深度估计是计算机视觉领域的重要研究方向之一,旨在获取物体三维形貌信息,其应用面十分广阔,如医学三维成像、前后景分割、显著性检测等。目前所有深度估计算法可主要分为两类:主动式方法和被动式方法。相对于主动式方法而言,被动式方法虽精度相对较低,但硬件成本、计算成本相对较低。其中,光场成像技术由于系统精简、算法高效、可满足实时性等特点被广泛应用。然而,基于光场成像的深度估计算法依然存在被动式方法的固有缺陷,其准确度主要受限于以下三方面:光场带宽积受限、低纹理区域特征稀疏与遮挡区域特征不完整。本文主要针对光场带宽积中的方向分辨率受限与低纹理区域特征稀疏的问题,研究相应的初始深度估计与优化算法,以提高深度估计准确度。本文的研究内容主要包含三个部分:基于拼接极图的初始深度估计,低纹理区域局部深度优化和全局深度优化。各部分的主要工作具体如下:1.本文设计了基于拼接极图的斜率优化算法,实现初始深度估计。通过分析连续直线离散化误差产生的原因,本文指出由于传统极图离散直线元素较少,所以基于单张极图的斜率估计准确度较低,深度估计不准确。因此,本文设计了全新的初始深度估计算法。该算法首先基于拼接极图估计直线斜率,由于拼接极图中的离散直线具有更多的元素,因此得到直线斜率准确度较高。其次,本文推导了离散直线对应的连续直线的斜率范围,进一步结合局部多条直线的光一致性联合代价在该范围内优化斜率,有效提高深度估计准确度,改善局部深度连续性。2.本文设计了低纹理区域局部深度优化算法,有效提高低纹理区域的深度准确度。现有的基于光场成像的深度估计算法中,低纹理区域的深度优化通常被视作全局优化的一部分,结果常常无法和三维特征保持一致。因此,本文首先分析了二维图像纹理和三维曲面的关系,提出低纹理区域深度线性变化假设。其次,对中心子孔径图像进行超像素分割,并计算超像素内的纹理信息量。然后基于纹理信息量、形态学变换和区域生长,实现低纹理区域检测。最后根据深度线性假设对低纹理区域深度进行优化,有效提高深度准确度。3.本文设计了基于马尔可夫随机场的全局深度优化模型,有效提高全局深度连续性,提高深度准确度。本文首先设计了马尔可夫随机场的能量函数。其次,基于物点的深度信息、纹理信息、可信度信息等,设计了能量函数中的可信度和平滑系数。最后,将该优化问题转化为加权最小二乘问题,通过线性方程求解,即可得到最终的全局优化深度。