微透镜阵列图像特征学习不同稀疏桥梁模板所对应的输入子孔径图像阵列的结构不同，直接对其进行空间一角度维度的特征提取往往难以获得令人满意的结果。而微透镜阵列图像可视为以宏像素为基本单元的2D图像，因此，构建了一个微透镜阵列图像特征学习桥梁模板模块，其利用了一个残差密集块来对微透镜阵列图像进行特征提取。RDB采用密集连接和局部特征融合的方式以融合来自所有卷积层的层次特征，能够简单且有效地利用RDB中所有层的特征。这里利用RDB对微透镜阵列图像进行初步特征提取以减少插值所带来的差异，旨在解决采用不同稀疏桥梁模板时光场特征提取的问题。通过将不同稀疏桥梁模板所对应的输入光场图像表示为存在细微差异的微透镜阵列图像，并基于此进行特征提取，可有效提高对不同稀疏采样的输入光场图像进行重建的灵活性。子孔径图像级特征融合在微透镜阵列图像特征提取时，所采用的针对不同稀疏桥梁模板的特征提取方式会使光场图像的角度一致性遭到一定程度上的破坏。为此，设计了一个微透镜阵列图像特征至子孔径特征的转换过程，并构建了子孔径图像级特征融合桥梁模板模块，其结构如图3所示。首先，将输入的微透镜阵列图像特征在通道维度上重组以匹配子孔径图像维度;然后，通过3个1x1卷积和2个代理注意力机制进行渐进式地融合，并辅以残差连接以恒等的方式加速收敛。图3中的1x1卷积主要用于不同子孔径特征之间的渐进式融合，而代理注意力机制则加强子孔径特征的全局信息表达，二者交互结合以更高效地将微透镜阵列图像特征转换为子孔径图像特征，保护光场角度一致性、减少信息的损耗。
  上述步骤所提取特征仅针对输入角度位置的参考子孔径图像进行光场特征提取，而所提方法需要满足对任意角度位置子孔径图像进行重建的需求。因此，通过一个特征映射桥梁模板模块，基于给定的目标角度坐标，对所提取的子孔径图像特征进行映射并转化为所需中间输出，图4给出了特征映射桥梁模板模块结构图。具体来说，给定目标角度坐标ptar，通过一个组算子将其进行维度拓展以匹配输入特征的空间维度，并与输入特征进行拼接;然后，将拼接的目标角度信息与所提取光场特征通过一个1X1卷积和差密集块进行融合。最后，将融合后特征输入至两个残差密集块以分别生成中间卷积核权重与偏置图。具体表示为其中，表示所生成的中间卷积核权重，N表示参考子孔径图像数量，表示卷积核大小。表示所生成的偏置图，M表示映射函数，为输入目标角度坐标。值得注意的是，偏置图的空间分辨率与子孔径图像的分辨率保持一致。http://www.zbtaixing.com