合成孔径成像是光场计算成像领域的重要分支,它克服了传统单相机成像机理的局限性,能够实现“透视”遮挡物的效果,是计算机视觉领域研究的热点之一。在应用场景上,合成孔径成像通过以车载移动、机载航拍等多种方式进行原始视觉信息采集,能够广泛应用于包括目标探测、安防监控等领域,具备重要的应用价值。伴随着相机阵列系统的完善,合成孔径成像也不断得到发展。然而,提高被遮挡目标的成像质量一直是国内外相关研究者们所关注的问题。首先,在利用相机阵列采集的原始信息进行成像的过程中,如果存在被遮挡目标区域的视觉信息没有被相机阵列中任意一个子相机视角捕获的情况,当聚焦到被遮挡目标的深度平面时,由于各个子相机视角采集的视觉信息无法为被遮挡目标提供可用的信息,将导致聚焦成像区域存在信息缺失,极大程度上影响了合成孔径成像质量。其次,当阵列相机采集的原始视觉信息处于低分辨率场景下时,将会导致合成孔径图像分辨率较低,进一步降低了被遮挡目标成像的完整度和准确度。本文的创新点如下:（1）背景估计中失效区域的语义修补问题。现有的背景估计算法在视角图像数量较少或者部分背景处于严重遮挡的条件下时,背景估计的效果会极大程度降低甚至失效。因此,确定背景估计结果中失效区域以及对失效区域实施语义修补,从而生成清晰、准确的背景,是提高合成孔径成像质量的重要工作之一。（2）被遮挡目标缺损区域的语义修补问题。现有合成孔径成像方法均无法处理场景视觉信息在所有的相机阵列视角中未被捕获的情形,这将导致聚焦到被遮挡目标所处的平面时,目标会出现信息缺失的情况。因此,在基于语义修补方法的基础上,进一步对被遮挡目标缺损区域实施语义修补,有效的保证修补图像在全局和局部的一致性。最后,将背景估计结果与修补的被遮挡目标进行自然合成,从而生成完整、精确的合成孔径图像,有效的提高了目标成像质量。（3）低分辨率输入下合成孔径成像模糊问题。相机阵列通常包含多个造价昂贵的子相机,在子相机成像分辨率较低的条件下,使用采集的低分辨率图像作为源输入时,由于场景中相关纹理信息的不足,导致合成孔径图像中的被遮挡目标区域不清晰。因此,通过基于卷积长短期记忆的深度重建网络,并利用多视角图像关联信息对多张低分辨率图像进行超分辨率重建,获取每个视角的高分辨率图像。在此基础上重新聚焦至被遮挡目标所处的深度平面,可获得相对清晰的被遮挡目标,进一步提高目标成像质量。通过在公开数据集以及实际采集数据集中大量实验表明,本文所提出的研究方法能够有效的提高合成孔径图像中被遮挡目标的成像质量。同时,将本研究方法的结果与目前该领域内研究者的相关工作结果进行比较,其结果表明本文研究方法在定性与定量两个方面都具备优越的性能。