2026《光场的可视化与深度估计原理分析》2500字.docVIP

PAGE

PAGE5

光场的可视化与深度估计原理分析

目录

TOC\o1-3\h\u7396光场的可视化与深度估计原理分析 1

78781.1多视角图像及其深度估计原理 2

174401.2极平面图像及其深度估计原理 3

138931.3多聚焦图像及其深度估计原理 5

与传统相机不同，光场相机经过一次拍摄能够捕获空间中全部四维光场数据，即场景中的二维位置和方向信息，反映了场景中丰富的三维几何结构，根据计算成像技术可以对光场数据进行预处理从而重构出不同的可视化表现形式，根据这些表现形式将光场深度估计的方法分为三类：基于多视角特征的光场深度估计方法、基于极平面特征的光场深度估计方法、基于多聚焦特征的光场深度估计方法。这三种光场表现形式具有不同的几何性质，是光场深度估计的理论基础。

图2.5光场的多视角图像

Fig.2.5Lightfieldmulti-viewimage

图2.6多视角图像视差示意图

Fig.2.6Theschematicofmulti-viewdisparity

1.1多视角图像及其深度估计原理

基于多视角特征的光场深度估计方法主要利用光场的多视角图像，光场相机可以看作虚拟相机阵列在不同视角下采集的同一场景的集合，多视角图像直观反映了特定视角下场景的成像信息，通常根据多视角之间匹配关系来估计深度信息。如图2.5（a）为包含物体空间信息与角度信息的4D光场示意图。其中，为图像分辨率，表示每个视角图像的空间分辨率是，为图像角度分辨率，表示有个视角图像。通过在整个空间坐标中连续变化角度坐标，可以得到该光场的所有多视角图像。如图2.5（b）所示，其角度分辨率为4×4，空间分辨率为3×3。表示该光场图像包含张多视角图，每张视角图的分辨率为3×3。若多视角图像的空间分辨率越高，则包含的细节信息越多。若角度分辨率越高，则含有多视角图像的数量越多，视差越平滑；若角度分辨率越低，则整个光场图的视点跳跃感越强。

根据Furukawa等人REF_Re\r\h[52]的推导，利用不同视角之间的互相匹配关系可以估计出场景空间点的深度图。如图2.6所示，空间中某点对应的两个相邻视角为与。假设三维空间中一点在、上的投影坐标分别为和。利用三角形相似原理，计算得到相邻视角图像间的水平视差：

（2.1）

其中，F为相机物镜的焦距，b为两个相邻视角之间的基线距离。由此推出三维空间中点的深度Z为：

（2.2）

基于多视角特征的光场深度估计方法通常需要对每个视角图构造成本量，因此十分耗时，并且当场景中出现遮挡或噪声时，该方法的可靠性降低。

图2.7极平面图像示意图

Fig.2.7TheschematicofEPI

图2.8光场的几何表示

Fig.2.8Lightfieldgeometricrepresentation

1.2极平面图像及其深度估计原理

基于极平面特征的光场深度估计方法主要依据光场极平面图像的斜率与场景深度之间成比例关系预测场景深度。1987年，Bolles等人提出利用一种三维静态场景的描述方式，首先快速连续采样一个静态场景，然后将具有一定时间间隔的不同视角图像，根据采样的顺序堆放得到图像序列，最后提取某一方向场景点中所有图像对应的像素可以得到一张二维图像，即极平面图像。图2.7（a）为一个极平面图像的示意图。在光场数据中，光场相机只需一次拍摄就可得到极平面图，极平面图表示四维光场投影成的二维图像。在光场双平面的参数模型中，通过固定坐标或者可以分别得到水平和垂直的极平面图像。除了水平和垂直方向外，还可以获取其他方向的极平面图像。图2.7（b）为多个方向上的极平面切片。

图2.8为极平面图像的几何表示。通过分别在透镜平面和图像平面上固定坐标和坐标，可以将四维光场投影到二维图像切片上，即为水平方向的极平面图像。函数表示如下：

（2.3）

其中，表示极平面图上点处的强度值。通过扫描y*和v*获取不同的极平面图像。

极平面图中像素呈现重叠线条的结构特征，当视点的横坐标发生变化时，其对应像点之间包含水平方向的视差信息。极平面图像的直线斜率与深度之间存在一定的比例关系，因此深度估计问题可以看成求极平面图像的直线斜率问题。

根据极平面图中像素坐标的变化特点，其坐标之间存在如下线性关系：

（2.4）

其中，Z表示空间中一点P的深度值，f表示相机焦距。经过变换后可计算场景点的深度值为：

（2.5）