摘要: 光场相机是一种新型的多目成像设备，通过单次拍摄可获取场景的空间和多视角信息。利用光场数据可以估计场景深度，在三维重建等计算机视觉领域具有广泛应用。目前，基于深度学习的光场深度估计性能得到了显著提升，但随着输入成本的增加以及网络的加... 展开 光场相机是一种新型的多目成像设备，通过单次拍摄可获取场景的空间和多视角信息。利用光场数据可以估计场景深度，在三维重建等计算机视觉领域具有广泛应用。目前，基于深度学习的光场深度估计性能得到了显著提升，但随着输入成本的增加以及网络的加深，现有的光场数据集难以支持大规模网络的训练。同时，经过合成场景训练后的网络，在真实场景下的估计效果不佳。围绕上述问题，本文对光场重聚焦原理以及EPI图像进行分析，开展光场深度估计的研究。 主要内容总结如下: （1）总结当前光场深度估计和自监督学习的研究背景及现状，介绍光场成像的基本理论，并阐述基于光场子孔径图像、EPI图像以及重聚焦线索的深度估计基本原理。 （2）研究并设计一种基于光场重聚焦的EPI数据增强方法。通过对重聚焦前后场景视差与EPI斜率之间的关系进行分析，在同一场景点下，提取不同斜率的极线图并计算极线的视差值，增加深度估计网络的样本数据。实验结果验证了视差偏移量与极线斜率之间的变化关系。 （3）结合自监督学习的训练方式，实现基于光场EPI图像的深度估计。根据EPI图像的结构特性，融合极线的关联性特征，构建基于EPI图像的关系网络。通过对重聚焦前后场景的视差偏移量进行估计，进一步实现网络的自监督训练。实验结果表明，该方法在复杂多遮挡的场景下获得了较高的估计精度，在真实场景下也具有明显优势。 收起