二维图像作为人类获取信息的主要来源已日渐不能满足普遍增长的信息需求。随着科技的飞速发展，三维图像逐渐成为主流的信息媒介。深度估计作为衔接二维图像和三维模型的关键环节受到越来越多研究机构和学者的关注。　　与传统深度提取技术相比，光场相机可为深度获取提供更丰富的光线信息。基于光场相机的深度图提取充分利用了光场相机能捕捉不同角度光线的特性，从同一场景的多视点角度分析，并结合散焦、对应等多种深度线索得出场景深度图。目前光场相机的深度图估计仍是一个具有挑战性的问题。　　本论文主要基于Lytro光场相机开展研究，主要工作和成果如下:　　首先对深度提取技术及其涉及的深度线索进行了系统分析。根据光场相机能捕获不同方向的光线的特点，在Lytro相机获取的子光圈图像序列基础上，提出了一种多线索对应感知深度估算方法。该方法在离散余弦变换(DCT)域中估计焦点堆栈的聚焦和散焦线索。基于图像一致性度量和相关性分析，在不同角度的光线中提取对应线索用于调整像素。边缘置信度线索用于分析深度和颜色不连续区域。为了得到精确的深度图，利用迭代图割优化框架与标签成本来整合这些提到的线索及其置信度。该方法可以获得更精确的深度图，提高深度图像的鲁棒性，尤其在深度不连续区域。　　本文介绍了一种算法，使用微透镜光场相机准确地估计深度图。该算法构造一个成本代价来描述亚像素位移，在此基础上估计多视图立体匹配结果。构造精确的成本代价分为三个部分:首先，使用相移定理移位子光圈图像。第二，使用光场的角坐标自适应地聚合梯度成本代价。第三，将子光圈图像特征间的对应关系作为额外的约束。基于该算法的基础上，本文进一步提出了一种遮挡检测算法，用于滤除深度图的遮挡区域。首先，利用前后向匹配的一致性确定遮挡区域。然后应用匹配集合的对应关系滤除遮挡区域，并结合SED插值优化深度图，最终得到精炼的深度图。该算法可以获得更好的深度图，明显改善了遮挡边缘的深度信息。