[发明专利]基于压缩感知的光场相机的膜优化方法及字典训练方法

摘要

本发明公开了一种基于压缩感知的光场相机的膜优化和字典优化训练方法，包括步骤：(1)利用KSVD算法从样本库进行字典训练；(2)利用观测P和字典D非相关性，以及观测的特定结构，计算出优化的膜；(3)用膜对四维光场数据进行观测采样；(4)从观测到的二维图像的数据中重建四维光场数据；(5)由稀疏系数重建四维光场数据。而字典优化方法，包括步骤：(1)采用随机的膜，并根据此膜生成特定结构的观测矩阵；(2)利用观测P和字典D非相关性，训练出优化的字典；(3)用膜对四维光场数据进行观测采样；(4)从观测到的二维图像的数据中重建四维光场数据；(5)由稀疏系数重建四维光场数据。

主权项

1.基于压缩感知的光场相机的训练字典方法，其特征在于，包括以下步骤：(I)随机生成膜，并得出其对应的观测矩阵；(II)结合观测矩阵和非相关性训练优化字典；(III)用膜对四维光场数据进行观测采样；(IV)从观测得到的二维图像重建稀疏系数；(V)由稀疏系数和字典重建原始四维光场数据；其中步骤(II)通过以下步骤求解最优字典：(1)输入：Dn×n‑初始字典，P‑固定的随机观测矩阵，Iter‑循环次数，B‑初始的B，λ1,λ2,λ3‑比例系数；(2)对以下通过从1迭代到Iter首先，根据以下公式来训练优化的字典α是稀疏系数，x是原信号，y是采样信号，D是字典，β和λ₁是比例系数，μ值是用来度量P和D的非相关性的，μ越小，P和D的非相关性越强，用B来表示则有以下公式根据公式(12)、(13)、(14)，分三步解决这个优化问题用OMP，来解公式(12)对公式(13)，用对B一阶导数为零来求，变换后得到公式(16)借用公式(A‑BD‑1C)‑1＝A‑1+A‑1B(D‑CA‑1B)‑1CA‑1，令A＝λ2I，D＝I，B＝‑α，C＝αT，然后(16)转化为至于公式(14)，用以下公式来逼近最优解，整理得公式(18)从而获得D。