不同于传统图像只能记录光线的强度信息和位置信息,光场图像还可以记录光线的方向信息。光场成像以其独特的优势成为一种重要的信息获取手段,并已经在立体匹配、图像分割、目标识别、三维重建等诸多领域广泛应用。然而,这些应用是建立在获得准确深度估计的基础上的,所以通过光场图像计算得到深度估计变得尤为重要。近年来,很多优秀的深度估计算法被相继提出,但是这些算法存在某些局限性。例如,对遮挡区域检测的不精确、边缘判断模糊、复杂纹理的深度不连续等。针对这些不足,本文从光流角度入手,提出了一种改进变分光流算法,利用该算法,可以得到更准确的深度估计结果。本文基于变分法进行光场的深度流估计,主要工作及创新如下:1.介绍了光场相机的发展和背景,并且结合图像处理知识,系统分析了光流和光场图像的关系以及计算方法。最后阐述了光流的现状、应用场合和未来的发展趋势。2.针对基于传统光流计算光场图像深度时精度低的局限性,本文提出了一种基于Lytro相机的光场图像深度估计算法。该算法主要包括三个步骤:第一,通过光场原图像处理得到子光圈图像序列,分别计算中心子光圈图像和周围子光圈图像之间的光流,从而得到全局光流场。第二,通过子光圈图像的前向和后向流之间的一致性来检测遮挡区域并利用几何遮挡模型去除遮挡,从而获得较高精度的初始深度估计。第三,采用投票机制融合视差,使用直方图统计计算得到的视差并取频数最大的视差为最终视差估计,利用具有边缘保持特性的双线性内插法优化深度图,最后获得高精度的光场深度图。3.通过计算机仿真,将本文所提算法与当前的主流方法相比较。仿真结果表明,本文所提方法具有低耗时、高精度的优点。