[发明专利]基于尺度不变特征变换的计算集成成像图像重构方法

说明书

基于尺度不变特征变换的计算集成成像图像重构方法属三维图像处理技术领域，本发明使用相对更正确的图像区域替换失真区域，这些图像区域通过对原始对象采集的视图图像和立体元图像之间的匹配得到，由于设备的限制和实验操作的不可避免的缺点，从原始对象采集的视图图像的对应区域不能满足人们的要求，为了解决上述问题，本发明采用SIFT描述子和透视变换来获得合理的正确区域，提供了三维视图图像的仿真和实验结果，以及相应的图像质量评估，以测试和验证所提方法的性能，仿真和实验结果表明，本发明提出的方法优于传统的计算集成成像重构方法，验证了本发明提出的方法的可行性和有效性。

技术领域

本发明属于三维图像处理领域，具体涉及一种基于尺度不变特征变换和块特征匹配的计算集成成像图像重构方法。

背景技术

三维(3D)成像和显示技术因其在科学研究，医学治疗，工业等领域的许多应用而受到了极大的关注。由Lippmann于1908年提出的集成成像是目前最有前景的3D显示技术之一，因为它该方法能提供全色视差，连续观察点和非相干光。典型的集成成像系统有两个基本部分：采集和显示。在采集过程中，3D场景由具有小透镜阵列或相机阵列的记录装置采集。来自不同视点的3D场景信息记录在立体元图像中。在显示过程中，通过投影仪阵列或在显示面板上显示基本图像，并且在显示面板前放置小透镜阵列以重构3D场景。上面介绍的显示过程是传统的光学重构。由于设备的局限性，该方法总是需要特殊的光学设备然而只能提供低分辨率的3D重构场景。为了克服光学重构的缺点，计算集成成像重构被认为是更清晰地呈现3D场景的可行方法。另外，计算重构可以在2D显示平面上变换要观察的立体元图像，这使得图像处理和信息提取更加容易。

计算集成成像重构方法通过计算机从立体元图像中重构三维场景。前人的研究已经提出了一些计算重构方法：有研究者利用图像插值算法获得分辨率增强的元素图像，并利用元素图像的放大过程重构3D场景，从而提高视觉质量。然而，插值过程可能导致像素的额外误差和更重的计算负荷。还有作者提出了一种基于立体元图像像素重排技术的计算重构方法，该方法可以快速地重构3D图像，但是重构的3D图像的尺寸不同于传统的计算重构。由于在传统的计算重构方法中没有考虑离焦效应，因此有研究者提出了一种使用透镜阵列模型的计算重构方法来克服这种问题。还有研究者提出了一种计算集成成像技术，该技术可以根据基于透镜阵列模型的光线追踪到每个透镜，并通过每个透镜从立体元图像中提取多个像素，该技术可以增强重构的三维图像的观看分辨率，但是需要更多的改进。

1999年Lowe提出的尺度不变特征变换(SIFT)描述子为图像提供了一种尺度不变特征。SIFT描述子由位置、尺度、方向和特征矢量组成。由于在尺度不变特征搜索中具有优异的性能，SIFT描述子已被广泛用于图像检索，图像配准，对象识别等。

发明内容

本发明目的在于提供一种能提高三维重构场景图像质量的集成成像计算重构方法。

本发明的基于尺度不变特征变换的计算集成成像图像重构方法，包括下列步骤：

1.1获得立体元图像阵列和视点图像，具体包括下列步骤：

1.1.1利用MAYA软件生成三维虚拟模型和虚拟相机拍摄阵列，设虚拟相机阵列大小为A×B，调整虚拟相机阵列参数，同时对三维虚拟模型进行拍摄，生成的立体元图像按照相机阵列顺序拼接，得到立体元图像阵列；

1.1.2确定计算重构视点位置(x₀，y₀，z₀)，将一个虚拟相机摆设在该位置，三维虚拟模型位置不变，用该虚拟相机拍摄三维虚拟模型，得到该视点位置的视点图像；

1.2利用步骤1.1.1中得到的立体元图像阵列，根据非周期计算重构方法进行采集端的计算机重构，具体包括下列步骤：

1.2.1根据步骤1.1.2确定的计算重构视点位置，按照小孔阵列模型非周期计算重构算法进行集成成像计算重构，对应每个小孔的像素点，以该点为中心取分辨率为c×c的小块，c的取值满足下列公式：