无参考光场图像质量评估

提出了一种基于空间平面分割和投影变换的光场图像拼接算法。依据光场深度信息对目标场景进行平面拟合和分割,并根据颜色信息利用马尔可夫模型对分割结果进行了优化。利用不同视点间的光流信息求解投影变换矩阵，将对应的分割区域投影变换到同一视点。通过计算最小缝合线拼接重叠区域，并采用泊松优化的方法融合拼接区域。实验结果表明，所提算法能够生成大视野的光场图像，且光场中光线对齐准确，无明显几何畸变。

光场相机目前已广泛应用于消费领域和工业应用领域，利用光场相机对目标物进行深度重建成为了一项重要的研究课题。在实际研究过程中，Lytro相机空间信息与角度信息复用于同一传感器，导致图像分辨率较低，从而使得重建效果不甚理想。为解决这一问题，提出了一种亚像素精度的光场图像深度估计方法，在频率域对子孔径图像进行多标签下的亚像素偏移，以中心视角图像为参照，建立像素匹配代价行为；使用引导滤波抑制噪声的同时保持了图像边缘；对多标签下的匹配代价行为进行优化，得到精确的深度估计结果。对目标深度图进行表面渲染、纹理映射等重建处理，得到较为精细的重建结果。实验结果表明，该算法在对复杂度较高的物体进行重建时，解决了重建模糊等问题，有较好的表现。

Lytro相机的光场图像校正与重对焦方法

利用深度卷积网路实现光场图像的视图合成，代码利用matlab编写，使用matconvnet工具GPU实现。

Depth from Combining Defocus and Correspondence Using Light-Field Cameras-Tao的这篇论文中对光场图像进行了深度估计，并进行了MRF。此代码为经过重新编译后的代码，matlab2018、2017实测可用。 文章解析：https://blog.csdn.net/weixin_38285131 （该文中提供的代码链接matlab2018不可用）

用于光场图像压缩的全局共凸度引导位分配

Depth from Combining Defocus and Correspondence Using Light-Field Cameras-Tao的这篇论文中对光场图像进行了深度估计，并进行了MRF，我在博客中对代码进行了部分注释和解析，博客地址：https://blog.csdn.net/weixin_38285131 有疑问可以互相交流