焦栈图像是聚焦于场景不同深度的二维图像序列,其所含的对焦变化和深度信息对立体显示、显微成像、沉浸式多媒体等领域有着关键作用。然而,焦栈图像在提供对场景的细致描述和全面呈现的同时,通常受限于采样密集、表示冗余、数据体量巨大等瓶颈,给数据压缩、存储、传输和应用带来了巨大的挑战。针对上述挑战,本文提出了表示模型以实现焦栈图像的高效表示,进而基于表示模型设计编码方法以解决单视点和多视点条件下的焦栈图像压缩问题,并且研究了表示编码对视觉应用的影响以及焦栈图像数据在视觉应用中的优势。本文的主要研究内容如下:（1）研究了基于高斯表示的单视点焦栈图像编码方法。提出了高斯表示模型,利用聚焦清晰图像表示失焦模糊图像。构建了可融入现有编码器框架的单向帧间预测机制,提出了融合编码方法,解决了现有编码工具不适用于焦栈图像压缩的问题。针对低复杂度的编码需求,提出了基于高斯表示的低复杂度编码方法,该方法无需压缩整个序列,仅需压缩少量选定的基底块和相应参数,其复杂度相比于基准方法和对比方法在低延迟P（low delay P,LDP）配置下分别降低了5%以及86%,且实现了2.88d B的平均PSNR（peak signal-to-noise ratio）增益。最后,研究了焦栈图像表示、编码对视觉应用的影响,基于高斯表示的方法其插帧误差为对比方法的68%,光场重建质量提升0.26 d B。（2）研究了基于基底-四叉树表示的单视点焦栈图像编码方法。针对单视点焦栈图像的高效编码问题,提出了基底-四叉树表示模型描述焦栈图像各帧之间的对焦变化,构建了双向帧间预测机制,采用高斯滤波和维纳滤波近似模拟失焦模糊和对焦清晰图像,通过解优化问题选择基底块、四叉树块划分、预测模式等参数。基于此,提出了单视点焦栈图像高效编码方法,分别对基底块和参数进行编码,高效的消除焦栈图像数据冗余。实验表明,在LDP编码配置下,该方法分别可获得71.59%的码率节省以及5.23 d B的PSNR增益,实现高压缩比、高性能编码的目的。（3）研究了基于视差-焦差表示的多视点焦栈图像编码方法。构建了多类型、多领域的多视点焦栈图像数据集,解决图像数据缺乏的问题。针对多视点焦栈图像编码问题,提出了视差-焦差表示模型,以描述数据在空间、角度、对焦等多维度的特殊冗余;建立了多维度帧间预测机制,采用运动估计和对焦近似挖掘视点间视差-焦差相关性;设计了多视点焦栈图像高效编码方法,最高可获得39.42%的码率节省以及1.74 d B的PSNR增益,取得了两倍于对比方法的平均编码性能。最后,验证了多视点焦栈图像可获得更大景深的新视点以及更高质量的重建表面,具有为视觉应用提供丰富场景对焦信息的优势。