摘要
现有的大多数光场超分辨率方法不能充分利用角度信息,或者由于利用部分视图而产生不均衡的性能。为解决这些问题,本文提出一种基于宏像素表示的光场图像超分辨率聚合网络模型(称为MPIN)。该网络通过将四维光场图像重新排列成二维宏像素图像,将空间和角度信息进行耦合,从而同时恢复整张光场图像。网络利用两种特殊的卷积分别提取空间和角度信息。为充分利用空间—角度相关性,所设计的聚合残差模块融合两种信息使其相互引导,以实现角度相干性。在宏像素表示下,该网络通过扩展角度混洗层来提高宏像素图像的空间分辨率,有效避免了混叠。在合成和真实光场数据集上的大量实验表明,本文提出的方法在定性和定量上均实现了比现有方法更好的性能。此外,该方法在保持光场图像固有极线结构的同时,具有均衡性能分布的优点。