本申请公开了一种预校正图像像差的方法、装置、电子设备及介质。本申请中，可以获取无像差的基元图像；利用卷积神经网络模型对无像差的基元图像进行像差预校正，得到多个第一预校正图像，以及利用维纳滤波器对无像差的基元图像进行像差预校正，得到多个第二预校正图像；将多个第一预校正图像以及第二预校正图像进行图像拼接，得到对应的多个联合预校正基元图像；在多个联合预校正基元图像中，选取图像指标值最高的图像作为目标预校正图像。通过应用本申请的技术方案，可以通过预先训练得到的卷积神经网络模型训练模型以及维纳滤波器以实现对系统中透镜像差预先的校正处理，从而在不增加系统复杂度的前提下用于抑制各种程度的透镜像差对光场显示设备带来的影响的目的。透镜像差对光场显示设备带来的影响的目的。透镜像差对光场显示设备带来的影响的目的。
【技术实现步骤摘要】
预校正图像像差的方法、装置、电子设备及介质
[0001]本申请中涉及图像处理技术，尤其是一种预校正图像像差的方法、装置、电子设备及介质。
技术介绍
[0002]近年来，三维(3D)显示技术蓬勃发展，而桌面式三维显示技术因其能为设备周围的多个观察者同时提供具有正确深度信息的立体三维场景而引起了人们的广泛关注。
[0003]进一步的，现有的三维显示系统由于图像采集、传输和显示过程较为复杂，要想重建出大型真彩的三维图像仍很困难。可以理解的，在集成成像系统中，视角由单个透镜覆盖的基元图像大小和透镜距显示面板的远近决定。集成成像技术虽然能够提供为观看者同时提供水平和竖直方向上的连续视差，但是相对而言，也存在显示分辨率低和视角小的固有缺陷。因为，在集成成像系统中，显示分辨率和视点数目恰好是一对相互制约的两个参数，一般情况下，直接增加三维显示设备的视点数目会导致显示分辨率下降，而提高显示分辨率会导致视点数目的下降，缺少既满足多视点又满足高分辨率的显示方法。
技术实现思路
[0004]本申请实施例提供一种预校正图像像差的方法、装置、电子设备及介质，其中，根据本申请实施例的一个方面，提供的一种预校正图像像差的方法，其特征在于，包括：
[0005]获取无像差的基元图像，所述无像差的基元图像中不存在透镜像差；
[0006]利用卷积神经网络模型对所述无像差的基元图像进行像差预校正，得到多个第一预校正图像；以及，利用维纳滤波器对所述无像差的基元图像进行像差预校正，得到多个第二预校正图像；
[0007]将多个所述第一预校正图像以及所述第二预校正图像进行图像拼接，得到对应的多个联合预校正基元图像；
[0008]在所述多个联合预校正基元图像中，选取图像指标最高的图像作为目标联合预校正图像。
[0009]可选地，在基于本申请上述方法的另一个实施例中，在所述获取无像差的基元图像之前，还包括：
[0010]利用虚拟相机阵列对三维场景的拍摄操作，采集得到所述三维场景对应的场景信息；
[0011]将所述场景信息生成得到视差图像；
[0012]在所述初始基元图像上对像素进行反向映射处理，得到所述无像差的基元图像。
[0013]可选地，在基于本申请上述方法的另一个实施例中，所述利用卷积神经网络模型对所述无像差的基元图像进行像差预校正，得到多个第一预校正图像，包括：
[0014]将所述无像差的基元图像输入至所述卷积神经网络模型的编码器中，得到图像编码特征，其中所述编码器包含有5个卷积层；
[0015]将所述图像编码特征输入至所述卷积神经网络模型的解码器中，得到所述经过像差预校正后的第一预校正图像，其中所述解码器包含有5个反卷积层。
[0016]可选地，在基于本申请上述方法的另一个实施例中，所述利用维纳滤波器对所述无像差的基元图像进行像差预校正，得到多个第二预校正图像，包括：
[0017]利用最小均方差滤波器对所述无像差的基元图像进行像差预校正，得到经过像差预校正后的所述第二预校正图像。
[0018]可选地，在基于本申请上述方法的另一个实施例中，所述将多个所述第一预校正图像以及所述第二预校正图像进行图像拼接，得到对应的多个联合预校正基元图像，包括：
[0019]选取所述第一预校正图像中，弥散斑均方根半径值大于均方根半径阈值的第一区域图像；以及，选取所述第二预校正图像中，弥散斑均方根半径值大于均方根半径阈值的第二区域图像；
[0020]将所述第一区域图像以及所述第二区域图像进行图像拼接，得到所述对应的多个联合预校正基元图像。
[0021]可选地，在基于本申请上述方法的另一个实施例中，所述在所述多个联合预校正基元图像中，选取图像指标最高的图像作为目标联合预校正图像，包括：
[0022]以所述评价分数为纵坐标，并以弥散斑的均方根半径为横坐标，并计算每个目标预校正图像的评价分数值，生成校正效率曲线；
[0023]将所述校正效率曲线中的极大值点所对应的目标预校正图像作为所述目标联合预校正图像。
[0024]可选地，在基于本申请上述方法的另一个实施例中，在所述选取图像指标最高的图像作为目标联合预校正图像之后，还包括：
