雷鋒網(wǎng)按：光場(chǎng)技術(shù)是目前最受追捧的下一代顯示技術(shù)，谷歌、Facebook、Magic Leap等國(guó)內(nèi)外大公司都在大力布局。然而目前國(guó)內(nèi)對(duì)光場(chǎng)（Light Field）技術(shù)的中文介紹十分匱乏，曹煊博士《Mars說(shuō)光場(chǎng)》系列文章旨在對(duì)光場(chǎng)技術(shù)及其應(yīng)用的科普介紹。

曹煊博士系騰訊優(yōu)圖實(shí)驗(yàn)室高級(jí)研究員。優(yōu)圖— 騰訊旗下頂級(jí)的機(jī)器學(xué)習(xí)研發(fā)團(tuán)隊(duì)，專注于圖像處理、模式識(shí)別、深度學(xué)習(xí)。在人臉識(shí)別、圖像識(shí)別、醫(yī)療AI、OCR、哼唱識(shí)別、語(yǔ)音合成等領(lǐng)域都積累了領(lǐng)先的技術(shù)水平和完整解決方案。

《Mars說(shuō)光場(chǎng)》系列文章目前已有5篇，包括：《Mars說(shuō)光場(chǎng)（1）— 為何巨頭紛紛布局光場(chǎng)技術(shù)》、《Mars說(shuō)光場(chǎng)（2）— 光場(chǎng)與人眼立體成像機(jī)理》、《Mars說(shuō)光場(chǎng)（3）— 光場(chǎng)采集》、《Mars說(shuō)光場(chǎng)（4）— 光場(chǎng)顯示》、《Mars說(shuō)光場(chǎng)（5）— 光場(chǎng)在三維人臉建模中的應(yīng)用》 ,雷鋒網(wǎng)經(jīng)授權(quán)發(fā)布。

---

【摘要】 — 光場(chǎng)顯示能在視覺(jué)上完全重現(xiàn)真實(shí)世界，但在顯示光場(chǎng)以前首先要采集光場(chǎng)，否則將會(huì)是“巧婦難為無(wú)米之炊”。傳統(tǒng)相機(jī)拍攝的2D圖片不能用于光場(chǎng)顯示[1]，因此需要專業(yè)的光場(chǎng)采集設(shè)備。相關(guān)研究者已經(jīng)建立了一系列光場(chǎng)采集的理論[2]，并在光場(chǎng)采集技術(shù)的發(fā)展過(guò)程中出現(xiàn)了多種設(shè)計(jì)方案，受到廣泛關(guān)注和研究的主要有三種設(shè)計(jì)思路：（1）基于微透鏡陣列（Microlens Array）的光場(chǎng)采集；（2）基于相機(jī)陣列（Camera Array）的光場(chǎng)采集[3]；（3）基于編碼掩膜（Coded Mask）[4]的光場(chǎng)采集。

1、基于微透鏡陣列的光場(chǎng)采集

基于微透鏡陣列的光場(chǎng)采集最早可以追溯到1908年Lippmann提出的集成成像（Integral photography）[5]，集成成像為基于微透鏡陣列的光場(chǎng)采集奠定了重要的理論基礎(chǔ)。關(guān)于集成成像的發(fā)展歷史，可以參考Roberts在2003年的詳細(xì)梳理[6]。基于集成成像理論，MIT的Adelson在1992年嘗試采用微透鏡陣列來(lái)制造光場(chǎng)相機(jī)[7]，斯坦福Levoy將集成成像應(yīng)用于顯微鏡，實(shí)現(xiàn)了光場(chǎng)顯微鏡[8]。

基于透鏡陣列的光場(chǎng)采集主要依靠在成像傳感器與主鏡頭之間加入一片微透鏡陣列，物體表面光線首先經(jīng)過(guò)主鏡頭，然后經(jīng)過(guò)微透鏡，最后到達(dá)成像傳感器（e.g. CCD/CMOS）。如圖1所示，物體表面A點(diǎn)在FOP角度范圍內(nèi)發(fā)出的光線進(jìn)入相機(jī)主鏡頭并聚焦于微透鏡，微透鏡將光線分成4x4束，并被成像傳感器上對(duì)應(yīng)的16個(gè)像素記錄。類似的，空間中其它發(fā)光點(diǎn)，例如B點(diǎn)和C點(diǎn)，在其FOP角度范圍內(nèi)的光線都被分成4x4束并被分別記錄。

