光场成像技术能够捕捉到环境中光线的位置和角度信息,因而可实现数字重聚焦、全景深扩展、可编辑立体成像等传统相机无法企及的创新功能。此外,由于光场图像提供了连续且细腻的运动视差,所以可为用户带来更加真实且自然的观看体验,从而降低视觉疲劳。因此,在当前公众对媒体内容新奇感及沉浸感需求迫切的背景下,光场技术将成为新一代智能视觉技术的关键支撑,同时也将推动计算摄像学领域从数字化向智能化加速跃升。然而,光场密集子孔径图像（Sub-Aperture Image,SAI）成为计算摄像学领域研究热点的同时,其庞大的数据量对数据存储与网络传输带来了巨大挑战,甚至严重制约着光场技术发展和应用。因此,如何高效地压缩光场密集子孔径图像,是解决光场技术瓶颈的关键问题。现有光场压缩方法多以子孔径图像伪序列为对象,编码过程并未充分考虑光场角度域相关性与稀疏性,因而光场数据冗余仍有大幅下降空间。针对现存问题,本文基于稀疏编码与解码重建的思路,以提高光场密集子孔径图像编码效率为目的,开展了稀疏编码与解码重建框架、深度图像估计与优化以及稀疏优化与残差增强三个方面的研究工作。主要研究内容和贡献如下:第一,针对光场子孔径图像数量众多而限制编码器工作效率的问题,利用子孔径图像之间的角度域相关性,建立光场密集子孔径图像的稀疏编码与解码重建框架。该框架构造了基于极平面图像（Epipolar Plane Image,EPI）极线斜率匹配代价函数。基于光场的双平面参数化模型,利用该函数计算得到的极线斜率可以导出场景点的估计深度值,并输出子孔径图像对应的深度图。基于高效率视频编码（High Efficiency Video Coding,HEVC）的多视点视频加深度编码框架,能够编码少数视点视频,并在解码端重建出更多视点视频。为此,对子孔径图像及其对应深度图进行简单的稀疏采样并排列构成多视点伪视频序列,使用多视点视频加深度编码器进行压缩编码,在解码端利用基于深度图像绘制（Depth Image Based Rendering,DIBR）技术重建出子孔径图像。实验结果显示,该方案能够估计出较为准确的深度图像,从而保证了较高的子孔径图像重建质量。因此,与传统的子孔径图像编码方法相比,该方法能够显著降低光场密集子孔径图像的编码码率,提高光场图像的编码效率。第二,考虑到子孔径图像的重建质量取决于深度图质量,为进一步提升光场密集子孔径图像编码性能,提出针对光场密集子孔径图像稀疏编码的深度图像估计与优化方法。根据光晕效应（vignetting artifacts）,计算双向EPI深度值,并设计基于角度域位置的深度融合算法,以完成双向深度图的融合计算。EPI低频区域极线斜率不明显,会导致深度估计不准确,进而影响到子孔径图像重建质量。考虑到纹理图像与深度图在低频区域有着相同的像素变化趋势,为此设计一种加权滤波器,其权重由子孔径图像像素变化趋势计算得到,以用于消除深度图噪声点。另外,通过统计分析深度图的二次多项式插值迭代优化算法结果,找到深度优化的合理迭代次数。实验结果表明,与经典的光场图像深度估计算法相比,该方法能够有效提高深度图质量。因此,基于所提出深度估计与优化方法的光场密集子孔径图像稀疏编码,其性能优于其他经典光场编码方法。第三,考虑到较高质量的深度图能够保证子孔径图像的重建质量,为进一步降低需要编码的子孔径图像数量以提高编码效率,提出基于稀疏优化与残差增强的光场密集子孔径图像稀疏编码方法。该方法尝试了不同的子孔径图像稀疏采样步长与深度计算步长组合,通过重建质量结果与深度计算时间统计分析,确定合理的步长组合。为进一步挖掘子孔径图像间相关性,该方法还提出基于内容相似度的视频帧排列算法,根据子孔径图像间的相似程度设计伪视频序列的参考顺序。为弥补子孔径图像稀疏采样步长增加带来的重建失真,该方法在编码前计算重建子孔径图像与原始子孔径图像的残差信息,在解码端利用该残差信息增强子孔径图像重建质量。实验结果证明,基于内容相似度的视频帧排列算法有助于提高光场图像多视点伪视频序列的编码性能;而且,尽管残差信息增加了编码码率,但对于重建质量的提高使得该方法的整体编码效率仍然高于其他光场图像稀疏编码方法。