集成成像是一种对空间三维信息进行记录和显示的技术,是目前三维显示领域的研究热点之一。在集成成像的记录阶段,通过相机阵列既可以得到分辨率非常高的元素图像,同时还可以减少使用微透镜阵列所造成的串扰问题。但通过相机阵列获取的图像视点较少,容易产生细节丢失,同时增加相机数目也会增加成本。因此,很有必要研究通过相机阵列获取大量视点图像,来解决上面这些问题。我们所做的就是在集成成像的基础上,通过相机阵列获取少量视点图像,然后对图像进行虚拟视点的估计,从而可以基于给定视点估计出任意虚拟视点。图像分割质量的好坏对我们获取深度有着非常重要的影响,本文为了能够得到高质量的深度图像,提出了一种基于改进遗传算法的最佳熵阈值分割方法用来得到深度图像,因为深度图像的品质对虚拟视点的估计起到了至关重要的作用。改进的分割方法它能够非常快速的对全局进行搜索,它既能够实现对群体的搜索,同时还能在个体之中交换信息,它让所有的个体都有了优化的机会,这样,就保证了整个的群体是在优胜劣汰的的条件下进化的。然后,提出了一种改进的双向DIBR技术来获取虚拟视点的图像,在传统双向DIBR的基础上增加了对图像的插值,来提高图像的绘制精度,同时对插值处理后的参考图和深度图进行双向映射来实现提高左右侧虚拟视点图像的绘制精度。最后,通过研究虚拟视点与参考视点的关系,本文提出了一种虚拟视点的运动模型,通过对这个数学模型的建立,我们可以估计出相机阵列中的任意的虚拟视点。实现了采用少量相机阵列拍摄参考图像就可以得到大量的虚拟视点图像这一要求,该方法既能够达到微透镜阵列所得到的图像数量,又避免了它的缺陷。