光场相机通过对单个场景进行多视角密集采样,使得高精度深度信息的挖掘成为可能,在深度传感器中不论在便携性还是深度精确性方面都具有显著优势。现有的深度估计方法不能很好处理遮挡和噪声问题,特别是对于包含遮挡区域的噪声场景,遮挡和噪声的同时存在将使深度获取难度进一步加大。本文分别围绕遮挡和噪声这两大难点问题对光场深度估计展开研究。论文的主要研究工作如下:（1）概述光场深度估计原理以及国内外的应用场景和研究现状。介绍了主动式和被动式光场传感器以及空序和时序光场数据采集方式。以微透镜型光场相机为基础,分析了不同的光场参数化表示方式,阐述了基于多视角匹配、多视角图、极平面图像和焦堆栈等线索的深度估计方法原理,分析了各个方法的特点,并针对这些方法在抗遮挡以及抗噪声的性能及存在的问题进行了分析与总结。（2）针对目前光场深度估计方法存在的遮挡问题,提出了3D遮挡模型引导的抗遮挡深度获取方法。方法通过向2D模型中的不同物体之间添加前后景关系和深度差信息,以构建场景的立体模型,使得高精度遮挡图的获取成为可能。在遮挡图的引导下,方法在遮挡区域和非遮挡区域分别使用更加契合区域特性的成本量进行深度估计,充分发挥了基于不同线索的成本量的优势。为充分发掘遮挡图和深度图的依赖关系,方式在使用所提出的基于EM的联合优化框架的基础上,利用两者互相引导的方式进一步提升彼此精度。实验结果表明3D遮挡模型相比传统2D遮挡模型更适用于复杂遮挡场景的深度估计。（3）针对目前深度估计方法无法较好处理遮挡和噪声的问题,提出了基于内联遮挡处理的抗噪抗遮挡深度估计方法。方法采用内联遮挡处理框架,通过将遮挡处理集成进抗噪成本量中,在保证抗噪性能的同时提升算法的抗遮挡能力。为克服传统滤波方法无法保留图像边缘的缺点,方法采用提出的适应遮挡的多模板滤波策略对成本量进行遮挡感知优化,在滤除噪声的同时有效避免了前后景混淆现象。实验结果表明,相比其它先进深度估计方法,该方法在高噪场景下具有显著优势,并能更好处理噪声场景深度估计的遮挡问题。