随着技术的发展和人们需求的增加，图像视频信号的质量和精度日益提高，所获取的数据量也是越来越大。因此关于图像视频的编解码技术的研究，得到了长期的关注和发展。压缩感知理论，能以远低于原始信号最高频率的采样率进行采样，给图像视频数据的高效存储和传输提供了新的视角。　　光场相机是在光场理论下诞生的新一代相机，不同于传统相机拍摄得到的二维图像，它能记录下场景的整个光场的信息。其不存在拍摄对焦等要求，在拍摄完后，可后期进行调焦和视角的微调整。光场相机的设计得到不断改进，从开始的相机阵列，到基于微透镜阵列的光场相机，到基于掩膜和压缩感知原理设计的光场相机。　　基于压缩感知的光场相机拍摄时对光场数据进行高效的压缩采样，拍摄完后重建的光场数据质量将受到压缩感知理论中观测矩阵和稀疏字典的影响，而相机中的掩膜决定了观测矩阵的值。本文针对光场相机的压缩感知模型，研究优化的掩膜和优化的字典训练方法。本文主要工作包括以下两方面:　　第一，基于压缩感知的光场相机的优化掩膜设计。在压缩感知的理论中，要求观测矩阵和稀疏字典具有较高的非相干性。利用非相干性，可在已知字典的情形下，计算出优化的观测矩阵。在基于压缩感知的光场相机的模型中，观测矩阵是受相机的物理结构限制而带有特定结构的矩阵，而矩阵中的数值由掩膜上的调制值决定。本文结合压缩感知理论中的观测矩阵优化理论和观测矩阵的特定结构，提出了优化的掩膜设计方案。将掩膜对光场的作用过程映射为带有特定结构的观测矩阵，通过优化算法的计算来确定优化的观测矩阵，也就确定了优化的掩膜。实验结果表明，与满足随机分布的掩膜和B分布的掩膜相比，本文提出的优化设计的掩膜可以显著提高重建视图图像的主客观质量。　　第二，基于压缩感知的光场相机的优化字典训练模型及算法。在已得到字典的情形下进行膜的优化设计能显著地提高重建视图的主客观质量。而在已固定了相机的膜的情形下，优化训练字典仍有现实意义。在固定观测矩阵的条件下，我们提出了优化字典训练模型和算法。在字典的训练过程中，除了原始训练数据，还加入观测数据，字典和观测的非相干性约束，通过交替方向法分步训练求解字典。实验结果表明，通过本文提出的优化模型训练得到的字典，相比于DCT字典和K-SVD字典可以有效地提高重建视图图像的主客观质量。