[發明專利]一種光場重建方法

有效

• 申請號: 201510323863.7
• 申請日: 2015-06-12
• 公開（公告）號: CN104933684B
• 公開（公告）日: 2017-11-21
• 發明（設計）人: 尹寶才;王玉萍;王立春;孔德慧
• 申請（專利權）人: 北京工業大學
• 主分類號: G06T5/00
• 分類號: G06T5/00
• 代理公司: 北京中北知識產權代理有限公司11253
• 代理人: 馮夢洪

技術領域

本發明屬于計算攝影學的技術領域，具體地涉及一種光場重建方法。

背景技術

相比于傳統的彩色或灰度圖像，光場圖像集能夠為場景提供一種更精準可靠的描述，并且能夠提高計算機視覺領域各項任務的性能。近年來，越來越多的光場相機不斷涌現出來，一類是通過對光學器件的設計或加入對感應像素的重排直接獲取光場；另一類是獲取部分光場數據，將獲取數據進行后計算處理得到重建的光場。

在SIGGRAPH 2013中，Marwah等人提出了一種新型壓縮光場相機，是通過在光路中插入面罩并結合壓縮感知理論重建來實現的。該方法是上述第二類中的一個典型代表。該相機的成像原理如圖1所示。一張經過面罩f(ξ)編碼的圖像i(x)作為光場圖像集l(x，v)的壓縮采樣，結合訓練好的字典進行稀疏重建。該過程正是經典壓縮感知理論在光場采集領域的一種應用。其在字典訓練的過程中，將光場原子排列成列向量的形式。然而光場作為一種高維數據，向量化操作破壞了高維數據的結構信息，因此，不能很好地對數據進行稀疏表示，字典的存儲空間比較大，重建光場圖像的質量差。

發明內容

本發明的技術解決問題是：克服現有技術的不足，提供一種光場重建方法，其能夠保持高維數據各維度之間的結構信息，更有效地對數據進行稀疏表示，降低字典的存儲空間，大大提高重建光場圖像的質量。

本發明的技術解決方案是：這種光場重建方法，在訓練字典中將光場原子表示成張量結構，按張量的每個模式同時訓練多個小字典，再經過克羅內克積將多個小字典合并成一個大字典。

本發明改進字典訓練的過程，將光場原子表示成張量結構，按張量的每個模式同時訓練多個小字典，再通過克羅內克積將多個小字典合并成一個大字典，這種訓練方式能夠保持高維數據各維度之間的結構信息，更有效地對數據進行稀疏表示，降低字典的存儲空間，大大提高重建光場圖像的質量。

附圖說明

圖1示出了現有技術中的一種相機的成像原理；

圖2示出了圖1中的光場獲取過程對應的矩陣描述示意圖。

具體實施方式

這種光場重建方法，在訓練字典中將光場原子表示成張量結構，按張量的每個模式同時訓練多個小字典，再經過克羅內克積將多個小字典合并成一個大字典。

本發明改進字典訓練的過程，將光場原子表示成張量結構，按張量的每個模式同時訓練多個小字典，再通過克羅內克積將多個小字典合并成一個大字典，這種訓練方式能夠保持高維數據各維度之間的結構信息，更有效地對數據進行稀疏表示，降低字典的存儲空間，大大提高重建光場圖像的質量。

優選地，該方法包括以下步驟：

(1)給定訓練樣本集其中P是用于訓練的光場原

子的個數，訓練過程用公式(2)描述

其中是D^(r)的第i列，I_P是維度為P的單位矩陣，K₀為一常數；

(2)稀疏編碼：該過程固定D⁽ⁱ⁾，i的取值為1，...，n，求S，公式(2)退化為公式(3)：

該公式(3)通過OMP方法求解；

(3)字典更新：該過程固定S，求D⁽ⁱ⁾，i的取值為1，...，n，根據公式(4)將張量分解成一系列秩1張量的和：

其中

對于序號為(p₁，p₂，...，p_n)的單個原子，固定S及D⁽ⁱ⁾中其他變量后，其中i的取值為1，...，n，公式(2)轉化為公式(5)

其中

(4)將稀疏向量退化為只有非零元素的向量

其中K_t是非零元素的個數，也對應縮減為對做CP分解，每個模式對應的CP因子作為更新的原子。

優選地，該方法包括以下步驟：

(I)輸入：訓練數據初始字典目標稀疏度K₀，迭代次數Q；

(II)保證：稀疏表示

(III)對m＝1，...，Q執行：

使得||S(：，...，：，i)||₀≤K₀；

(IV)對m＝1，...，Q執行：

(V)

(VI)對進行CP分解；