基于掩膜的光场成像仿真及采样研究

从原理上分析了掩膜的光场成像特点,通过建立光场成像的计算机仿真模型,模拟四维光场的获取,并通过数字对焦算法获得离焦物体的清晰图像.同时利用采样定理分析了孔径采样密度对数字对焦图像的影响,计算出合适的采样间隔对仿真模型的复杂度进行优化.     

基于矩阵变换的光场成像及重聚焦模型仿真

基于光场的两平行平面表示方法,针对光场相机两参考平面间的共轴空间距离变换、离轴空间距离变换、轴旋转和沿轴旋转以及透镜作用等对光线描述方式的影响,给出了相应的光场矩阵变换方程,并利用这些方程,建立了光场相机的成像模型、采样模型及辐射传输模型.从光场共轴空间距离变换的观点出发推导出可实现不同点清晰成像的数字重聚焦公式.利用所建立的模型,计算机仿真生成了目标景物,并用所建立模型对生成景物进行了数字重聚焦,验证了数字重聚焦后的图像与直接聚焦图像的一致性.     

数字对焦光场成像清晰度评价方法研究

结合光场成像数字对焦空间域算法和频率域算法的区别,分别提出了适用的图像清晰度评价方式,并进行了仿真实验分析.空间域评价方法根据评价区域缩小图像重构数据量,频率域评价方法则将评价函数嵌入到图像重构过程中,改进后的方法相对传统方法提高了速度.     

光场相机中微透镜阵列与探测器配准误差分析

为了减少光场相机结构对光场图像数字对焦结果的影响,针对微透镜阵列为矩阵式排列的光场相机结构,定性分析了微透镜阵列与成像探测器之间的耦合距离误差、旋转角度误差和倾角误差这三个主要配准误差来源,分别提出了配准条件,并通过仿真实验加以验证。实验结果表明,当配准超出限制条件时,会导致对焦重构图像出现模糊、混叠等失真,缩小精确对焦的深度范围。     

数字对焦光场成像清晰度评价方法研究

结合光场成像数字对焦空间域算法和频率域算法的区别,分别提出了适用的图像清晰度评价方式,并进行了仿真实验分析.空间域评价方法根据评价区域缩小图像重构数据量,频率域评价方法则将评价函数嵌入到图像重构过程中,改进后的方法相对传统方法提高了速度.     

基于相机阵列的红外光场成像

光场成像作为一种应用广泛的计算成像方法,其研究仍局限于电磁波谱中的可见光波段。因此,提出基于相机阵列的红外光场成像方法。首先利用单台被动红外相机移动到同一平面的不同位置分别对同一静态目标场景成像,获取原始红外图像序列,经平移视差校正后生成红外光场数据库;然后基于光场渲染理论,获得重采样图像。与只记录二维位置信息的传统红外成像比较,红外光场成像能够记录包含位置和方向的四维信息。实验结果表明,该法能够融合多幅低信噪比的图像获得一幅信噪比提高的重采样图像,通过孔径叠加平均可实现穿透遮挡物成像,通过选取不同深度值进行重采样可实现红外场景不同深度的数字重聚焦,使红外成像在军事和民用领域更有应用价值。     

基于微透镜阵列的光场显微镜实验研究

为了解决传统光学显微镜景深小的局限性,结合光场成像技术,搭建了基于微透镜阵列的光场显微镜试验平台.实验获取了绿光照明下碎玻璃片的光场显微镜照片,利用光场成像技术数字重聚焦得到了清晰成像与不同距离的图像序列.通过几何光学的成像原理以及物理光学相关理论,分析了传统显微镜和光场显微镜的空间分辨率和景深.结果表明,光场显微镜的景深较传统显微镜大幅度增加了38倍,而空间分辨率减小了8/9.实验得到的光场图像序列同样表明光场显微镜能够大幅度增加景深.     

基于Hadamard矩阵优化排序的快速单像素成像

为提升单像素成像速度,提出了基于Hadamard矩阵优化排序的压缩采样解决方案.利用数值仿真和室外实验对提出的5种排序方法进行了对比分析.研究结果表明:按Haar小波变换系数绝对值排序时单像素成像效果最优,排序对应到Walsh序后可利用快速变换重建图像,速度达300帧/秒@64×64像素;最优排序下,采样率25%仍可重建图像,采样速度可提升4倍.针对排序方法与成像信噪比关系,从关联成像角度给出了其物理解释:测量基矩阵元邻域数值相等的区域面积等效于光场二阶相干面积,当光场二阶相干面积随测量基由大到小排序时成像效果最优.本文研究成果可用于提升单像素成像速度,具有实用价值.     

主动照明强度相干成像散斑效应仿真及实验研究

简述了强度相干成像原理,分析了照明激光散斑效应,并仿真了散斑效应对频谱模值的影响,利用数字微镜阵列设计实验,根据自适应望远镜测得的波前数据设置数字微镜阵列翻转状态,对不同目标采集光强涨落信息,利用基于先验信息的迭代算法进行图像恢复.结果表明:目标散斑光场强度涨落服从负指数分布;散斑光场使得目标频谱模值高频部分出现误差;利用基于先验信息的迭代算法能较好地恢复目标图像,目标恢复图像峰值信噪比最高可达29.87dB.     

基于字典学习的稠密光场重建算法

相机阵列是获取空间中目标光场信息的重要手段,采用大规模密集相机阵列获取高角度分辨率光场的方法增加了采样难度和设备成本,同时产生的大量数据的同步和传输需求也限制了光场采样规模.为了实现稀疏光场采样的稠密重建,本文基于稀疏光场数据,分析同一场景多视角图像的空间、角度信息的关联性和冗余性,建立有效的光场字典学习和稀疏编码数学模型,并根据稀疏编码元素间的约束关系,建立虚拟角度图像稀疏编码恢复模型,提出变换域稀疏编码恢复方法,并结合多场景稠密重建实验,验证提出方法的有效性.实验结果表明,本文方法能够对场景中的遮挡、阴影以及复杂的光影变化信息进行高质量恢复,可以用于复杂场景的稀疏光场稠密重建.本研究实现了线性采集稀疏光场的稠密重建,未来将针对非线性采集稀疏光场的稠密重建进行研究,以推进光场成像在实际工程中的应用.