微透鏡陣列的主要作用是將物體表面同一點(diǎn)在一定角度范圍內(nèi)的各個(gè)方向發(fā)出光線進(jìn)行離散化解耦，圖1中的微透鏡將光線離散化為4x4束，離散化程度由微透鏡光學(xué)參數(shù)、主透鏡光學(xué)參數(shù)及微透鏡與成像傳感器之間的距離等多方面因素決定。

參照光場(chǎng)4D模型，微透鏡陣列好比(s, t)平面，成像傳感器好比(u, v)平面。在基于微透鏡陣列的光場(chǎng)采集模型中，(s, t)平面微透鏡的數(shù)量決定了光場(chǎng)的圖像分辨率。(u, v)平面像素?cái)?shù)量決定了能采集光線的總數(shù)量，(u, v)平面像素總量與(s, t)平面微透鏡數(shù)量的比值即為光場(chǎng)角度分辨率，也即采集視點(diǎn)個(gè)數(shù)。

圖 1. 基于微透鏡陣列的光場(chǎng)采集原理示意圖

基于微透鏡陣列的光場(chǎng)采集具有體積小，單次拍攝成像等優(yōu)點(diǎn)。但也存在兩個(gè)明顯的缺陷，一方面是單視點(diǎn)的圖像分辨率損失嚴(yán)重[9]，例如使用4K（4096*2160）的圖像傳感器采集4x4視點(diǎn)的光場(chǎng)，則圖像分辨率在水平方向和垂直方向都降低到原分辨率的四分之一，既單個(gè)視點(diǎn)圖像分辨率只有1024*540。另一方面是采集光場(chǎng)的FOP角度較小，也即視差較小，只能在較小的角度范圍內(nèi)變換視點(diǎn)。

盡管存在上述的缺點(diǎn)，但由于總體成本在可控范圍內(nèi)，基于微透鏡的光場(chǎng)采集方案是商業(yè)化光場(chǎng)相機(jī)主要采用的方案。目前已經(jīng)商業(yè)化的光場(chǎng)相機(jī)主要包括美國(guó)的Lytro和德國(guó)的Raytrix。Lytro是一款基于微透鏡陣列的手持光場(chǎng)相機(jī)，由斯坦福大學(xué)Ren Ng（Marc Levoy的博士生）在2005年提出 [10,11]，并分別于2011年和2014年正式向市場(chǎng)推出第一代和第二代手持式光場(chǎng)相機(jī)Lytro[12]。相比傳統(tǒng)相機(jī)，Lytro的關(guān)鍵設(shè)計(jì)是在傳統(tǒng)相機(jī)中嵌入一塊微透鏡陣列，如圖2所示。物體發(fā)出的光線被主透鏡聚焦在微透鏡陣列平面，微透鏡陣列將光線分開(kāi)并被圖像傳感器分別記錄下來(lái)，從而同時(shí)記錄了不同方向上光線的強(qiáng)度。

圖 2. 美國(guó)Lytro基于微透鏡陣列的光場(chǎng)相機(jī)

Raytrix [13]是德國(guó)一家創(chuàng)業(yè)公司，同樣是基于微透鏡陣列的便攜式光場(chǎng)相機(jī)[14]。Lytro主要面向大眾普通用戶，而Raytrix不僅面向普通用戶還面向工業(yè)和科研應(yīng)用領(lǐng)域，如圖3所示。Raytrix擴(kuò)大了采集光場(chǎng)的深度范圍[15]并開(kāi)發(fā)了一套自動(dòng)標(biāo)定算法用于標(biāo)定光場(chǎng)相機(jī)[16]。

圖 3. 德國(guó)Raytrix基于微透鏡陣列的光場(chǎng)相機(jī)

