1、目前，人工智能技術(shù)飛速發(fā)展，而作為其中重要分支的計算機視覺技術(shù)，在多個實際問題中已經(jīng)有了工業(yè)級別的落地與應(yīng)用。深度估計作為計算機視覺技術(shù)的一個分支，具有深遠(yuǎn)研究背景和廣泛應(yīng)用場景，一直是業(yè)界的研究重點。但是傳統(tǒng)的深度估計技術(shù)存在一些不足。例如，單目視覺系統(tǒng)由于視角較少，精度相對較低;而多目視覺系統(tǒng)設(shè)備需求量大，成本較高。
　　近年來，光場相機的出現(xiàn)彌補了單目視覺系統(tǒng)和多目視覺系統(tǒng)之間的矛盾，引發(fā)了深度估計領(lǐng)域新的研究熱潮。光場相機

2、將一塊微透鏡陣列放在主透鏡和光電傳感器之間，同時記錄每條光線的光量大小和入射方向，實現(xiàn)了空間信息和角度信息的同時采樣。因此，光場圖像蘊含的豐富信息有利于進行深度估計等各項計算機視覺任務(wù)。然而，在復(fù)雜的遮擋壞境下，傳統(tǒng)的光場圖像深度估計算法中的角度像素一致性假設(shè)不再成立，深度錯誤估計的概率會增加，導(dǎo)致估計的深度結(jié)果物體邊緣模糊或失真。因此，光場圖像深度估計中的抗遮擋處理是研究的難點與重點。
　　基于以上的分析，本文主要針對光場圖像深

3、度估計中的遮擋問題進行處理，主要的研究內(nèi)容和創(chuàng)新點如下:
　　1、提出了光場圖像遮擋邊緣像素提取算法。光場圖像深度估計算法中，遮擋邊緣像素的提取是算法的第一步，也是很重要的一步。該領(lǐng)域常用Canny檢測子提取邊緣，但是會將內(nèi)部紋理像素包含在內(nèi)，檢測結(jié)果不準(zhǔn)確，從而降低算法性能。本文充分利用光場圖像的視角分布特性，采用在視頻領(lǐng)域常用的光流算法來提取遮擋邊緣像素。實驗結(jié)果展示了與Canny檢測子相比，光流算法能夠提取出更加準(zhǔn)確的光場圖

4、像遮擋邊緣像素。
　　2、提出了光場圖像深度估計中的抗遮擋算法。實際場景中，錯綜復(fù)雜的遮擋是很常見的現(xiàn)象，這會造成遮擋區(qū)域深度估計結(jié)果不準(zhǔn)確，影響算法的整體精度。本文通過分析光場相機成像系統(tǒng)，提出復(fù)雜遮擋模型，得到空間和角度對應(yīng)關(guān)系，即:遮擋邊緣像素的空間像素塊與重聚焦到正確深度的角度像素塊具有對應(yīng)性?；谝陨夏Ｐ团c理論，使用空間像素塊的分區(qū)結(jié)果劃分對應(yīng)的角度像素塊，在角度像素塊的多個區(qū)域分別進行深度估計來抵抗遮擋的影響。實驗結(jié)果