[发明专利]适应大视差范围的光场图像视角超分辨方法及装置

权利要求书

1.一种适应大视差范围的光场图像视角超分辨方法，其特征在于，包括以下步骤：

S1，使用双线性插值方法，在光场图像的已有视角图像之间插入新增的视角图像，将视角分辨率提升至原来的n倍；

S2，从步骤S1中提取待修复的极平面图像，构成极平面图像立方体；

S3，构建基于多尺度卷积层的嵌套连接结构的适应大视差范围的光场图像视角超分辨网络；

S4，训练适应大视差范围的视角超分辨网络，使用训练好的网络模型修复极平面图像立方体的信息，获得优化的极平面图像立方体；

S5，将优化的极平面图像立方体重建为倍率为n的光场图像视角超分辨结果。

2.根据权利要求1所述的适应大视差范围的光场图像视角超分辨方法，其特征在于，步骤S3包括：

S301，构建极平面图像立方体预处理部分；

S302，构建极平面图像立方体结构学习部分；

S303，通过所述嵌套连接结构对极平面图像立方体进行特征提取与重建；

S304，将所述嵌套连接结构的输出结果输入连续的三个卷积层，得到输出极平面图像立方体。

3.根据权利要求2所述的适应大视差范围的光场图像视角超分辨方法，其特征在于，所述嵌套连接结构包括：特征提取模块、特征重建模块和特征链接模块。

4.根据权利要求3所述的适应大视差范围的光场图像视角超分辨方法，其特征在于，所述特征提取模块通过去除均值池化层的改进通道注意力机制的注意力残差块构成。

5.根据权利要求4所述的适应大视差范围的光场图像视角超分辨方法，其特征在于，所述特征重建模块的尺度和所述特征提取模块的尺度一一对应。

6.根据权利要求5所述的适应大视差范围的光场图像视角超分辨方法，其特征在于，所述特征链接模块由卷积层构成，所述特征链接模块的尺度和同层级的所述特征提取模块的尺度相同。

7.根据权利要求6所述的适应大视差范围的光场图像视角超分辨方法，其特征在于，在步骤S4中，通过Pytorch框架构建并训练所述网络模型。

8.根据权利要求7所述的适应大视差范围的光场图像视角超分辨方法，其特征在于，所述视角超分辨网络的输出数据通过损失函数进行处理，所述损失函数的表达式如下：

其中，P为训练数据量，为极平面图像立方体真值，为待修复的极平面图像立方体，ω代表网络权重信息，λ为权重衰减系数。

9.根据权利要求8所述的适应大视差范围的光场图像视角超分辨方法，其特征在于，在步骤S5中，对所述光场图像视角超分辨结果进行视觉效果评价和定量评价，其中，所述定量评价的指标包括PSNR和SSIM，公式如下：

其中，X，Y分别为失真图像和目标图像，u_X，u_Y表示图像X和Y的均值，σ_X，σ_Y，σ_XY表示图像X，Y的标准差和标准差，C₁，C₂，C₃为常数。

10.一种适应大视差范围的光场图像视角超分辨装置，其特征在于，采用了根据权利要求1-9中任一项所述的适应大视差范围的光场图像视角超分辨方法。