基于深度学习的光场图像重建与增强综述（特邀）

作     者：肖泽宇 熊志伟 王立志 黄华 

作者机构：中国科学技术大学信息科学技术学院脑启发智能感知与认知教育部重点实验室 北京理工大学计算机学院 北京师范大学人工智能学院 

出 版 物：《激光与光电子学进展》 (Laser & Optoelectronics Progress)

年 卷 期：2024年第16期

页      面：214-232页

核心收录：

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 080203[工学-机械设计及理论] 0835[工学-软件工程] 0802[工学-机械工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金(62131003) 

主　　题：光场 光场图像重建 光场图像增强 深度学习 

摘      要：光场能够完整捕捉三维空间中的光线信息，记录光线在不同位置和方向上的强度，这一特性使其能够精准地感知复杂动态环境，在生命科学、工业检测和虚拟现实等领域中有巨大的研究价值和应用潜力。在光场的拍摄、处理和传输过程中，由于设备限制和外部影响因素如物体运动、噪声、低光照和恶劣天气，光场图像往往存在失真和降质，严重影响图像质量并限制其后续应用。为此，研究人员针对光场图像的不同降质提出各种重建与增强算法。传统的光场图像重建与增强算法依赖于人工设计的先验知识，且算法设计复杂、效率低、泛化性差。随着深度学习的发展，光场图像重建与增强算法取得突破性进展，其性能和效率得到显著提高。介绍该领域相关的研究背景和光场表示，并针对不同的光场降质，概述和讨论其中的典型算法，内容涵盖空间与视角维度超分辨率重建、去噪、去模糊、去遮挡、去雨雾雪、去反射、低光增强等。此外，还概述光场图像重建与增强算法未来的挑战和发展前景。