Adobe Systems Inc. 的Todor Georgeiv在2006年研究了視點(diǎn)分辨率與角度分辨率之間的互相平衡關(guān)系[17]，在2008年提出了一種統(tǒng)一的光場(chǎng)相機(jī)仿射光路理論[18]并提高光場(chǎng)分辨率[19]，基于該理論框架構(gòu)造的光場(chǎng)相機(jī)如圖4所示。嚴(yán)格來(lái)說(shuō)，Todor Georgeiv提出的光場(chǎng)相機(jī)與上述Lytro和Raytrix的基于微透鏡陣列的光場(chǎng)相機(jī)并不完全相同。圖4中透鏡陣列更靠近相機(jī)主透鏡位置，解耦合后的光線在成像傳感器上形成的圖像與Lytro或Raytrix并不相同，因此從成像傳感器原始數(shù)據(jù)提取光場(chǎng)的算法也與Lytro和Raytrix不同。

圖 4. 美國(guó)Adobe Systems Inc.光場(chǎng)相機(jī)

2、基于相機(jī)陣列的光場(chǎng)采集

基于相機(jī)陣列的光場(chǎng)采集不需要對(duì)相機(jī)進(jìn)行改造，但需要增加相機(jī)的數(shù)量。光線從物體表面發(fā)出，分別進(jìn)入多個(gè)相機(jī)鏡頭，并分別被對(duì)應(yīng)的成像傳感器記錄。如圖5所示為4x4相機(jī)陣列，A點(diǎn)在半球范圍內(nèi)發(fā)出各向異性的光線，其中FOP角度范圍內(nèi)的光線進(jìn)入了相機(jī)陣列，并被分成4x4束光線，每束光線被對(duì)應(yīng)的鏡頭聚焦在成像傳感器上，由此A點(diǎn)各向異性的光線被離散化為4x4束并被分別記錄。

對(duì)比圖1中基于微透鏡的光場(chǎng)采集方案，相機(jī)陣列通過(guò)多個(gè)鏡頭將物體表面同一點(diǎn)在一定角度內(nèi)各向異性的光線解耦和，并離散為多束光線分別記錄。解耦和后的離散化程度由相機(jī)陣列的規(guī)模決定。相機(jī)數(shù)量越多，離散化程度越高。

參照光場(chǎng)4D模型，圖5中鏡頭陣列好比(s, t)平面，成像傳感器陣列好比(u, v)平面。(s, t)平面鏡頭的數(shù)量，也即相機(jī)的數(shù)量，決定了光場(chǎng)視點(diǎn)個(gè)數(shù)。(u, v)平面所有像素?cái)?shù)量決定了能采集光線的總數(shù)量。(u, v)平面像素總量與(s, t)平面鏡頭數(shù)量的比值即為單個(gè)視點(diǎn)分辨率。一般而言，相機(jī)陣列中各個(gè)相機(jī)成像傳感器的分辨率一致，所以單個(gè)相機(jī)成像傳感器的分辨率即為光場(chǎng)視點(diǎn)分辨率。

圖 5. 基于相機(jī)陣列的光場(chǎng)采集示意圖

相比基于微透鏡陣列的光場(chǎng)相機(jī)，基于相機(jī)陣列的光場(chǎng)采集方案具有兩個(gè)明顯的優(yōu)勢(shì)：（1）采集光場(chǎng)的FOP角度較大，也即視差較大，可以在較大的角度范圍內(nèi)變換視點(diǎn)。（2）圖像分辨率不損失，因此單個(gè)視點(diǎn)的圖像分辨率一般都高于基于微透鏡陣列的光場(chǎng)相機(jī)。但基于相機(jī)陣列的光場(chǎng)采集方案也存在成本高昂，體積較大的明顯缺陷，例如圖6中Jason Yang于2002年在MIT搭建出全世界第一套近實(shí)時(shí)相機(jī)陣列[20]，由8x8共64個(gè)相機(jī)組成，單個(gè)視點(diǎn)分辨率為320x240，光場(chǎng)采集速率為18FPS，延遲為80毫秒。

