率,得到更加清晰的全聚焦图像。

光场相机精确色彩矢量约束下的超分辨率算法

以LYTRO相机为例,提出一种精确色彩矢量约束下的光场图像超分辨率算法。根据相机内部微透镜阵列按六边形分布的特点,结合点扩散函数,及相机探测器阵列上滤光片的排列方式,计算了每个单一像素点的RGB色彩分量值,精确恢复出每一个像素的颜色信息;利用金字塔算法对色彩恢复的时效性进行了优化。提出一种基于相机子孔径图像序列颜色矢量约束下的超分辨率算法,以提高图像质量。所提的色彩恢复方法可以用于多款光场相机,同时以色彩矢量作为约束条件,彩色超分辨率图像恢复的效果理想。

基于光场数字重聚焦的三维重建方法研究

研究了光场数字重聚焦聚焦三维重建新方法,探讨了光场数字重聚焦参数λ的取值以及拍摄条件对重建结果的影响。空间中,每一个点和每一个方向的辐射函数总和就是光场,光场数据包含了空间全部三维信息。借助计算成像技术,光场数据可以重构出序列数字重聚焦图像,实现空间的三维重建。实验时,首先用Lytro光场相机获取空间数据;然后用LytroDesktop软件进行数字重聚焦处理,重构出序列焦平面图像;最后用Halcon软件的聚焦深度(depth-from-focus)函数实现三维重建。实验结果显示,参数λ表征了重构平面的深度信息,λ的性质显著地影响重建结果,λ数量多于8、正负λ数目相当时,三维重建结果好。拍摄时,设置的相机参数、目标的反射及场景背景等因素都会对重建结果产生影响。适合参数下,本文方法能够正确重构不同深度结构的目标,重构结果可以任意视角查看。本文方法利用单视图重构设备,实现多视图三维重建结果,拍摄装置小巧,拍摄过程快捷,系统稳定性好,降低了拍摄难度和重建算法的复杂度,拓展了DFF算法的适用深度范围,适合大景深场景和运动目标的三维重建。