基于光场图像的深度恢复是2013年以来的一个研究热点,是计算机视觉一个比较新的发展方向,用于光场捕获的相机如Lytro、Raytrix等也已商用。但目前在这方面的研究和论文还较少,在基于光场的深度恢复、基于光场的三维重建等方面还没有形成一套完整有效的解决方案。本文对基于光场图像的深度获取和基于深度数据的人体分割、重建算法进行了深入的研究,主要包括以下几方面工作:(1)提出了基于先验似然的高精度光场图像深度重建算法。算法首先根据EPI特殊的线性结构,利用提出的交叉检测模型,有效地计算出EPI轮廓边缘,并将指数距离度量函数和距离权重系数相结合,得到轮廓边缘的深度。然后对内部平坦区域,利用求得的深度作为先验,通过先验似然扩散策略将深度扩散到整个区域,最终得到稠密深度图。(2)基于Kinect获得的深度数据,利用随机决策森林算法,对人体进行实时分割与姿态识别。其中以标注好的20000多张人体深度数据作为训练样本,利用最大信息增益的准则作为特征选择的标准,最终训练3棵决策树作为姿态识别分类器。(3)提出了一种快速逼真的三维建模系统,通过Kinect获取的场景深度和颜色数据,重建场景带纹理的三维模型。为了重建精确的对象,通过检测和提取等步骤对物体进行分割。当相机的姿态发生改变时,系统会自动地进行姿态调整并将新增帧融合到已经存在的模型中,最终重建出对象完整的三维模型。