圖 6. Jason Yang于2002年在MIT實(shí)現(xiàn)的實(shí)時(shí)相機(jī)陣列

斯坦福大學(xué)Bennett Wilburn在2000年實(shí)現(xiàn)了數(shù)據(jù)編碼壓縮的光場(chǎng)視頻相機(jī)[21]，之后進(jìn)一步改進(jìn)光場(chǎng)相機(jī)系統(tǒng)，在2004年展示了稠密光場(chǎng)相機(jī)陣列[22]。Bennett Wilburn設(shè)計(jì)的稠密光場(chǎng)相機(jī)陣列包含52個(gè)30fps的COMS成像單元，單個(gè)視點(diǎn)分辨率為640x480，如圖7所示。

圖 7. Bennett Wilburn于2004年在斯坦福大學(xué)設(shè)計(jì)的稠密光場(chǎng)相機(jī)陣列

Bennett Wilburn在2005年進(jìn)一步增加相機(jī)數(shù)量到約100個(gè)，構(gòu)建了大規(guī)模光場(chǎng)相機(jī)陣列[23]，并搭建了三種不同類型的大規(guī)模光場(chǎng)相機(jī)，如圖8所示，分別是（a）緊密排列的長(zhǎng)焦鏡頭大規(guī)模相機(jī)陣列，主要用于實(shí)現(xiàn)高分辨率成像。（b）緊密排列的廣角鏡頭大規(guī)模相機(jī)陣列，主要用于實(shí)現(xiàn)高速視頻捕獲和混合合成孔徑成像。（c）分散排布的大規(guī)模相機(jī)陣列。

圖 8. Bennett Wilburn于2005年在斯坦福大學(xué)設(shè)計(jì)的大規(guī)模光場(chǎng)相機(jī)陣列

由于硬件成本高昂，體積較大等缺點(diǎn)，目前To C端的應(yīng)用中還沒(méi)有采用基于相機(jī)陣列的光場(chǎng)采集方案。曹煊在2015年提出稀疏相機(jī)陣列光場(chǎng)采集方案[24]，利用壓縮感知和稀疏編碼大大減少了相機(jī)數(shù)量，降低了硬件成本，但仍然存在體積大的問(wèn)題。Pelican是美國(guó)硅谷的一家創(chuàng)業(yè)公司，正在嘗試將相機(jī)陣列小型化。該公司在2013年實(shí)現(xiàn)了超薄高性能的相機(jī)陣列[25]，如圖9所示。通過(guò)光學(xué)設(shè)計(jì)的優(yōu)化[26]和光場(chǎng)超分辨算法的應(yīng)用[27,28]，Pelican制造了小巧的相機(jī)陣列，并形成一個(gè)獨(dú)立的光場(chǎng)相機(jī)模塊。Pelican綜合了多種方法在保持相機(jī)陣列輕薄的前提下提升了所采集光場(chǎng)分辨率[29,30]。

圖 9. 美國(guó)初創(chuàng)公司Pelican設(shè)計(jì)的超小體積高性能相機(jī)陣列

3、基于編碼掩膜的光場(chǎng)采集

基于微透鏡陣列和基于相機(jī)陣列的光場(chǎng)采集都有一個(gè)共同點(diǎn)——“陣列”。前者通過(guò)多個(gè)微透鏡構(gòu)成陣列，犧牲圖像分辨率換取角度分辨率。后者通過(guò)多個(gè)相機(jī)構(gòu)成陣列，在不犧牲圖像分辨率的情況下增加了角度分辨率，但是需要增加大量的圖像傳感器?？傮w而言，視點(diǎn)分辨率與角度分辨率是一對(duì)矛盾因素，總是此消彼長(zhǎng)。通過(guò)增加成像傳感器數(shù)量來(lái)抵消這一矛盾會(huì)造成硬件成本的急劇增加。

