1.基于EPI_Volume的LF_SURF光场图像特征匹配方法，其特征在于，具体按照以下步骤实施：

步骤1、取两张在不同视角下拍摄的具有相同场景的光场图像，将第一张光场图像读入至MATLAB软件中进行解码得到光场图像信息，利用光场图像信息得到光场图像五维矩阵[s,t,u,v,3]；

步骤2、利用步骤1得到的光场图像五维矩阵计算得到四维水平EPI_Volume矩阵、四维垂直EPI_Volume矩阵；

步骤3、分别对四维水平EPI_Volume矩阵、四维垂直EPI_Volume矩阵进行SURF特征点检测得到各自的候选特征点并进行筛选得到精确特征点，再将四维水平EPI_Volume矩阵和四维垂直EPI_Volume矩阵上的精确特征点合并得到光场图像精确特征点；

步骤4、提取每个光场图像精确特征点在四维水平EPI_Volume矩阵、四维垂直EPI_Volume矩阵中的Harr小波特征，并在四维水平EPI_Volume矩阵、四维垂直EPI_Volume矩阵上分别生成64维特征描述向量，再将每个光场图像精确特征点在四维水平EPI_Volume矩阵、四维垂直EPI_Volume矩阵上生成的64维特征描述向量串联，使得每个光场图像精确特征点生成128维特征描述向量；

步骤5、重复步骤1至步骤5，对第二张光场图像进行相同的处理使得第二张光场图像中的每个特征点生成128维特征描述向量，依次计算第一张光场图像的每个特征点的特征描述向量与第二张光场图像的所有特征点的特征描述向量之间的欧式距离，并将第一张光场图像的特征点与第二张光场图像的特征点按照欧式距离进行相似性度量进而完成特征点匹配；

步骤6、利用MSAC算法筛除步骤5匹配结果中的错误匹配，并计算得到特征匹配的精确率，根据特征匹配的精确率对特征匹配的正确性进行验证。

2.根据权利要求1所述的基于EPI_Volume的LF_SURF光场图像特征匹配方法，其特征在于，所述步骤1具体按照如下操作进行：步骤1.1、将光场图像读入至MATLAB软件的imread函数中解析得到光场图像真实大小，将光场图像对应的文件读入至MATLAB软件的dlmread函数中解析得到光场图像宏像素之间的水平间隔、垂直间隔以及光场图像位置分辨率，利用光场图像宏像素之间的水平间隔、垂直间隔计算得到光场图像角度分辨率，具体操作如式(1)所示；

u＝round(x)

v＝round(y)                       (1)

式中，x、y分别表示光场图像宏像素之间的水平间隔、垂直间隔，[u,v]表示光场图像角度分辨率；

步骤1.2、利用光场图像位置分辨率计算得到光场图像对应的理论图像大小，具体操作如式(2)所示：

s*u＝M'

t*v＝N'                            (2)

式中，[s,t]表示光场图像位置分辨率，[M',N']表示光场图像对应的理论图像大小；

步骤1.3、计算光场图像真实大小与理论图像大小的差值，具体操作如式(3)所示：

Δx＝M'-M,Δy＝N'-N                       (3)

式中，[M,N]表示光场图像真实大小，[M',N']表示理论图像大小，Δx、Δy表示光场图像真实大小与理论图像大小的差值；

步骤1.4、利用光场图像真实大小与理论图像大小的差值对光场图像的真实大小进行更新，得到更新后的光场图像三维矩阵[M',N',3]；

步骤1.5、利用MATLAB软件的reshape函数对光场图像三维矩阵[M',N',3]进行重排列，得到光场图像五维矩阵[s,t,u,v,3]。

3.根据权利要求2所述的基于EPI_Volume的LF_SURF光场图像特征匹配方法，其特征在于，所述步骤1.4中的更新具体操作为：在光场图像的真实大小矩阵[M,N]的最末行后补Δx行的0，在光场图像的真实大小矩阵[M,N]的最末列后补Δy列的0。

4.根据权利要求1所述的基于EPI_Volume的LF_SURF光场图像特征匹配方法，其特征在于，所述步骤2具体按照如下操作进行：步骤2.1、利用光场图像五维矩阵[s,t,u,v,3]的光场图像角度分辨率计算得到光场图像角度分辨率的中间行和中间列，具体操作如式(4)所示：u'＝ceil(u/2)

v'＝ceil(v/2)                           (4)

式中，u'表示光场图像角度分辨率的中间行，v'表示光场图像角度分辨率的中间列。

步骤2.2、使用MATLAB的squeeze函数对五维光场矩阵[s,t,u,v,3]中角度分辨率分别为[u',v]和[u,v']的光场图像视图进行提取，得到四维水平EPI_Volume矩阵和四维垂直EPI_Volume矩阵。

5.根据权利要求1所述的基于EPI_Volume的LF_SURF光场图像特征匹配方法，其特征在于，所述步骤3具体按照如下操作进行：步骤3.1、使用MATLAB软件的squeeze函数分别提取四维水平EPI_Volume矩阵、四维垂直EPI_Volume矩阵的每一个角度分辨率对应的三维矩阵，分别得到四维水平EPI_Volume矩阵的v个三维矩阵EPI_r和四维垂直EPI_Volume矩阵的u个三维矩阵EPI_c；

