【摘要】：光場成像技術(shù)以及光場理論在各個領(lǐng)域的豐富與發(fā)展,使得光場相機(jī)在各個領(lǐng)域得到廣泛應(yīng)用。在深度獲取方面,雖然光場相機(jī)利用自身先拍照后聚焦以及可以獲取多視角圖像的特點(diǎn),產(chǎn)生了多種獨(dú)特的深度生成方法,但仍在深度圖像的獲取質(zhì)量及應(yīng)用方面存在不足。對此,本文利用光場相機(jī)的特點(diǎn)對光場圖像進(jìn)行處理,研究更高精度的深度獲取及更好的全聚焦圖像生成方法,主要工作及創(chuàng)新點(diǎn)如下:1)實現(xiàn)了Lytro光場相機(jī)的數(shù)字重聚焦算法。首先采用高曝光圖像峰值檢測法對微透鏡陣列中心進(jìn)行標(biāo)定;然后利用標(biāo)定得到的中心坐標(biāo)數(shù)據(jù)對原始光場數(shù)據(jù)進(jìn)行重映射得到4D光場;最后利用重積分與基變換的方法對獲取的4D光場數(shù)據(jù)進(jìn)行處理獲得光場重聚焦圖像。實驗驗證了該方法的有效性。2)提出了基于交互式圖像分割優(yōu)化光場圖像深度的方法。首先采用交互式方法分割出場景中紋理較為復(fù)雜的部分;然后利用散焦深度圖結(jié)合分割出的場景重新定義原始場景的深度范圍;最后采用光場圖像散焦與相關(guān)性結(jié)合的方法得到量化級為256的深度圖。這里重新定義的深度范圍實質(zhì)就是光場圖像的重聚焦范圍。利用該方法在不增加深度生成時間的情況下,提高了深度圖的整體質(zhì)量,有利于對生成的深度圖像進(jìn)行后期的處理與應(yīng)用。實驗結(jié)果表明所提算法在視覺效果與客觀質(zhì)量對比中均取得了提高。3)提出了深度圖像與多幅散焦圖像結(jié)合生成全聚焦圖像的方法。首先利用光場原始圖像進(jìn)行數(shù)字重聚焦獲取多幅不同深度的散焦圖像;其次利用散焦方法生成一幅簡單的深度圖像;最后利用深度圖像確定每幅散焦圖像的具體聚焦位置以進(jìn)行最后的全聚焦圖像生成。該方法避免了傳統(tǒng)基于圖像融合的全聚焦圖像生成算法的限制,能夠準(zhǔn)確地找出散焦圖像的聚焦區(qū)域進(jìn)行全聚焦圖像生成。實驗結(jié)果表明所提算法在視覺效果與客觀質(zhì)量對比中均取得了提高。
【圖文】：

體表面調(diào)制出的相位信息，經(jīng)過解調(diào)相位信息就能獲取物體深度的體深度。構(gòu)光法。結(jié)構(gòu)光法的基本原理為：利用激光光源結(jié)合鏡面產(chǎn)生的平量深度的物體上，產(chǎn)生可控制的光帶或光面結(jié)構(gòu)。之后將產(chǎn)生的光得該光帶所產(chǎn)生的數(shù)字圖像，最后三維坐標(biāo)由計算機(jī)處理被測量的由于其算法簡單，體積較小，便于實驗之用，因而在深度獲取方面度相機(jī)[15]獲取深度。前面介紹的深度獲取方法都需要進(jìn)行一定的測場景深度。深度相機(jī)摒棄了這一做法，可以實時的捕獲場景的深度顯示出來。如圖 1.1 所示為型號 SR4000 的深度相機(jī)。00 深度相機(jī)采用的是時間飛行法（Time of Flight，即 TOF），該方內(nèi)部發(fā)出的紅外脈沖打到被測物體上后，由相機(jī)內(nèi)部的傳感器芯片過計算脈沖信號所走的時間來得出場景所處的具體距離就能獲取場

技術(shù)應(yīng)用的關(guān)鍵所在。數(shù)字重聚焦是后續(xù)基于光場相機(jī)散工作，也是基于深度的全聚焦圖像生成中必不可少的一部論與數(shù)字重聚焦入手對光場相機(jī)的成像理論與光場圖像的并且通過實驗驗證了光場圖像數(shù)字重聚焦的有效性。義念最早在 1936 年由 A.Gershun 提出，同時空間中光場的具樣光場在三維空間內(nèi)部的傳輸特性就得以正確的描述。19布的光線利用七維函數(shù)來表示，我們稱之為七維全光函數(shù)z , , , , t)來表示[10]，其中光場在空間中的三維坐標(biāo)由 x, y方向由 , 來表示，空間中光線的波長由 來表示，光線。由于任一時刻自由空間內(nèi)傳播的光線 是不變的，因此五維全光函數(shù) p( x, y, z , , )[21]，如圖 2.1 所示。1996 年 Le兩個平面對空間中任意帶有方向與強(qiáng)度信息的光線進(jìn)行四
【學(xué)位授予單位】：太原科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：TP391.41

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 馬逸丹;;數(shù)字圖像處理技術(shù)在三維重建中的應(yīng)用研究[J];數(shù)字技術(shù)與應(yīng)用;2016年10期

2 丁江華;韓燮;孫福盛;;基于微透鏡陣列的光場圖像深度估計[J];科學(xué)技術(shù)與工程;2016年17期

3 賴思渝;王娟;;一種改進(jìn)的DCT域壓縮圖像融合算法[J];網(wǎng)絡(luò)新媒體技術(shù);2016年03期

4 張嵐;;基于小波變換的圖像融合[J];現(xiàn)代工業(yè)經(jīng)濟(jì)和信息化;2016年01期

5 尹曉艮;張曉芳;張偉超;李碩豐;賈紀(jì)元;臧華平;田勇志;梁二軍;劉曉e，

本文編號：2549869