上述兩種光場(chǎng)采集方案必須在圖像分辨率和角度分辨率之間進(jìn)行折中。學(xué)術(shù)界最新出現(xiàn)的基于編碼掩膜的光場(chǎng)采集打破了這一局限。該方案通過(guò)對(duì)光場(chǎng)的學(xué)習(xí)去掉光場(chǎng)的冗余性，從而實(shí)現(xiàn)了采集更少的數(shù)據(jù)量而重建出完整的光場(chǎng)。

如圖10所示，在傳統(tǒng)相機(jī)的成像光路中加入一片半透明的編碼掩膜，掩膜上每個(gè)像素點(diǎn)的光線透過(guò)率都不一樣（也稱為編碼模式），進(jìn)入光圈的光線在到達(dá)成像傳感器之前會(huì)被掩膜調(diào)制，經(jīng)過(guò)掩膜調(diào)制后的光線到達(dá)成像傳感器。利用提前學(xué)習(xí)好的光場(chǎng)字典，從單幅采集的調(diào)制圖像就可以重建出完整的光場(chǎng)。掩膜的編碼模式理論上可以采用隨機(jī)值，Kshitij Marwah證明了通過(guò)約束變換矩陣的轉(zhuǎn)置與變換矩陣的乘積為單位矩陣可以得到優(yōu)化的編碼掩膜，采用優(yōu)化后的編碼掩膜可以重建出更高質(zhì)量的光場(chǎng)。 

圖 10.  Kshitij Marwah于2013年在MIT設(shè)計(jì)的掩膜光場(chǎng)相機(jī)

很多學(xué)者已經(jīng)嘗試?yán)镁幋a掩膜來(lái)實(shí)現(xiàn)計(jì)算成像，例如國(guó)立臺(tái)灣大學(xué)的Chia-Kai Liang 在2008年采用可編程的光圈結(jié)合多次曝光成像實(shí)現(xiàn)了光場(chǎng)采集[31]。美國(guó)MIT大學(xué)在掩膜相機(jī)方面的研究非常深入，MIT大學(xué)CSAIL的Anat Levin 于2007年采用編碼光圈實(shí)現(xiàn)了深度圖像的采集[32]，MIT Media Lab的Veeraraghavan Ashok 在2007年采用掩膜實(shí)現(xiàn)了可以重聚焦的相機(jī)[33]，后于2011年結(jié)合閃光燈和相機(jī)掩膜實(shí)現(xiàn)了對(duì)高頻周期變化的圖像進(jìn)行高速攝像[34]。MIT Media Lab的Kshitij Marwah于2013年提出了基于掩膜的壓縮光場(chǎng)采集[35]。

基于編碼掩膜的光場(chǎng)采集方案最大的優(yōu)勢(shì)在于不需要犧牲圖像分辨率就能提高角度分辨率。但該方案存在光場(chǎng)圖像信噪比低的缺點(diǎn)，這主要是由于兩方面的原因造成：（1）掩膜的透光率不能達(dá)到100%，因此會(huì)損失光線信號(hào)強(qiáng)度，導(dǎo)致成像信噪比低；（2）所重建的最終光場(chǎng)圖像并不是成像傳感器直接采集得到，而是通過(guò)從被調(diào)制的圖像中進(jìn)行解調(diào)制得到；本質(zhì)上是基于已經(jīng)學(xué)習(xí)的光場(chǎng)字典去“猜”出待重建的光場(chǎng)。

4、光場(chǎng)采集方案對(duì)比

上述三種主流的光場(chǎng)采集方案與傳統(tǒng)相機(jī)總結(jié)對(duì)比如下表。

表1. 傳統(tǒng)2D采集設(shè)備與光場(chǎng)采集設(shè)備的對(duì)比

	采集數(shù)據(jù)維度	優(yōu)點(diǎn)	缺點(diǎn)
傳統(tǒng)相機(jī)	R(x, y, λ, t)	技術(shù)成熟, 價(jià)格低廉	只能采集平面圖片， 等同于角度分辨率為1X1的低階光場(chǎng)
微透鏡陣列	R(x, y, θ, Φ, λ, t)	體積小, 成本較低	圖像分辨率損失嚴(yán)重
相機(jī)陣列	R(x, y, θ, Φ, λ, t)	基線大，視差大 圖像分辨率較高	成本高，體積大 硬件同步困難
編碼掩膜	R(x, y, θ, Φ, λ, t)	體積小 分辨率不損失	信噪比低 光場(chǎng)質(zhì)量下降

