Die 3D-Lichtfeld-Anzeigetechnologie gewinnt aufgrund ihres großen Betrachtungswinkels und der dichten Betrachtungspunkte das Interesse von Forschern. Die Auflösung ist ein wichtiger Parameter der 3D-Lichtfeld-Anzeigetechnologie, und die Methoden zur Verbesserung der Auflösung sind recht komplex, weshalb Forscher begannen, sich auf die visuelle Auflösung zu konzentrieren. Um die visuelle Auflösung der 3D-Lichtfeld-Anzeige zu verbessern, wurde eine Methode vorgeschlagen, die auf Deep Learning basiert, um eine vorverarbeitete primitive Bildanordnung (PEIA) zu erhalten. Im Bildgebungsprozess der Lichtfeldanzeige verursachen Linsen-Abbildungsfehler Streupunkte auf der Bildebene. Die Überlappungsbereiche zwischen den Streupunkten können als neue visuelle Pixel betrachtet und als zusätzliche Informationsträger verwendet werden. Ein auflösungsverbesserndes Convolutional Neural Network (CNN) wurde verwendet, um PEIA aus einer hochauflösenden primitiven Bildanordnung (HEIA) zu extrahieren. PEIA wird auf ein LCD geladen und durch die optische Transformation des Linsenarrays und die Streuung durch eine gerichtete Diffusionsfolie wird ein 3D-Lichtfeld-Anzeige-Bild mit verbesserter visueller Auflösung dargestellt. In den Experimenten wurde durch die Verwendung von PEIA, dem Linsenarray und der gerichteten Diffusionsfolie eine Lichtfeldanzeige mit einem Betrachtungswinkel von 70° gezeigt und die visuelle Auflösung verbessert.

3D-Lichtfeld-Anzeige; Deep Learning; Convolutional Neural Network; visuelle Auflösung