基于小波变换与稀疏傅里叶变换相结合的光场重构方法

piday123

基于小波变换与稀疏傅里叶变换相结合的光场重构方法

摘要:随着计算机图形学和计算机视觉技术的发展,光场开始进入人们的视线并被迅速应用于各个领域.然而光场的获取需要大量的图像,具有数据量大,获取成本高等特点,因此学者们越来越关注如何利用少量的光场数据获取整个光场这一问题,并且做出了大量的工作.针对上述问题,本文将小波变换与稀疏傅里叶变换相结合,利用光场在角度域的稀疏性提出一种新的光场重构方法.首先,利用小波变换多分辨率分析的特点,通过小波变换将原始图像分解为多个不同频率的子图像;然后分别对每个子图像通过傅里叶切片定理恢复其频率位置,从而可以分别得到它们的二维角度谱;最后将每个子图像的二维角度谱合并,进行小波逆变换获得整个光场.本文方法利用小波变换将原图像分解为多个不同频率的子图像分别同时处理,不仅降低了算法的复杂度,大大减少了算法的运行时间,为光场的广泛应用提供了条件,而且相比于单独运用稀疏傅里叶算法重构,本方法有效地抑制了窗口效应,使重构结果更加准确.此外,本文方法将高频信息和低频信息分开重构,可以有效地改善并网恢复中小频率丢失的问题,进一步改进重构结果.最后通过仿真验证了算法的有效性.
关键词:小波变换;光场重构;稀疏性;傅里叶变换;窗口效应
$ h0 t+ e: Q0 X
) ~. N% J! J# `& f: r4 O9 {9 T1引言
随着通信、网络和计算机技术的发展,光场在很多领域被广泛应用,并且发挥着越来越重要的作用.例如，利用光场的空间分布特性构造出比全息再现更为优越的的三维图像";利用光场相机捕获的光场图片实现先拍照后对焦;在基于光场重构的目标识别算法中,光场可以作为识别目标的特征库对任意视点的目标进行识别[2.在计算机图形学和计算机视觉领域中,光场被视为空间中同时包含位置和方向信息的四维光辐射场的一种参数化表示,即光场包含了人们在不同位置和不同角度对同一物体进行拍摄的所有图像.由于在现实中很难捕捉到完整的光场,而且要表示一个完整的光场需要大的数据量和复杂度,这在技术上是一个难点.因此,如何利用一些已知位置和角度的光场图像重构出其他位置和角度(视点)未被获取的图像成为学者们研究的热点,若能实现这些功能,无疑在理论上具有重要的意义,而且在应用上也具有很大的价值.
) ?6 G# ?. ]4 `- z0 C1999年,美国学者LEVOY M首次提出基于光场的图像渲染技术[3',并且将光线的7维函数表达式简化为4维,仅利用少量的场景几何信息完成对整个光场的渲染,并且取得了较好的效果.为了避免已有方法利用视差图来分隔聚焦场景存在的不足,日本学者高桥在2002年提出全聚焦的图像渲染技术4],通过将不同的聚焦场景进行叠加处理,从而达到全聚焦的要求.在图像渲染中,为最小化图像数量,光场可能会因为欠采样而导致混淆效应,为了提高重构图像质量,MIT的学者XUJ在2003年提出一种去重影的图像渲染技术[5.6].2009年,中国学者韩曦提出运动物体的光场渲染技术[7],通过将时间帧、空间域插值等算法添加到光场渲染中,实现对运动物体的时空光场渲染.为了降低图像渲染的实验数据量、提高运算速度,新墨西哥大学的学者WILLET RM在2011年提出基于压缩感知的单图像渲染技术[8].然而,上述几种方法虽然能够重构出新视点位置的图像信息,但是因为所需要的样本数量仍然很大,导致实现非常困难,而且重构的结果并不能满足实际的需要.
$ M0 v# Z) C3 u  f4 E针对上述问题,文献[9]提出一种基于稀疏傅里叶变换( SFFT)的光场重构方法;首先利用光场在角度域固有的稀疏性,沿着几条一维视点对光场图像进行采样,并通过傅里叶变换将其变换到频域;然后再利用傅里叶切片定理恢复其频率位置,从而得到二维角度频率谱;最后对二维角度频率谱进行傅里叶逆变换得到
& o: w! ^% C6 b9 w5 ~- ]" t5 q

游客，如果您要查看本帖隐藏内容请回复

SsaaM7

基于小波变换与稀疏傅里叶变换相结合的光场重构方法

qwerasd123

基于小波变换与稀疏傅里叶变换相结合的光场重构方法
$ T  b' F* F6 n! s( G! D# R+ k( ?