基于压缩感知的光场相机的膜优化方法及字典训练方法
【技术领域】
[0001] 本发明属于优化光场获取和重建的技术领域，具体地设及一种基于压缩感知的光 场相机的膜优化方法，W及其训练字典方法。
【背景技术】
[0002] 随着光场研究的展开和应用，光场成为继声音、图像、视频之后的一种新型多媒体 数据。由于光场数据规模和复杂程度的急剧增长，给光场的获取、存储、处理带来很大压力。 因此，有效的获取与存储手段对光场有着深远的意义。
[0003] 光场是四维光福射场的参数化表示，同时包含了位置和方向信息。100多年前 Ives在双目视差显示系统中运用的针孔成像技术Lippman的集成照相术都是光场成像的 维形。Gershun于1936年提出了光场的概念，将其定义为光福射在空间各个位置向各个方 向的传播，并认为可W通过计算得出像平面上每点的光福射量。由于计算量大而计算机技 术还不成熟，所W当时未能验证其理论。1948年，G油or获得了第一张全息图，该可W看作 一张特殊的光场图像。随着计算机技术的不断发展，Adelson于1992年将光场理论成功运 用到计算机视觉，并提出了全光场理论（plenopticthecxry)。Levoy在1996年提出的关于 光场擅染理论（li曲tfieldrendering,LFR),通过将光场进行参数化表示，并提出计算成 像公式。在此基础上，Ng于2005年发明了第一台手持式光场相机，并推广到了商业领域。 紧接着Levoy于2006年将LFR理论运用于显微成像，并研制出光场显微镜，一次曝光能得 到最大景深的显微图片，并可进行=维重建。光场实质上就是空间中所有光线光福射函数 的总体。光线携带二维位置信息（u，v)和二维方向信息(AW在光场中传递。根据Levoy 的光场擅染理论，空间中携带强度和方向信息的任意光线，都可W用2个平行平面来进行 参数化表示，光线与该2个平面相交于2点，形成一个四维光场函数L(u，V，X，y)(图1)。
[0004] 光场的获取方式主要分为S种；微透镜阵列（Ng的手持光场相机），相机阵列（斯 坦福大学的128相机阵列）和掩膜（Veerara曲avan的光场相机）。Marw址等于2013年在 掩膜基础上，将压缩感知运用到光场的获取中。将掩膜置于透镜和成像平面之间，不同视点 的视图将被掩膜的不同部分进行调制后再叠加成为一副像平面上的图像。然后再通过稀疏 重建恢复所有的不同视点的视图。
【发明内容】
[0005] 本发明的技术解决问题是；克服现有技术的不足，提供一种基于压缩感知的光场 相机的膜优化方法，其减小了光场的存储空间且采集设备简单，优化了观测从而获得更好 的重建质量。
[0006] 本发明的技术解决方案是；该种基于压缩感知的光场相机的膜优化方法，包括W 下步骤：
[0007] (1)利用KSVD算法从样本库进行字典训练；
[000引 似利用观测P和字典D非相关性，W及观测的特定结构，计算出优化的膜；
[0009] (3)用膜对四维光场数据进行观测采样；
[0010] (4)从观测到的二维图像的数据中重建稀疏系数；
[0011] (5)由稀疏系数重建四维光场数据。
[0012] 本发明设计了对在固定膜的情况下，通过优化训练字典，增大观测和字典之间的 非相关性，减小了光场的存储空间且采集设备简单，优化了观测从而获得更好的重建质量。
[0013] 还提供了基于压缩感知的光场相机的训练字典方法，包括W下步骤：
[0014] (I)随机生成膜，并得出其对应的观测矩阵；
[0015] (II)结合观测矩阵和非相关性训练优化字典；
[0016] (III)用膜对四维光场数据进行观测采样；
[0017] (IV)从观测得到的二维图像重建稀疏系数；
[001引 （V)由稀疏系数和字典重建原始四维光场数据。
【附图说明】
[0019] 图1示出了光场的四维参数化。