步骤3.2、使用MATLAB软件的rgb2gray函数分别对每个三维矩阵EPI_r、EPI_c进行灰度化处理，再使用MATLAB软件的detectSURFFeatures函数分别对灰度化处理后的三维矩阵EPI_r、EPI_c进行SURF特征点检测得到每个三维矩阵EPI_r、EPI_c上的候选特征点，最后使用MATLAB软件的round函数分别对每个三维矩阵EPI_r、EPI_c上的候选特征点进行向上取整，分别得到每个三维矩阵EPI_r上的候选特征点location_x[m,n,σ,v]、每个三维矩阵EPI_c上的候选特征点location_y[m,n,σ,u]；

步骤3.3、将每一个location_x[m,n,σ,v]投影到水平EPI_Volume矩阵上的第n个二维水平切片上形成第一投影图像，对第一投影图像进行hough线检测得到由候选特征点组成的关键位置线以及关键位置线与坐标系原点之间所连垂线与x轴的夹角，筛选出所述垂线与x轴的夹角在[-45°,45°]之间的关键位置线、候选特征点的个数大于二分之一光场图像水平采样角度的关键位置线，同时对交叉的关键位置线，筛选出含有最多候选特征点个数的关键位置线，则筛选出的关键位置线上的候选特征点为在四维水平EPI_Volume矩阵上的精确光场特征点；

步骤3.4、将每一个location_y[m,n,σ,u]投影到垂直EPI_Volume矩阵上的第m个2维垂直切片上形成第二投影图像，对第二投影图像进行hough线检测得到由候选特征点组成的关键位置线以及关键位置线与坐标系原点之间所连垂线与x轴的夹角，筛选出所述垂线与x轴的夹角在[0°,89°]之间的关键位置线、候选特征点的个数大于二分之一光场图像垂直采样角度的关键位置线，同时对交叉的关键位置线，筛选出含有最多候选特征点个数的关键位置线，则筛选出的关键位置线上的候选特征点为在四维垂直EPI_Volume矩阵上的精确光场特征点；

步骤3.5、将在四维水平EPI_Volume矩阵上的精确光场特征点与在四维垂直EPI_Volume矩阵上的精确光场特征点合并得到光场图像精确特征点。

6.根据权利要求1所述的基于EPI_Volume的LF_SURF光场图像特征匹配方法，其特征在于，所述步骤4具体按照如下操作进行：提取每个光场图像精确特征点在四维水平EPI_Volume矩阵的对应层和对应尺度下的圆形区域内的Harr小波特征，并将所述圆形区域以

60°圆周角等分为多个扇形，统计每个扇形内光场图像精确特征点的水平、垂直Harr小波特征的总和，再将每个扇形旋转0.2弧度统计每个扇形内的Harr小波特征值，将具有最大Harr小波值的扇形方向作为光场图像精确特征点的主方向，再沿着光场图像精确特征点的主方向，在光场图像精确特征点周围4*4像素区域内取一个矩形块，等分所述矩形区域为十六个子区域，在每个子区域内统计相对于光场图像精确特征点主方向为水平方向的25个像素的第一Harr小波特征以及相对于光场图像精确特征点主方向为垂直方向的25个像素的第二Harr小波特征，计算第一Harr小波特征、第二Harr小波特征的绝对值，并将第一Harr小波特征的值、第二Harr小波特征的值、第一Harr小波特征的绝对值、第二Harr小波特征的绝对值作为子区域的特征向量，将十六个子区域的特征向量联合作为每个光场图像精确特征点的描述向量，从而每个光场图像精确特征点在四维水平EPI_Volume矩阵上生成64维描述向量，类似地，每个光场图像精确特征点在四维垂直EPI_Volume矩阵上生成64维描述向量，将每个光场图像精确特征点在四维水平EPI_Volume矩阵和四维垂直EPI_Volume矩阵上生成的特征向量串联，使得每个光场图像精确特征点生成128维特征描述向量。

7.根据权利要求1所述的基于EPI_Volume的LF_SURF光场图像特征匹配方法，其特征在于，所述步骤5中相似性度量的具体操作为：对于第一张光场图像中的每个特征点来说，在其与第二张光场图像的所有特征点计算得到的欧式距离中筛选出两个最小的欧式距离d1、d2，其中d1＜d2，按照式(5)计算得到相似性阈值，当相似性阈值小于预先设置值时确认d1代表的第二张光场图像的特征点与此特征点匹配成功，否则认为此特征点在第二张光场图像中没有匹配的特征点，类似地，对第一张光场图像中的所有特征点一一进行相似性度量直至完成所有特征点匹配，所述式(5)如下所示：Radio＝d1/d2                         (5)。

8.根据权利要求7所述的基于EPI_Volume的LF_SURF光场图像特征匹配方法，其特征在于，所述预先设置值大小为0.85。

9.根据权利要求1所述的基于EPI_Volume的LF_SURF光场图像特征匹配方法，其特征在于，所述步骤6的具体包括如下步骤：步骤6 .1、将步骤5匹配成 功的 每对特征点输入至MATLA B软 件的

estimateGeometricTransform函数中进行迭代直至寻找到最优参数模型，删除不符合所述最优参数模型的特征点，从而筛除错误匹配；

步骤6.2、利用单应性矩阵对步骤6.1中符合最优参数模型的特征点进行验证，得到特征点正确匹配个数、错误匹配个数，并利用式(6)计算得到特征点匹配的精确率，式(6)如下所示：Precision＝1-false_matches/(correct_matches+flase_matches)    (6)式中，false_matches为特征点错误匹配个数，correct_matches为特征点正确匹配个数，Precison为特征匹配结果的精确率。