稀疏桥梁模板将光场图像可伸缩编码中的视点层视为稀疏桥梁模板，考虑到稀疏桥梁模板的数量影响网络模型的稳定性，这里选用了两个稀疏桥梁模板时进行角度重建，如图1所示包含5个视图(子孔径图像)，其在光场图像可伸缩编码中通常作为基础编码的视点层包含9个视图，其在光场图像可伸缩编码中通常作为中间视点层，能够提供角度分辨率为3x3的稀疏光场图像。桥梁模板对齐光场图像由于其高维特性可以在子孔径图像阵列和微透镜阵列图像之间转换，而不同稀疏桥梁模板可以视为同一微透镜阵列图像的不同采样表示。因此，对光场图像不同稀疏桥梁模板的处理可以转化为对不同采样表示的微透镜阵列图像的处理。此外，为最大限度降低光场图像不同稀疏桥梁模板之间的差异，降低网络模型拟合难度，所提出方法首先通过插值处理将不同稀疏桥梁模板进行对齐。桥梁模板对齐过程可表示为其中，表示微透镜阵列图像，RTLAI表示子孔径图像阵列至微透镜阵列图像的重组算子，表示插值算子。当插值算子的输入为桥梁模板时，则基于中的子孔径图像进行双线性插值，以初步生成相较于Lref缺失的子孔径图像;若输入为桥梁模板，则不进行任何操作。以角度位置(0,0)与(0,6)处的子孔径图像jo和jo为例，给定上述两个角度位置的子孔径图像，对二者的中间角度位置(0,3)进行双线性插值以初步补足桥梁模板相较于的空缺，表示为其中，s(st)为角度位置(0,3)上生成的子孔径图像，。为权重因子，取值0.5。通过上述插值操作能较好地降低光场图像不同稀疏桥梁模板之间的差异。图2给出了插值结果示意图，其中jzLAn和jzLAI:分别为由Lrefl和Lref2转换得到的同尺度微透镜阵列图像，PzLAn和PzLAI:为jzLAn和jzLAI:的局部放大图，PzLAn则为对Lrefl插值后转换所得的微透镜阵列图像对应位置的局部放大图。如图2所示，经过插值处理后，相较于未插值处理的PMLAIl,PMLAIl与PzLAIz更为接近，这有利于后续微透镜阵列图像特征的学习与提取。http://www.qlmb.net