透明目标的检测及分割是机器视觉研究领域的热点问题,也是难点问题。由于透明体与光线的相互作用,导致分析包含透明体的成像场景变得非常复杂。与朗伯体成像不同,透明体本身没有像,其外观本质是背景的扭曲视图,视角的微小变化都有可能引起图像的显著变化。常规的基于朗伯体假设的机器视觉算法无法有效的检测和分割场景中的透明目标。光场成像技术因其能够获取更多的场景信息有利于后续视觉算法的处理,在机器视觉研究领域得到广泛应用。因此,本文基于光场成像理论,利用光场信息以及透明目标的视觉特征开展的透明目标的检测与分割方法研究。查阅国内外相关文献,在了解相关问题研究现状的基础上,根据透明目标成像的视觉特征以及光场成像理论,对使用光场信息实现透明目标的检测与分割的可行性进行分析。针对传统的机器视觉算法难于检测场景中透明目标的问题,本文利用光场四维光场平面一致性检测场景中的透明目标。为了提升检测效率,本文提出了基于特征显著性与自适应密度聚类融合的多视角图像快速匹配算法,通过可靠特征引导图像进行三角区域分割,利用图像特征的区域显著性和多视角图像之间的三角区域对应关系提升多视角图像匹配效率,实现透明目标快速、高效的检测。在完成透明目标检测的基础上,针对基于视觉方法的透明目标分割不完整、分割边界不精确的问题,本文提出了基于光场信息与边缘信息融合的透明目标分割算法。该算法通过光场子视角区域分割的方式优化透明目标的边缘提取方法以及光场平面一致性估计方法,提升了透明目标的边缘提取能力,同时可以有效抑制误匹配引入的误差对透明目标分割结果的影响,利用四维光场平面一致性估计以及边界约束构建透明目标分割能量函数,结合图割算法实现透明目标的分割,提升场景中透明目标的分割精度。光场成像虽然能够感知透明目标的成像特征,但是当窄基线光场图像子视角图像之间的视差极小时,透明目标的视觉特征无法有效提取。针对透明目标在窄基线小视差光场图像中特征不明显,难于实现透明目标分割的问题,提出了基于光场超像素四维平面一致性的窄基线光场图像透明目标分割算法。该算法以光场超像素作为处理单元,累积透明目标对光场超像素对应区域光线的作用效果,放大透明目标的视觉特征,有利于窄基线小视差光场图像的透明目标的分割。通过融合光场超像素四维平面一致性估计以及光场超像素的自相关性构建透明目标分割能量函数,结合图割方法实现窄基线光场图像透明目标的分割。论文主要研究内容是透明目标的检测与分割,利用公开数据集以及自采数据进行实验,验证基于光场信息的透明目标检测与分割算法的可行性。实验结果表明,与相似算法比较,论文中所提出的透明目标快速检测算法检测速度快,在不降低检测精度的前提下,检测速度得到显著提升,检测速度提升了近5倍;论文中提出的基于光场信息与边缘感知融合的透明目标分割算法提升了透明目标分割的完整性以及分割精度;针对窄基线小视差光场图像难于分割透明目标的问题,论文中提出基于光场超像素四维平面一致性约束的窄基线光场图像透明目标分割算法有效实现该类光场图像的透明目标分割,对比相关算法,论文中提出的算法的分割精度得到显著提升,g Acc提升了0.0414,m Acc提升了0.4387,m Io U提升了0.4986,w Io U提升了0.1281,m BFS提升了0.3376。