[发明专利]一种光场成像自动重对焦方法

摘要

本发明公开了一种光场成像自动重对焦方法，该方法建立点扩散函数模型和模糊度评价模型，基于以上模型，根据不同对焦深度及其对应重对焦图像估计感兴趣区域的模糊度估计函数，对函数求取极值点获得感兴趣区域对焦深度，最终获得该深度对应的重对焦图像。本发明通过直接估计感兴趣区域的对焦深度实现感兴趣区域的重对焦，克服了现有方法计算冗余度大的弊端，为光场成像在扩大成像景深方面的应用提供了一种快速有效的自动重对焦机制，提高了光场成像感兴趣区域重对焦操作的执行效率，有利于促进光场成像的研究及应用发展。

主权项

一种光场成像自动重对焦方法，其特征在于，该方法包括以下步骤：步骤S1、建立光场重对焦处理模型，该模型建立重对焦图像和对焦深度的基本映射关系；所述重对焦模型为：g[x]=(h(β)⊗p)[x]+N[x]]]>其中代表卷积，g[x]为某区域清晰图像，p为全场景清晰图像，β为清晰区域所对应的对焦深度，h(β)为该深度对应的点扩散函数，N[x]为图像噪声；步骤S2、根据点扩散函数定义对h(β)建模，并确定用以估计h(β)的重对焦图像数量n；步骤S3、对于采集到的光场原始图像，将其解码为4D光场参数化表示LF(x,u)，表示在像距F处采集的光场，其中x＝(x1,x2)T为空间维度坐标；u＝(u1,u2)T为角度维度坐标，该参数化表示由对应于不同视角的子孔径图像构成；步骤S4、自动检测出需重对焦的感兴趣区域；步骤S5、对该光场做重对焦处理，渲染出n幅对焦在不同深度βi(i＝1,...,n)的图像步骤S6、使用机器学习的方法，构建模糊度评价模型BM步骤S7、利用模糊度估计模型BM，对重对焦图像估计感兴趣区域的模糊度σh(βi)；步骤S8、利用βi和σh(βi)(i＝1,...,n)估计出该光场中感兴趣区域的点扩散函数的方差步骤S9、基于公式求取函数的极小值点β0，即为重对焦在感兴趣区域的对焦深度β0；步骤S10、利用重对焦算法渲染出β0对应的感兴趣区域对焦清晰的光场重对焦图像；所述步骤S2进一步包括以下步骤：步骤S21、获取点光源S0的光场表示步骤S22、对光场做重对焦渲染处理得到其中,为重对焦算子，为四维光场，α为重对焦面与主透镜之间的距离与F的比值，αxα为重对焦图像的空间坐标；步骤S23、将进行尺度变换，定义一个积分不变调整图形尺度算子，即其中η为尺度变化系数，I(x)为待调整图像，得到重对焦点扩散函数根据对焦深度β与α关系β＝f(α)，其中β＝α‑1，进一步可得到h(β)；步骤S24、简化模型复杂度，最终建模得到σh(β)；所述步骤S4中的自动检测感兴趣区域，是利用目标检测算法，在中心视角的子孔径图像上自动检测出感兴趣区域坐标及尺寸，该坐标及尺寸用于对渲染在任意深度的重对焦图像的感兴趣区域进行分割；所述步骤S6进一步包括以下步骤：步骤S61、建立感兴趣区域模糊度训练库；训练库包含了感兴趣区域图像样本，这些样本对应于不同模糊度，并由模糊度进行标注；步骤S62、对训练集中的样本提取图像模糊度评价特征，利用LASSO回归对DIIVINE的图像质量特征进行加权，即w=argmin||Aw-σ||22+λ||w||1]]>其中w为特征权重系数，A为大小为m×n的训练集矩阵，m为训练样本的维数，n为特征维数，σ为模糊度标记向量，λ为平衡系数；步骤S63、利用步骤S61的感兴趣区域模糊度训练库及步骤S62提取的模糊度评价特征，训练模糊度评价回归模型；所述步骤S7包括以下步骤：步骤S71、利用所述步骤S4得出的感兴趣区域坐标，提取重对焦图像的感兴趣区域；步骤S72、对感兴趣区域图像提取图像模糊度评价特征；步骤S73、将该图像模糊度评价特征送入所述步骤S6得到的回归模型中，得到感兴趣区域的模糊度评价。