基于微透鏡陣列的光場(chǎng)采集具有體積小巧，硬件成本低等優(yōu)點(diǎn)。但其缺點(diǎn)也很明顯：1）光場(chǎng)視點(diǎn)圖像分辨率損失嚴(yán)重，隨著視點(diǎn)數(shù)量的增加，單個(gè)視點(diǎn)分辨率急劇降低。2）受到相機(jī)光圈的限制，光場(chǎng)中可觀察的視差范圍較小。

基于相機(jī)陣列的光場(chǎng)采集相比基于微透鏡陣列的光場(chǎng)采集具有更多優(yōu)點(diǎn)：1）視點(diǎn)分辨率不損失，由單個(gè)相機(jī)成像傳感器決定。2）光場(chǎng)的視差范圍更大。但基于相機(jī)陣列的光場(chǎng)采集仍然面臨兩個(gè)問(wèn)題：1）需要的相機(jī)數(shù)量較多，硬件成本高昂，例如采集7x7視點(diǎn)的光場(chǎng)需要49個(gè)相機(jī)。2）相機(jī)同步控制復(fù)雜，數(shù)據(jù)量大，存儲(chǔ)和傳輸成本高。

基于編碼掩膜的光場(chǎng)采集打破了角度分辨率與視點(diǎn)圖像分辨率之間的互相制約關(guān)系，利用“學(xué)習(xí)”的方法去掉光場(chǎng)冗余性，從少量信息中恢復(fù)光場(chǎng)。雖然存在信噪比降低的問(wèn)題，但在2K時(shí)代，分辨率不損失這一優(yōu)點(diǎn)使得該方案受到廣泛關(guān)注。   

---

[1] Van Berkel C. Image Preparation for 3D-LCD[C]//Stereoscopic Displays and Virtual Reality Systems VI,1999.

[2] Chai J X, Tong X, Chan S C, et al. Plenoptic sampling[C]// Conference on Computer Graphics and Interactive Techniques. ACM Press/Addison-Wesley Publishing Co. 2000:307-318.

[3] Levoy M. Light Fields and Computational Imaging[J]. Computer, 2006, 39(8):46-55.

[4] Lanman D. Mask-based light field capture and display[C]//  Ph.D. Dissertation, Brown University, 2011.

[5] Lippmann G. Epreuves reversibles. Photographies integrals[J]. Comptes-Rendus Academie des Sciences, 1908, 146(3):446-451.

[6] Roberts D E. History of Lenticular and Related Autostereoscopic Methods[J]. Leap Technologies Hillsboro, 2003.

[7] Adelson E H, Wang J Y A. Single Lens Stereo with a Plenoptic Camera[J]. IEEE Transactions on Pattern Analysis & Machine Intelligence, 1992, 14(2):99-106.

[8] Levoy M, Ren N, Adams A, et al. Light field microscopy[J]. Acm Transactions on Graphics, 2006, 25(3):924-934.

[9] Hoshino H, Okano F, Isono H, et al. Analysis of resolution limitation of integral photography[J]. Journal of the Optical Society of America A, 1998, 15(8):2059-2065.

[10] Ren N, Levoy M, Bredif M, et al. Light Field Photography with a Hand-Held Plenopic Camera[J]. Tech. Rep. CSTR Stanford Computer Science. 2005.

[11] R. Ng, “Digital light field photography”, PhD. Thesis, Stanford University, 2006.

[12] https://illum.lytro.com/

[13] www.raytrix.de

[14] Raytrix, “Digital imaging system for synthesizing an image using data recorded with a plenoptic camera,” European Patent EP09005628.4 (April 2009).

[15] Perwass C, Wietzke L. Single lens 3D-camera with extended depth-of-field[C]// IS&T/SPIE Electronic Imaging. International Society for Optics and Photonics, 2012.

