通过改变普通相机的光学结构,光场相机在捕获光线的强度信息的同时可以捕获光线的方向信息。利用光场相机捕获的方向信息,结合计算成像技术,光场成像在超分辨率重建、三维重建、深度估计、目标检测、人脸识别等领域取得了惊人的进展。因为图像探测器上的像素是有限的,方向分辨率的增加必然导致空间分辨率的下降,这种限制阻碍了光场成像技术的应用。针对光场图像存在分辨率低的问题,本文探索了基于卷积神经网络的光场图像超分辨率算法,主要工作如下:1.总结光场相机以及超分辨率重建技术的背景及研究现状,介绍了光场成像和超分辨率重建的基本理论,在此基础上介绍了传统的光场图像超分辨率重建方法,其中包括基于视差的深度估计和基于聚焦的深度估计,并简要介绍了超分辨率重建的评价指标。2.阐述了两种光场图像的渲染方式以及卷积神经网络理论。在此基础上,实现了基于卷积神经网络的光场图像角度超分辨率,实现步骤包括预处理、特征提取、非线性映射、图像重建、损失计算。通过实验发现,卷积神经网络可以重建出新视角图像的纹理细节,但深度变化范围大的地方效果不佳。3.在卷积神经网络的基础上,设计并实现一种基于感知损失的光场图像角度超分辨率重建算法。将应用于图像识别领域的感知损失与传统的像素级损失相结合,使用卷积神经网络的方法,进行光场图像的超分辨率重建。实验结果表明,基于感知损失的超分辨率重建算法能够保持重建后新视角图像的细节信息,拥有更好的视觉效果。