光场成像技术因其具有多维视觉信息感知和表达能力已经成为获取空间目标信息的重要手段。通过获取空间场景光场信息,可以实现计算重聚焦、去遮挡重建、全聚焦合成和场景深度分布等方面的应用,是光电成像领域的研究热点问题。但是当前的光场成像方式存在无法保证同时获得高空间分辨率与高角度分辨率的问题,制约了该技术的发展和推广应用。相关领域的研究人员针对上述问题采用增加探测器数量、角度光线插值、几何深度视点合成和频率复用等方法试图解决该问题,虽然一定程度上提高了光场分辨率,但是存在重建光场的图像信噪比较低,算法计算复杂度高、适应的场景范围有限等问题。本文针对光场成像技术无法同时获取高空间——角度分辨率的问题,开展了基于稀疏采样的稠密光场重建方法研究,以稀疏表示理论为基础构建了稠密光场重建算法框架。在此基础上,开展了光场采集、表征与多维数据稀疏编码方法研究,建立了光场字典学习与稀疏编码数学模型,训练了小规模全局光场字典,将光场多维度数据映射至低维度稀疏表示域中,解决了光场全局字典训练与稀疏编码求解问题;通过进一步研究光场多维数据内存在的空间——角度关联性和冗余性,全局——局部约束关系,提出了光场虚拟角度图像稀疏编码恢复数学模型,将虚拟角度图像的求解问题转化为图像在训练的字典上的稀疏表出问题,结合图像融合技术恢复了虚拟视角图像,解决了光场虚拟角度图像的构建问题。最终设计实验,将该算法应用于稀疏采样的多场景稠密光场重建中,实验结果表明,算法能够对场景中的高、低频信息进行有效地区分,可以对复杂的光照阴影变化和遮挡信息进行高质量地恢复,说明本文方法能够完成基于稀疏采样的稠密光场重建任务。