一种高效的光场焦点堆栈的超分辨率网络

摘要

光场相机从多个视角捕捉场景，提供全面的图像信息。然而，由此产生的数据存在低图像质量问题，并且当前研究普遍存在多聚焦特征开发不足的局限，对深度特征能力的开发不足直接制约了光场增强的视觉效果。鉴于此，利用深度信息将子孔径图像转换为焦点堆栈并对其进行解析，利用焦点堆栈具有不同景深的特点，通过设计滤波器得到焦点堆栈所对应的深度图，将图像分类为聚焦或非聚焦，然后选择性地应用超分辨率网络来增强聚焦图像，该网络采用维度拉伸策略将低分辨率焦点堆栈和退化参数对应的退化图作为卷积神经网络输入。在公开和自建光场数据集上进行了实验，结果表明所提方法的图像信息熵较LF-IINet方法平均提升前景0.21%，平均提升后景0.22%，较Distg-SSR方法平均提升前景0.21%，平均提升后景0.28%；在图像高频能量方面，所提方法较LF-IINet方法平均提升前景10.78%，平均提升后景10.56%，较Distg-SSR方法平均提升前景11.33%，平均提升后景11.02%。通过深度引导的聚焦增强与非聚焦模糊策略实现了细节增强与噪声抑制的平衡，为光场成像在计算摄影领域的应用提供了高效可靠的解决方案。

关键词

光场 / 多聚焦特性 / 焦点堆栈 / 深度图 / 超分辨率

基金资助

国家自然科学基金资助项目（52275568）; 山西省重点研发计划资助项目（202102150401011）