光場的稀疏編碼模型及重構算法的研究.pdf

1、人們視覺體驗多樣化需求的提高以及VR虛擬現(xiàn)實技術紅火的發(fā)展，使得光場理論受到了越來越多的關注。光場是一種數(shù)字記錄所有場景光強分布的方式，如果相機能夠記錄下所有入射光的數(shù)據，就可以重建出被光照射物體的所有信息?；诠鈭龅某上窦夹g有別于傳統(tǒng)的成像技術，是一類計算成像技術，光場成像過程中同時記錄光的空間信息和方向信息，獲得信息更為豐富的四維圖像，帶來了很多新的攝影特性和玩法。
　　場景光信息的高維性帶來的是光場數(shù)據量的巨增，處理單元需要

2、有很強的計算能力，挑戰(zhàn)著現(xiàn)有的設定分辨率和圖像質量。而視覺信息都是高度冗余的，充分利用光場數(shù)據的低復雜度，如稀疏性、低秩性等，可以對對光場信息進行有效地降維表示，信號處理領域誕生的一系列理論，如壓縮感知理論、低秩矩陣恢復理論等等，為后端的數(shù)據計算重建提供了算法支撐?；趬嚎s成像的思想，文章通過實現(xiàn)對光場的壓縮采樣，基于光場數(shù)據的稀疏編碼過程，重構端應用相應的懲罰性約束條件，建立了光場圖像的壓縮重構模型，設計出模型的優(yōu)化求解算法，進而恢復

3、出原始的光場數(shù)據，并進行了仿真實驗和結果分析。本文的主要工作和研究內容如下:
　　1)由計算成像技術引入了全光函數(shù)和光場的概念，對光場的成像理論和光場的采集方式進行了論述，討論總結光場壓縮成像的研究背景和意義;
　　2)稀疏性是壓縮成像系統(tǒng)的前提，論述壓縮感知理論內容，把基于字典稀疏表示的壓縮感知圖像重構過程應用到光場數(shù)據中，編碼掩膜相機系統(tǒng)實現(xiàn)光場的隨機壓縮采樣，K-SVD算法實現(xiàn)光場字典的學習，Lasso-ADMM算法實

4、現(xiàn)壓縮測量光場分塊的重構。仿真實驗表明，可以在比較低的采樣率下實現(xiàn)光場圖像的重構，滑動窗口方式重構圖像的PSNR維持在40dB以上，但相對時間效率很低;
　　3)將卷積網絡引入到字典的學習中，論述卷積稀疏編碼理論內容，卷積對整幅圖像進行運算，可以代替基于分塊的圖像稀疏編碼與重構，探討了卷積稀疏編碼模型的有效求解算法，并將其應用到了光場圖像的壓縮重構之中，隨機壓縮采樣后學習得到光場的卷積字典，重構算法是一個基于ADMM的最優(yōu)迭代過程

5、。仿真結果驗明了這種方式的有效性，重構圖像質量較好，且重構過程不依賴于特定的訓練樣本下的字典學習。
　　4)分析了光場的低秩結構特征，論述矩陣低秩理論內容，對光場矩陣進行了低秩項與稀疏項的分解，采樣方式選擇了基于快速Noiselets變換的測量算子，圖像重構中綜合應用稀疏性與低秩性約束建立模型，應用一類組合的貪婪算法進行求解，仿真實驗表明這種方式下重構視點圖像的PSNR維持在30dB左右，適用于角度分辨率較大的光場數(shù)據，但同時其限