光场相机在近些年来得到了快速的发展，很多基于光场成像理论的光学设备相继出现，这使得光场成像技术的研究越来越受到重视。光场相机的一个重要特点是在探测器前面插入了微透镜阵列，这使得它可以同时记录光场光线的位置信息以及方向信息。光场相机因而可以解决许多传统光学成像技术无法处理的技术难题，在诸多领域如立体视觉匹配，场景三维重建，目标场景深度信息提取等都出现了光场成像技术的相关应用。这些应用都是建立在准确的深度估计基础上。因此，对光场图像进行准确的深度估计是非常有必要的。　　近些年来，有不少基于光场图像的深度估计算法被相继提出。然而，这些算法在某些情况下有一定的局限性，比如当图像纹理复杂、深度不连续、边缘未很好地检测出来或者存在遮挡的时候。本文针对这些局限性，从光流的角度，提出了一种融合遮挡检测和边缘保持特性的光场光流算法，得到了较为理想的深度估计结果。　　本论文主要针对光场图像深度估计展开研究，主要研究内容及成果如下:　　1.简要介绍了光场成像的基本原理和发展现状，并系统分析了光流法的基本原理、发展现状及应用场景。　　2.提出了一个用于深度估计的光场光流算法。该算法包括以下三个步骤:(i)基于光场图像能够获取全焦点堆栈序列图像的特性，得到光场原始图像的全部子光圈图像，并计算出所有子光圈图像之间的光流，然后得到整幅图像的致密光流场。(ii)通过线性回归方法初始化光场光流，在此过程中用子光圈图像间前向流与后向流的一致性来检测遮挡区域并加以去除，从而得到具有较高精度的初始深度估计。(iii)采用边缘保持算法对去除遮挡区域的图像进行插值优化，最后得到改进的光场深度图。　　3.对本文提出的算法加以测试。将本文仿真结果与经典的Lucas-Kanade光流法，Ayvaci等人提出的SparseFlow光流法，Tao等人提出的SimpleFlow光流法，Qifeng等人提出的FullFlow光流法加以对比。实验结果表明本文算法在深度结果的边缘保持及细节处理方面都具有明显优势，并证实了其在处理光场图像时的可靠性和鲁棒性。