光场相机不仅可以获取二维图像，还可以捕获光线的角度信息。利用光场数据的空间和角度信息，可以进行场景的深度信息估计。但在实际应用中，由于光场相机分辨率、光照、遮挡等因素影响，深度估计结果仍然面临着准确性和鲁棒性的挑战。因此本文针对存在遮挡场景的深度估计问题，提出了两种光场相机深度估计方法，分别为基于遮挡几何互补模型的深度估计和基于极平面图像线索的深度估计。　　受基于遮挡检测的传统光流计算启发，本文重点对子光圈图像间的相关性和遮挡模型进行了分析，并构建出一种基于遮挡的光流框架。针对子光圈图像存在的亚像素位移和遮挡情况，本文提出了一种基于光流的深度估计和遮挡检测的方法，同时设计了一种遮挡几何互补模型。具体方法为，首先基于相移理论利用两幅子光圈图像估计出亚像素级光流，然后利用前、后向光流一致性检测得到遮挡区域。最后提出了一种利用光场图像遮挡信息的几何互补特性对遮挡光流滤除的方法，可达到优化深度估计的目的。在合成场景和Lytro Illum相机数据上该方法都表现出有效性和鲁棒性，在遮挡区域表现特别好。　　为了改进上述方法对光场角度信息的利用，受基于极平面图像直线检测的启发，本文提出一种基于极平面图像线索的深度估计方法。提取点在所有角度方向的极平面图像中的轨迹进行检测，从而可以获得更精确的深度估计结果。同时根据遮挡区域点在极平面图像中轨迹分段的特性，提出了一种利用极平面图像代价差进行遮挡检测的方法。实验表明，基于极平面图像线索并结合遮挡信息的深度估计效果非常不错。该方法得到结果的准确性和鲁棒性明显优于基于遮挡几何互补模型方法的结果。