[16] Heinze C, Spyropoulos S, Hussmann S, et al. Automated Robust Metric Calibration Algorithm for Multifocus Plenoptic Cameras[J]. IEEE Transactions on Instrumentation & Measurement, 2016, 65(5):1197-1205.

[17] Georgeiv T, Zheng K C, Curless B, et al. Spatio-angular resolution tradeoffs in integral photography[C]// Eurographics Symposium on Rendering Techniques, Nicosia, Cyprus. DBLP, 2006:263-272.

[18] Georgeiv T, Intwala C. Light Field Camera Design for Integral View Photography[J]. Adobe Technical Report, 2008.

[19] Lumsdaine A, Georgiev, T, Full resolution lightfield rendering, Adobe Technical Report, 2008.

[20] Yang J C, Everett M, Buehler C, et al. A real-time distributed light field camera[C]// Eurographics Workshop on Rendering. Eurographics Association, 2002:77-86.

[21] Wilburn B S, Smulski M, Lee K, et al. The Light field video camera[J]. Proceedings of SPIE - The International Society for Optical Engineering, 2001, 2002:29--36.

[22] Wilburn B, Joshi N, Vaish V, et al. High-Speed Videography Using a Dense Camera Array[C]// Computer Vision and Pattern Recognition, 2004. CVPR 2004. Proceedings of the 2004 IEEE Computer Society Conference on. IEEE, 2004:II-294-II-301 Vol.2.

[23] Wilburn B, Joshi N, Vaish V, et al. High performance imaging using large camera arrays[J]. Acm Transactions on Graphics, 2005, 24(3):765-776.

[24] Cao X, Geng Z, Li T. Dictionary-based light field acquisition using sparse camera array[J]. Optics Express, 2014, 22(20):24081-24095.

[25] Venkataraman K, Lelescu D, Duparr, et al. PiCam : an ultra-thin high performance monolithic camera array[J]. Acm Transactions on Graphics, 2013, 32(6):166.

[26] Tanida J, Kumagai T, Yamada K, et al. Thin Observation Module by Bound Optics (TOMBO): Concept and Experimental Verification[J]. Applied Optics, 2001, 40(11):1806.

[27] Baker S, Kanade T. Limits on Super-Resolution and How to Break Them[J]. Pattern Analysis & Machine Intelligence IEEE Transactions on, 2000, 24(9):1167-1183.

[28] Bishop T E, Zanetti S, Favaro P. Light field superresolution[C]// IEEE International Conference on Computational Photography. IEEE, 2009:1-9.

[29] Georgiev T, Chunev G, Lumsdaine A. Superresolution with the focused plenoptic camera[C]// IS&T/SPIE Electronic Imaging. International Society for Optics and Photonics, 2011:78730X-78730X-13.

[30] Wanner S, Goldluecke B. Spatial and Angular Variational Super-Resolution of 4D Light Fields[M]// Computer Vision – ECCV 2012. Springer Berlin Heidelberg, 608-621.

[31] Liang C K, Lin T H, Wong B Y, et al. Programmable aperture photography: Multiplexed light field acquisition[J]. Acm Transactions on Graphics, 2008, 27(3):55.

[32] Levin A, Fergus R, Durand F, et al. Image and depth from a conventional camera with a coded aperture[C]// ACM SIGGRAPH. ACM, 2007:70.

[33] Veeraraghavan A, Raskar R, Agrawal A, et al. Dappled photography: mask enhanced cameras for heterodyned light fields and coded aperture refocusing[C]// SIGGRAPH. 2007:69.

[34] Veeraraghavan A, Reddy D, Raskar R. Coded Strobing Photography: Compressive Sensing of High Speed Periodic Videos[J]. Pattern Analysis & Machine Intelligence IEEE Transactions on, 2011, 33(4):671-686.

[35] Marwah K, Wetzstein G, Bando Y, et al. Compressive light field photography using overcomplete dictionaries and optimized projections[J]. Acm Transactions on Graphics, 2013, 32(4):1-12.

 

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見(jiàn)轉(zhuǎn)載須知。