《Distributed Compressive Sensing for Light Field Reconstruction using Structured Random Matrix》一文要解决的是在光场中进行三维场景重建，由于图像序列海量，采集和重建效率不高以及精度不足的问题。本文提出利用基于结构化测量矩阵的分布式压缩感知（SRM-DCS）来改善这个问题。
最初想到利用压缩感知（Compressive Sensing）来解决这个问题，这是一种从稀疏信号中重建原始信号的新型信号处理方法，在研究过程中发现可改进测量矩阵，将传统的非结构化测量矩阵（NSRM）转变为结构化的测量矩阵（SRM），这样能够加速重建图像的重建效率和精度。再结合分布式压缩感知（Distributed Compressive Sensing, DCS），提出基于结构化测量矩阵的分布式压缩感知方法来对光场进行采集和重建的方法，这是本文的创新之处。
在实验部分，对比三种利用结构化测量矩阵和非结构化测量矩阵来重建光场图像的重建成功率和PSNR值，实验显示利用结构化测量矩阵来重建有更优的结果。在接下来的工作中，可以进一步思考利用光场图像的先验信息来改进我们的系统。
附件
Distributed-Compressive-Sensing-for-Light-Field-Reconstruction-using-Structured-Random-Matrix-v3.1r