[发明专利]压缩光场的物理重建方法

权利要求书

1.压缩光场的物理重建方法，其特征在于，包括如下步骤：

(1)通过计算机生成多个随机矩阵，将随机矩阵组成大矩阵，将大矩阵打印到胶片上，生成物理掩膜；

(2)将物理掩膜作为采集对象，通过移动设置在相机前的光阑获取掩膜图像，每个掩膜图像为一个投影矩阵p_i；通过对获取的投影矩阵p_i获取测量矩阵Φ；

其中，i∈(1，N)，N为正整数；

(3)将物理掩膜放置在相机的成像透镜之前形成掩膜相机，使用该掩膜相机拍摄一张编码图像，作为测量值y；

(4)获取稀疏基Ψ和稀疏系数α，其中，通过K-SVD算法训练学习得到稀疏基Ψ，y＝ΦΨα＝Θα，

其中Θ是传感矩阵，表示测量矩阵Φ与稀疏基Ψ的乘积，重建的数学模型表达为：min_α||α||₁subject to y＝Θα，

其中测量值y和传感矩阵Θ采用l₁范数优化得到稀疏系数α；

(5)通过压缩感知进行原始信号f的重建：

f＝Ψα。

2.根据权利要求1所述的压缩光场的物理重建方法，其特征在于：

所述步骤(2)中，测量矩阵Φ＝[Φ₁Φ₂…Φ_i…Φ_q]，Φ_i＝diag(P_i11P_i12…P_imm)；

其中，Φ_i表示移动光阑时采集的视角i的掩膜，即第i个掩膜；diag(P_i11P_i12…P_imm)表示对角元素为P_i11P_i12…P_imm的对角矩阵；m表示第i个掩膜中像素的坐标，q表示重建视角数。

3.根据权利要求2所述的压缩光场的物理重建方法，其特征在于：

获取光场样本集后，训练光场过完备字典满足下式：

其中，E_k是稀疏基Ψ除去第j列之外与光场样本集的残差；字典原子ψ_k代表稀疏基Ψ的第k列，表示ψ_k所对应的稀疏系数；||||_F代表弗罗贝尼乌斯范数，即F范数；记为N个光场样本集，f_i表示第i个光场样本；ψ_j表示稀疏基Ψ的第j列；表示ψ_j所对应的稀疏系数；为F的稀疏系数向量的集合，α_i代表光场图像的稀疏系数向量；

为使对E_k进行SVD分解得到的是一个稀疏向量，上式可写为：

其中，Ω_k是一个大小为N×|w_k|的矩阵，w_k是光场样本集{f_i}中使用了字典原子ψ_k的光场图像块，在(w_k(i),i)处为1，其它处为0。