一种基于深度学习的集成成像微图像阵列快速生成方法技术

本发明专利技术提出一种基于深度学习的集成成像微图像阵列快速生成方法，该方法包括三维场景稀疏视差信息的获取、低分辨率微图像阵列的合成和高分辨率微图像阵列的重建三个过程。该方法通过利用基于深度学习的快速卷积神经网络图像超分辨率算法，大大减少了微图像阵列的生成时间，有效提升了利用稀疏视差图像合成的微图像阵列的分辨率，能够实现三维场景的高质量重建。

A Fast Generation Method of Integrated Imaging Microimage Array Based on Deep Learning

The invention proposes a fast generation method of integrated imaging microimage array based on depth learning, which includes three processes: acquisition of sparse disparity information in three-dimensional scene, synthesis of low-resolution microimage array and reconstruction of high-resolution microimage array. By using the fast convolution neural network image super-resolution algorithm based on depth learning, the generation time of micro-image array is greatly reduced, the resolution of micro-image array synthesized by sparse disparity image is effectively improved, and the high-quality reconstruction of three-dimensional scene can be achieved.

【技术实现步骤摘要】
一种基于深度学习的集成成像微图像阵列快速生成方法一、
本专利技术涉及集成成像技术，特别涉及一种基于深度学习的集成成像微图像阵列快速生成方法。二、
技术介绍
集成成像技术分拍摄和显示两个过程：拍摄时利用多台相机对三维场景进行拍摄，从不同视角获取三维信息；显示时将拍摄到的三维信息合成微图像阵列并在显示屏显示，通过透镜阵列的成像作用，根据光路可逆原理，在显示屏前方的显示空间中重建出三维场景。微图像阵列的生成技术是集成成像的研究方向之一，其可分为基于计算机技术和基于光学技术生成两种类型。基于计算机技术生成的微图像阵列可解决传统光学技术存在的图像深度反转等难题，但由于拍摄过程需要搭建与单个透镜下覆盖像素数目相等的虚拟相机对三维场景进行拍摄，当透镜尺寸较大时，搭建的相机个数极多，这大大增加了微图像阵列的生成复杂度和时间代价。深度学习中的卷积神经网络在图像领域具有广泛的应用，利用卷积神经网络端到端的训练和优越的性能可弥补传统图像超分辨率重建算法的不足，将深度学习应用于计算机集成成像中能够显著降低生成微图像阵列的时间复杂度，并有效提升微图像阵列的生成质量。三、
技术实现思路
本专利技术提出了一种基于深度本文档来自技高网...

【技术保护点】
1.一种基于深度学习的集成成像微图像阵列快速生成方法，其特征在于，所述方法包括三维场景稀疏视差信息的获取、低分辨率微图像阵列的合成和高分辨率微图像阵列的重建三个过程。

【技术特征摘要】
1.一种基于深度学习的集成成像微图像阵列快速生成方法，其特征在于，所述方法包括三维场景稀疏视差信息的获取、低分辨率微图像阵列的合成和高分辨率微图像阵列的重建三个过程。2.根据权利要求1所述的一种基于深度学习的集成成像微图像阵列快速生成方法，其特征在于，所述三维场景稀疏视差信息的获取过程，依据图像元分辨率M'×N'和图像元分辨率缩放因子α，计算出稀疏虚拟相机阵列的数目M×N，公式为α为正整数。3.根据权利要求1所述的一种基于深度学习的集成成像微图像阵列快速生成方法，其特征在于，所述低分辨率微图像阵列的合成过程，依据显示屏的分辨率Hd×Vd计算出低分辨率微图像阵列EL(x”,y...

【专利技术属性】
技术研发人员：王琼华，任慧，邢妍，罗令，邓欢，赵敏，
申请(专利权)人：北京航空航天大学，四川大学，
类型：发明
国别省市：北京,11