伴随着增强现实、人机交互技术的发展与推广,投影显示技术被应用于越来越多非常规投影显示环境,以实现沉浸式体验的需求。在空间增强现实应用中,投影仪由于光学结构特性,在投射复杂表面或者动态表面时,会出现非均匀性散焦模糊,影响画面观感,降低体验沉浸度。现有的投影散焦模糊估计与消除方法具有以下局限性:a.非参数化模拟精度较高但不具备变深度模拟与消除能力;b.参数化模型先验性较强且模型表达能力不足,散焦模糊的模拟与消除效果有限。本文采用深度学习技术提出了基于多源信息融合的变深度投影散焦模糊估计与消除算法,以解决现有方法的局限性。首先,设计并标定多源影像数据采集系统,并以此构建高精度得多源投影散焦模糊数据集;利用深度学习技术,构建基于残差结构的多路深度卷积神经网络模型,提出基于多源信息融合的变深度投影散焦模糊估计算法,克服了传统的参数化与非参数化算法瓶颈;最后,构建轻量卷积神经网络,提出基于轻量化网络的变深度投影散焦模糊消除算法,实现无需调参与迭代优化的快速模糊消除补偿图像计算。主要研究内容如下:(1)分析投影模糊消除技术的国内外研究现状,总结投影模糊消除技术现有的主要难点,给出本文的研究内容与总体架构。(2)根据研究课题需求,设计多源影像数据采集系统;完成系统传感器内部参数标定;通过“相机-投影仪”系统标定方法与外参转换矩阵,完成设备间相对外部参数的标定。(3)研究包含深度-聚焦/散焦的多源影像数据集的获取流程与算法设计。首先设计了数据获取的采集策略与处理算法的整体框架;提出高阶几何多项式对齐技术,实现图像全局畸变校正与初步对齐;构建优化函数,逐帧精调聚焦与散焦图像间的相对偏差;估计聚焦与散焦图像的亮度变化因子并对齐;最后,通过参考图像校正非均匀亮度。(4)研究基于多源信息融合的变深度投影散焦模糊估计技术。首先,分析投影散焦模糊机理;构建基于残差结构的多路深度卷积神经网络模型,提出基于多源信息融合的变深度散焦模糊估计算法,克服现有方法在应用范围与性能上的瓶颈,实现多源信息的高效传递与融合;最后,实验验证本文所提算法的有效性与优越性。(5)研究了快速变深度投影散焦模糊消除技术。首先,研究了现有的模糊消除技术方法;构建轻量快速化的多路深度卷积神经网络模型,提出基于轻量化网络的变深度投影散焦模糊消除算法,实现性能不变条件下的显著提升模糊消除计算速度;最后,实验验证了提出算法的可行性与有效性。