论文部分内容阅读
传统的成像装备进行远距高清晰成像时,往往需要依靠复杂和昂贵前端硬件,且一次成像仅是解决对场景的某一视角的二维投影的问题。本文以多视图几何和计算摄影理论方法为基础,基于自行研制的阵列相机,研究图像超分辨率重建、深度估计、重聚焦、去模糊等光场成像的关键技术。其主要研究内容和工作如下:(1)给出一种阵列相机总体设计,构建了阵列相机超分辨率重建的系统技术框架,其中包括超分辨率模型、图像超分辨率重建的流程,以及相机标定、图像配准、深度估计、图像融合、图像去模糊等。(2)研究了阵列相机的深度估计与重聚焦方法。深入分析了视差深度和三维投影深度的特点,给出了基于贝叶斯视差估计方法,以及视差法与投影法相结合的深度估计方法。讨论了基于傅里叶切片原理的图像重聚焦算法,并利用阵列相机所拍摄的一些真实场景来验证这种重聚焦算法的适用性。(3)研究了阵列相机图像超分辨率算法。首先,在深入研究凸优化的交替方向乘子法(ADMM)基础上,并通过适当改进,建立了对噪声鲁棒的超分辨率的数学模型,形成了一种基于ADMM的超分辨率算法。然后,讨论了最大公因子求解方法和基于GCD的超分辨率算法,并给出一种基于ADMM-GCD的图像超分辨率算法及其实验结果。(4)研究了阵列相机图像盲去模糊算法。首先利用光流算法对多个相邻镜头获取的同一场景图像进行配准,并将配准后的多幅图像运用多图盲去模糊算法估计出各自的模糊核;然后根据估计出的模糊核采用非盲去模糊算法准确估计出清晰图像。在非盲去模糊算法和盲去模糊算法求解过程中,采用ADMM在频域中进行快速的交替迭代运算。实验结果表明该算法对噪声的鲁棒性,以及图像恢复效率和效果方面的优越性。(5)研究了基于ADMM的参数自适应平衡图像去模糊算法。在上述的工作基础上,给出一种基于交替方向乘子法的参数自适应平衡图像非盲去模糊算法,并通过实验和一些常见的图像去模糊方法进行对比,说明算法的稳健性与适用性。