光场去模糊与深度估计新算法：克服运动与深度变化挑战

本文主要探讨了光场领域的一项关键挑战——在高度不适定的条件下从单个模糊光场中恢复相机运动模糊并估计深度。光场，作为一种4D数据结构，代表了来自不同视角的光线集合，通常通过光场相机捕捉，这些相机可以同时记录多个子孔径图像。传统的单视图图像去模糊方法往往假设模糊核为空间均匀，但现实场景中的深度变化和相机的复杂运动会导致模糊核变得非均匀，这在处理上极具挑战。 本文的创新之处在于提出了一种联合估计算法，该算法能够同时估计模糊的4D光场中的多种参数，包括潜在的子孔径图像、摄像机运动以及场景深度。这种方法充分利用了光场的多视图特性，通过结合深度线索和多视图模糊观察来缓解优化过程中的逆问题性质。通过这种方法，即使面对任意6自由度的相机运动和无约束的场景深度，也能实现高质量的光场去模糊和深度估计。 相比于现有的光场去模糊和深度估计方法，新算法在大量真实和合成模糊光场的实验中表现优越，证明了其在处理复杂运动模糊和深度不一致性方面的有效性。这不仅对于提升视觉系统的鲁棒性和实用性具有重要意义，也为其他基于光场的计算机视觉任务提供了新的解决方案。 关键词包括光场、6-DOF摄像机运动、运动模糊、盲运动去模糊和深度估计，这些都揭示了本文研究的核心技术点和实际应用价值。本文的工作对于解决光场图像处理中的复杂逆问题，尤其是在运动模糊和深度估计方面，开辟了新的研究路径。