目前,随着显示领域软硬件的不断发展,一系列的显示模型和显示算法在不断地涌现。其中,三维显示给人们带来的冲击与震撼,使得人们在三维显示领域的研究热情不断高涨。然而传统的裸眼三维显示方式不仅无法解决聚散辐辏调节冲突,也无法解决三维和二维显示的快速切换问题。如何利用渲染算法结合光学系统产生更好的三维显示效果,一直是三维显示领域的研究热点方向。本文研究的多层光场显示就是目前可以解决这些问题的路径之一。基于重建光场信息的显示原理可以解决聚散辐辏调节冲突问题,多层的设计也可以实现三维与二维显示的快速切换。但其仍然存在模型不够合理与算法不适应的问题,例如多层显示的层数与显示效果之间的矛盾,即层数越多,三维显示的串扰和误差越小,但光的有效利用率会降低,显示的亮度和对比度都会下降;光场数据量和处理速度之间的矛盾,即所需重建的光场空间分辨率和角度分辨率越大,所需的处理时间和硬件资源越多。因此,针对传统三维显示的优势和不足,为了提升多层光场显示的真实感和沉浸感,本论文围绕基于动态背光的三维光场显示模型优化和算法实现进行了创新研究。文章的主要创新点如下:1、提出了基于动态背光的多层光场显示模型,有效的解决了多层光场显示中存在的显示效果与显示层数存在矛盾的问题。利用动态背光既可以充当背光层又可以充当显示层的特性,将普通背光层和最后一层光衰减层合二为一。跟之前的多层光场显示模型相比,该模型不但减少整个模型的复杂度,而且提升显示的效果。2、提出了利用非负张量分解来实现基于动态背光的多层光场显示算法,解决了多层光场显示的算法实现问题。与非负矩阵分解相比,非负张量分解能够提供具有多线性结构的稀疏基础,使得其在张量域进行数据处理更有优势。与主成分分析和矢量量化等数据降维算法相比,非负张量分解所涉及的数据全是具有实际意义的非负物理量,使得其在光场显示域更有优势。通过仿真和实验表明,不管是基于普通背光和还是动态背光的多层光场显示模型,该算法都可以实现光场重建和三维显示。3、提出了利用卷积神经网络来实现基于动态背光的多层光场显示算法,提升算法处理速度,提供了实时多层光场显示的可能性。非负张量分解算法虽然可以实现多层光场显示,但由于其更新的方式仍为传统的迭代法,所需时间仍然较长。为了提升多层光场显示的处理速度,提出基于卷积神经网络的算法模型。设计了具有不同隐藏层结构的多种卷积神经网络来解决无论是基于普通背光还是基于动态背光的光场显示模型问题,利用更少的训练参数和时间实现了几乎相同的效果。将算法进行改进并应用于更大视场角的多层光场显示模型中,此时重建和显示效果依然优秀。仿真和实验结果表明,该算法可以快速有效的实现光场重建与多层光场显示。