[发明专利]一种针对光场阵列相机的盲深度超分辨率计算成像方法

摘要

本发明公开了一种针对光场阵列相机的盲深度超分辨率计算成像方法，将传统的基于正则化的超分辨方法与光场重聚焦相结合，考虑到光场图像特有的深度特性，不需要利用场景的先验深度信息，在计算重聚焦的同时进行超分辨重建。本发明方法通过子图像像素的方差来判断聚焦区域，能够在保持非聚焦区域均匀模糊的前提下对聚焦区域进行超分辨成像，形成一系列多聚焦的高分辨率图像，最终采用多聚焦图像融合算法进行融合，得到当前场景全景深的高分辨率图像。

主权项

一种针对光场阵列相机的盲深度超分辨率计算成像方法，其特征在于，包括以下步骤：1)将阵列相机获得的子图像进行计算聚焦，并且在计算聚焦的同时提高目标图像网格的分辨率，获得聚焦到某一深度的高分辨率图像的初始值；通过改变阵列相机子图像之间的位移值，获得聚焦到不同深度的当前场景的图像；2)对应某个位移值，判断子图像之间相同位置像素的方差值，通过映射θ＝exp{‑0.1×V0.9}，将方差值V转化为迭代过程中修正矩阵中对应位置的权值θ；3)建立如下目标函数，采用最小化L2范数和TV正则：X^i=argminXi{Σk=1N||yk-DHFi,kXi||2+λJ(Xi)}Xi=xi+Pi;]]>其中k＝1,2,3,...,N代表图像帧数；xi为原始场景中第i层深度聚焦部分对应的向量；Pi为原始场景中第i层深度非聚焦部分对应的向量；Xi为xi与Pi的组合，对应着高分辨率的聚焦区域以及均匀模糊的非聚焦区域；yk代表低分辨率图像序列中第k帧图像向量；D表示下采样矩阵；H表示对应的模糊矩阵；Fi,k为对应于第k帧、第i层深度的位移矩阵；其中J(Xi)为正则化项，λ为正则化系数，有J(Xi)=||▿Xi||TV=ΣuΣv|▿Xi,u,v1|2+|▿Xi,u,v2|2+δ2▿Xi,u,v1=Xi[u+1,v]-Xi[u,v]▿Xi,u,v2=Xi[u,v+1]-Xi[u,v];]]>式中符号▽为梯度算子，是图像Xi在子图像的点(u,v)沿水平和垂直方向上的一阶偏导数，δ为可调参数；采用以下公式，使用梯度下降法求解超分辨问题：X^i(n+1)=X^i(n)-β×▿T(X^i(n));]]>式中，为第n次迭代后超分辨重建图像；β为步长因子；为修正后的第n次超分辨重建图像对应的梯度向量，其具体表达式如下：式中，Θ为步骤2)中各个像素点修正权值θ组成的修正向量，符号代表两个同维向量之间对应元素相乘，结果仍为相同维度的向量；通过计算当前点的梯度，沿梯度的反方向更新高分辨率图像的估计值，再计算新的估计值处的梯度，如此迭代，得到在聚焦区域具有超分辨效果，在非聚焦区域均匀模糊的一系列聚焦到不同深度的多聚焦高分辨率图像；4)采用基于静态小波分解的多聚焦图像融合方法对步骤3)得到的聚焦到不同深度的多聚焦高分辨率图像进行融合。