1.一种基于光线追踪算法的深度图像优化方法，其特征在于：包括以下步骤S1、采集拍摄物体的初始深度图像和初始光场彩色图像；

S2、根据初始光场彩色图像的完整边缘信息，预处理初始深度图像，优化初始深度图像的边缘信息；

S3、根据优化后的深度图像和光场彩色图像搭建路径跟踪器，通过滤波器获得几何属性；

S4、通过路径跟踪器采集纹理信息并计算拍摄物体表面的光照反射率；

步骤S4包括以下分步骤

S4.1、对处理后的深度图像中的每个像素点进行重要性采样，根据重要性采样原则对深度图像中的高频区域和低频区域进行区分；将边缘或者颜色通道分量变化高于12的区域设为高频区域，否则设为低频区域；

S4.2、对路径空间中的路径是否可用无偏的方式进行采样进行判断，如果是，则对此路径使用重要性采样；否则，对深度样本中不能以无偏方法进行采样的路径进行空间正则化操作，完成对欠采样路径的补充采样；

每个对象都有一个未知的发射和一组材料参数，将此参数在整个对象中假定为常数，实现对每个对象的优化，路径积分公式以积分的形式表示摄像机响应测量的函数，其中， ， 为所有长度的所有可能光路的统一空间； ， 是路径空间中 从 灯 光 到 摄影 机 的 完 整路 径 ,表 示 为 场景 流 形M 上 点 的 向 量 ；

,I为摄像机传感器测量值, 为测量贡献函数，它包括长度为k的参数路径 上所有点的反射算子乘积，

其中， 为 与 之间的几何因子, 为 的双向反射

分布函数， 为光源的出射辐射亮度， 为传感器的灵敏度；

通过软化器进行空间正则化，在突变的n点处减小软化带宽，降低率在以下边界内：其中，n为积分所取样本的索引； ， 为指定的初始软化半径，d表示维度，用于d维软化；

S4.3、通过直接光照和间接光照解调出物体表面的直接反射率和间接反射率，并获取纹理信息；

S5、对路径跟踪器中颜色缓冲区的信息进行深度分类，并通过计算颜色缓冲区信息与光场彩色图像的差值获取光照参数；

使用光栅化G缓冲器对表面反照率进行解调,过滤后重新组合直接光和间接光的初级反照率，应用色调映射；

使用颜色亮度的第一原始矩和第二原始矩μ1i和μ2i估计每个像素的亮度方差，判断相邻像素点之间的颜色差异是否达到阈值，按照阈值大小划分出每个表面的不同反射率区域，对不同反射率区域设置不同的记号，完成深度分类；

通过计算颜色缓冲区信息和光场彩色图像间的差值，得到光照参数，其中， 为所求的光照参数， 和 为光场彩色图像大小， 为彩色图像像素值， 为光照辐射值， 为反射率， 为球面谐波系数， 为球谐基函数，为法线；

S6、优化深度图像法向场，将法向量和深度信息相结合，运用线性最小二乘法进行优化，消除深度图像噪声；

S7、处理优化后深度图像中未平复的噪声；

S8、获得高精度的深度图像。

2.根据权利要求1所述的一种基于光线追踪算法的深度图像优化方法，其特征在于：所述步骤S2中，对初始深度图像进行预处理包括以下步骤S2.1、根据初始光场彩色图像的完整信息，补全初始深度图像，将初始光场彩色图像进行灰度化，计算彩色图像的灰度变化率，其中， 为点 的灰度变化率，即权值； 为点 的灰度图像素，为灰度图中的像素点，为高斯函数的标准差；

S2.2、将计算出的权值 与高斯滤波的权值相乘获得最终的权值，其中， 为在点 处的最终高斯滤波权值, 为光场彩色图像灰度变化率， 为原始高斯滤波权值， 为在点 处初始深度图像的像素值, 为初始深度图像灰度图的像素点， 为初始光场彩色图像灰度化前的点， 为灰度化后的点， 为高斯函数的标准差；

S2.3、使用双边滤波算法，补全初始深度图像的边缘信息，完成对初始深度图像边缘信息的优化。

3.根据权利要求1所述的一种基于光线追踪算法的深度图像优化方法，其特征在于：所述步骤S3中，几何属性包括空间矢量、空间法线以及网格索引值，将初始光场彩色图像和初始深度图像作为输入数据输入到路径追踪器中；路径追踪器包括用于生成光线的光栅化器；无噪声G缓冲区的集合M，用于存放中间渲染结果，以增强操作的输入数据，M包括若干用于存储一个几何属性的G缓冲区。

4.根据权利要求1所述的一种基于光线追踪算法的深度图像优化方法，其特征在于：所述步骤S4.1中，使用标准路径跟踪和下一个事件估计来生成1个深度样本，在低频区域中，一个像素点采集一个深度样本；在高频区域中，一个像素点采集四个深度样本。

5.根据权利要求1所述的一种基于光线追踪算法的深度图像优化方法，其特征在于：所述步骤S4.3包括以下分步骤S4.3.1、将输入图像的每个深度样本中包括空间矢量、空间法线及网格索引值在内的几何属性输入到5*5的滤波器中；

S4.3.2、将上一步骤中的几何属性在滤波器中进行累积得到集成颜色及综合力矩；

S4.3.3、接着进行方差估计，使用集成颜色及方差估计的结果驱动小波滤波器迭代；

S4.3.4、N次迭代后利用滤波器解调纹理信息、间接光照反射率以及直接光照反射率。

6.根据权利要求1所述的一种基于光线追踪算法的深度图像优化方法，其特征在于：所述步骤S6包括以下分步骤S6.1、利用测量的表面位置对测量的法向场中的低频偏差进行校正；

S6.2、通过线性约束和高效稀疏解算器对最终曲面位置进行优化，得到优化后的深度图像法向场后，完成深度图像的优化。

7.根据权利要求6所述的一种基于光线追踪算法的深度图像优化方法，其特征在于：所述步骤S6.1中，利用测量的表面位置对测量的法向场中的低频偏差进行校正，表面点的坐标用深度函数表示，其中， 为像素坐标， 为深度函数， ， 为相机焦距，深度函数由深度误差 和法向误差 组成，其中， 控制两个误差项的权重， 为深度误差， 为法向误差，Z为得到的深度最小值。

8.根据权利要求6所述的一种基于光线追踪算法的深度图像优化方法，其特征在于：所述步骤S6.2中，通过线性约束和高效稀疏解算器对最终曲面位置进行优化，通过深度函数对表面点的坐标进行表示，从而获得位置误差和法向误差之和的最小值，再使用最小二乘法进行优化，其中, ，N为向量， 为一个非零矩阵，与N相乘后每个点对应两行的向量，m为维度，μ为法向向量集合，I为法向量偏差值，完成线性约束的计算。

9.根据权利要求1所述的一种基于光线追踪算法的深度图像优化方法，其特征在于：所述步骤S7中，使用反走样、抗锯齿以及中值滤波方法对优化后深度图像中未平复的噪声进行处理。