伴随着计算摄影学新型学科领域的兴起及光场成像理论的发展,光场相机成为近十年来国内外诸多领域关注的热点。相对于传统相机,微透镜光场相机在主镜头后加入了微透镜阵列同时记录空间光线的位置与方向信息,使其在后期图像的处理及应用具有更多的优势。光场相机可以在单次拍照后计算空间任意深度的重聚焦图像,是光场相机得以普遍关注的最突出技术亮点。基于此,各类光场高质量纹理图像获取及高精度深度信息计算得到深入研究。由于不受传统相机多次对焦拍摄获取多聚焦图像的限制,基于光场数字重聚焦技术的全聚焦图像融合及深度估计成为光场相机的主要研究领域,其对于后期纹理图像及深度图像的超分辨率重构、光场视频文件的生成也具有重要意义。本论文研究基于微透镜光场相机的全聚焦图像及深度图像获取技术,具体的研究工作及创新点如下:1.提出一种基于小波变换的光场全聚焦图像获取算法,有效避免传统空域图像融合算法的块效应,获得较高质量的全聚焦图像。该算法通过对微透镜阵列光场相机获得的4D光场数据进行空间变换与投影,得到用于全聚焦图像融合的多聚焦图像,对各帧多聚焦图像进行小波分解提取高、低频子图像集,提出区域均衡拉普拉斯算子、像素可见度函数分别构建融合图像的高、低频小波系数实现图像融合,其性能优于传统的区域清晰度评价函数。实验验证了所提方法的正确性和有效性,采用Lytro光场相机的原始数据计算了融合全聚焦图像,与传统图像融合算法相比,人眼视觉效果更好,客观图像指标也得到了提高。2.提出基于均衡拉普拉斯算子的深度估计优化算法,对于场景深度信息复杂的拍摄环境,可获得更高的深度重建精度。该算法充分考虑了基于散焦深度估计时拉普拉斯算子在x方向和y方向的二阶导数符号相反能量抵消以及方向信息不全面的情况,设计了基于区域的改进拉普拉斯算子,通过增加二阶导的数量和方向来实现能量均衡。实验验证了所提方法的有效性,针对场景复杂的拍摄环境,该算法可获得更为合理的深度细节。