[0025]在光路上依次设置液晶显示面板、微透镜阵列以及所述定向扩散膜；
[0026]将所述液晶显示面板用于作为信息输入端，将所述目标联合预校正图像的光场光线向所述微透镜阵列投射；
[0027]所述微透镜阵列用于对经过的光场光线进行折射调整后，投射至所述定向扩散膜上，得到立体三维场景。
[0028]其中，根据本申请实施例的又一个方面，提供的一种预校正图像像差的装置，其特征在于，包括：
[0029]获取模块，被配置为获取无像差的基元图像，所述无像差的基元图像中不存在透镜像差；
[0030]预校正模块，被配置为利用卷积神经网络模型对所述无像差的基元图像进行像差预校正，得到多个第一预校正图像；以及，利用维纳滤波器对所述无像差的基元图像进行像差预校正，得到多个第二预校正图像；
[0031]拼接模块，被配置为将多个所述第一预校正图像以及所述第二预校正图像进行图像拼接，得到对应的多个联合预校正基元图像；
[0032]生成模块，被配置为在所述多个联合预校正基元图像中，选取图像指标最高的图像作为目标联合预校正图像。
[0033]根据本申请实施例的又一个方面，提供的一种电子设备，包括：
[0034]存储器，用于存储可执行指令；以及
[0035]显示器，用于与所述存储器显示以执行所述可执行指令从而完成上述任一所述预校正图像像差的方法的操作。
[0036]根据本申请实施例的还一个方面，提供的一种计算机可读存储介质，用于存储计算机可读取的指令，所述指令被执行时执行上述任一所述预校正图像像差的方法的操作。
[0037]本申请中，可以获取无像差的基元图像，无像差的基元图像中不存在透镜像差；利用卷积神经网络模型对无像差的基元图像进行像差预校正，得到多个第一预校正图像；以及，利用维纳滤波器对无像差的基元图像进行像差预校正，得到多个第二预校正图像；将多个第一预校正图像以及第二预校正图像进行图像拼接，得到对应的多个联合预校正基元图像；在多个联合预校正基元图像中，选取图像指标最高的图像作为目标联合预校正图像。通过应用本申请的技术方案，可以通过预先训练得到的卷积神经网络模型训练模型以及维纳滤波器以实现对系统中透镜像差预先的校正处理，从而在不增加系统复杂度的前提下用于抑制各种程度的透镜像差对光场显示设备带来的影响的目的。
[0038]下面通过附图和实施例，对本申请的技术方案做进一步的详细描述。
附图说明
[0039]构成说明书的一部分的附图描述了本申请的实施例，并且连同描述一起用于解释本申请的原理。
[0040]参照附图，根据下面的详细描述，可以更加清楚地理解本申请，其中：
[0041]图1为本申请提出的一种预校正本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种预校正图像像差的方法，其特征在于，包括：获取无像差的基元图像，所述无像差的基元图像中不存在透镜像差；利用卷积神经网络模型对所述无像差的基元图像进行像差预校正，得到多个第一预校正图像；以及，利用维纳滤波器对所述无像差的基元图像进行像差预校正，得到多个第二预校正图像；将多个所述第一预校正图像以及所述第二预校正图像进行图像拼接，得到对应的多个联合预校正基元图像；在所述多个联合预校正基元图像中，选取图像指标最高的图像作为目标预校正图像。2.如权利要求1所述的方法，其特征在于，在所述获取无像差的基元图像之前，还包括：利用虚拟相机阵列对三维场景的拍摄操作，采集得到所述三维场景对应的场景信息；将所述场景信息生成得到视差图像；在所述初始基元图像上对像素进行反向映射处理，得到所述无像差的基元图像。3.如权利要求1所述的方法，其特征在于，所述利用卷积神经网络模型对所述无像差的基元图像进行像差预校正，得到多个第一预校正图像，包括：将所述无像差的基元图像输入至所述卷积神经网络模型的编码器中，得到图像编码特征，其中所述编码器包含有5个卷积层；将所述图像编码特征输入至所述卷积神经网络模型的解码器中，得到所述经过像差预校正后的第一预校正图像，其中所述解码器包含有5个反卷积层。4.如权利要求1或3所述的方法，其特征在于，所述利用维纳滤波器对所述无像差的基元图像进行像差预校正，得到多个第二预校正图像，包括：利用维纳滤波器对所述无像差的基元图像进行像差预校正，得到经过像差预校正后的所述第二预校正图像。5.如权利要求1所述的方法，其特征在于，所述将多个所述第一预校正图像以及所述第二预校正图像进行图像拼接，得到对应的多个联合预校正基元图像，包括：选取所述第一预校正图像中，弥散斑均方根半径值大于均方根半径阈值的第一区域图像；以及，选取所述第二预校正图像中，弥散斑均方根半径值小于均方根半径阈值的第二区域图像；将所述第一区域图像以及所述第二区域图...
【专利技术属性】
技术研发人员：于迅博，粟曦雯，桑新柱，李涵宇，高鑫，刘博阳，陈铎，
申请(专利权)人：北京邮电大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。