光场技术作为一项前沿的技术推动光场相机的应用,光场图像是多个摄像机从不同角度拍摄同一场景所获得的图像的集合。近年来光场成像设备不断发展,光场图像处理被广泛研究。但由于光场相机的传感器分辨率有限,光场相机面临着空间分辨率和角度分辨率之间的权衡。为了捕捉场景中光线的强度和方向,光场相机无法同时获得高空间分辨率和高角度分辨率的图像。针对以上问题本文对视图一致性的光场空间超分辨率重建和光场角度超分辨率重建分别进行了研究。本文工作内容如下:（1）为了克服现有技术存在的对光场图像中的信息利用不足和视差结构不能很好的保存而设计了一种面向视图一致性的光场超分辨率重建网络。该网络首先获取光场图像,预处理后得到子孔径视图,通过构建的全对一光场图像超分辨率网络,引入空洞金字塔模块,扩大感受野,深度提取特征,根据视图之间的互补信息和相关性对每一个子孔径视图进行超解析,包括全对一特征提取、视图融合和上采样,融合后得到中间高分辨率光场图像,接着构建空间角度正则化网络,利用空间和角度之间的关系保留视差结构,重建光场图像,最后将全对一光场图像超分辨率网络与空间角度正则化网络结合,进行整体超分辨率处理和优化得到最终超分辨率光场图像。通过在HCI和斯坦福等数据集上进行实验,验证了本文的可靠性,提高了重建图像质量。（2）为了捕获不同视图之间的对应关系,深度提炼有效的角度信息,本文提出了一种角度自注意力模块的网络,非局部的捕获对应角度信息,并利用空间和角度信息解缠融合的方式重建密集光场。充分解缠并融合空间、角度和EPI维度的信息,使重建视图更加清晰;设计了角度自注意力模块通过非局部的计算并生成角度特征关注图,学习有效的角度信息抑制冗余信息;最后通过细化模块恢复光场图像的细节。实验结果表明,该方法在HCI和Stanford的光场数据集上得到的结果优于当前几种主流重建方法。