[0020] 图2a示出了两个平面间的光线分布的一种方式；图化示出了两个平面间的光线 分布的另一种方式。
[0021] 图3示出了在透镜和成像平面间插入膜，光线集得到了部分膜的调制。
[0022] 图4示出了一个虚拟的拥有16值的膜。
[0023] 图5示出了膜贴在感知面上的情况。
[0024] 图6示出了当膜贴在感知面上时，不同的视图将会被完整的膜的相同部分调制。
[0025] 图7是本发明优化膜实施例的流程图。
[002引图8是本发明优化字典训练实施例的流程图。
【具体实施方式】
[0027] 如图7所示，该种基于压缩感知的光场相机的膜优化方法，包括W下步骤：
[0028] (1)利用KSVD算法从样本库进行字典训练；
[002引 似利用观测P和字典D非相关性，W及观测的特定结构，计算出优化的膜；
[0030] (3)用膜对四维光场数据进行观测采样；
[0031] (4)从观测到的二维图像的数据中重建稀疏系数；
[0032] (5)由稀疏系数重建四维光场数据。
[0033] 本发明设计了对在固定膜的情况下，通过优化训练字典，增大观测和字典之间的 非相关性，减小了光场的存储空间且采集设备简单，优化了观测从而获得更好的重建质量。
[0034] 如图8所示，还提供了基于压缩感知的光场相机的训练字典方法，包括W下步骤：
[003引 讯随机生成膜，并得出其对应的观测矩阵；
[0036] (II)结合观测矩阵和非相关性训练优化字典；
[0037] (III)用膜对四维光场数据进行观测采样；
[0038] (IV)从观测得到的二维图像重建稀疏系数；
[0039] (V)由稀疏系数和字典重建原始四维光场数据。
[0040] W下更具体地说明本发明：
[0041] 压缩感知于2006年正式提出后得到了广泛的理论研究和应用。该理论认为大部 分的自然信号XGr都可W在一个合适的字典DGRDXk下表达为一个稀疏系数a。
[0042] X=Da，IIaI|〇<<n(1)
[0043] 用观测矩阵PGRmxn(m<<n)和原信号X作乘积表示在W低于奈奎斯特采样率 的情形下进行采样，得到采样信号y
[0044] y=Px
[004引 由（1)得：
[0046] y=PD曰 似
[0047] 理论研究表明，当信号足够稀疏时通过凸优化等逼近算法，算出的最稀疏的信号 是非常逼近原稀疏信号的。所W只要求解：
[004引
（3)
[0049] 然后再由（1)式得出初始信号。
[0050] 在用做式进行稀疏重建时，观测P和字典D的非相关性将影响稀疏系数的重建 质量。Elad给出了测量非相关性的定义：
[0051]
(4)
[0052] 该里A=PD，a。是A的不同列。y值是用来度量P和D的非相关性的，y越 小，P和D的非相关性越强。
[0053] 在透镜和成像平面间，可W有两种方式看待光线的分布。如果用（u，v)平面表示 透镜平面，（s，t)平面表示成像平面，则从（u，v)上的一个点有到（s，t)平面上每个点的光 线集，也有从（u，v)上的每个点到（s，t)上一个点的光线集，如图2a、化所示。
[0054] 当在透镜平面和成像平面之间插入一个膜后的示意图如图3 :
[0055] 假设每个视图的大小为3*3,我们采样4个视图，让膜的密度大小为4*4。则可示 意如图4所示。
[0056] 图4是一个虚拟的拥有16值的膜。虚实两格子部分分别表示两个光线集被调制 的部分。
[0057] 我们将视图拉成列向量形式，得
[0058]
[0059] 而对应的观测矩阵可表示为：
[0060]
[0061] 由上，对于一般的情况，光场视图的采样可表达为：
[0062]
[0069] 而膜可W用一个向量表示为
[0070] m= (a!a]a]a*bibgbgb*ClC2C3C*didgdgd*)巧）
[0