La tecnología de visualización de campo de luz 3D ha atraído la atención de los investigadores debido a su gran ángulo de visión y la alta densidad de puntos de vista. La resolución es un parámetro importante en la tecnología de visualización de campo de luz 3D, y los métodos para mejorar la resolución son bastante complejos, por lo que los investigadores comenzaron a centrarse en la resolución visual. Para mejorar la resolución visual de la visualización de campo de luz 3D, se propuso un método basado en aprendizaje profundo para obtener una matriz de imágenes primitivas preprocesadas (PEIA). Durante el proceso de imagen del campo de luz, las aberraciones de la lente causan la formación de manchas de dispersión en el plano de imagen. La zona de superposición entre las manchas de dispersión puede considerarse un nuevo píxel visual y se utiliza como portador adicional de información. Se utilizó una red neuronal convolucional (CNN) con mejora de resolución para obtener PEIA a partir de una matriz de imágenes primitivas de alta resolución (HEIA). El PEIA se carga en una pantalla LCD y, mediante la transformación óptica de la matriz de lentes y la difusión a través de una película de difusión dirigida, se presenta una imagen de visualización de campo de luz 3D con resolución visual mejorada. En los experimentos, utilizando PEIA, la matriz de lentes y la película de difusión dirigida, se mostró una visualización de campo de luz con un ángulo de visión de 70° y una resolución visual mejorada.

visualización de campo de luz 3D; aprendizaje profundo; red neuronal convolucional; resolución visual