光场图像需要在角度分辨率和空间分辨率之间权衡,降低了实用性,需要算法对角度分辨率和空间分辨率分别进行增强。新视点生成算法可以用于光场图像的角度分辨率增强,然而现有的光场图像新视点生成算法主要集中在视点插值,生成新视点的范围有限,并且无法对指定虚拟相机姿态的光场图像进行重构。同时在进行光场图像视点外插时,由于场景遮挡关系变化导致的图像空洞内容填充问题至今未有一个较好的解决方案。针对这些问题,本文对光场图像的新视点生成算法进行研究,主要的工作包括:1、分析光场相机成像系统与传统相机的不同之处,在这个基础上提出了一个基于全变分投影优化的光场图像新视点生成模型,通过子视点图像的反向投影和重投影优化生成指定虚拟相机姿态下的新视点光场图像。投影过程中使用深度判断场景的遮挡关系,同时模型考虑了光场相机姿态变化时其子视点图像对应微透镜的姿态变化,可以得到准确的投影结果。2、针对光场图像新视点生成过程中遮挡关系变化产生的图像内容空洞区域,提出了一种结合基于视差优先级和子视点图像之间内容传播的光场图像修复算法。通过视差图计算RGB图像的修复优先级,修复中心子视点图像后再通过子视点之间的图像内容传播进行所有子视点图像的修复,可以保持修复后子视点之间图像内容的连续性。3、提出了一种基于深度神经网络的光场图像新视点生成算法。先对输入光场图像进行透视变换得到指定视点的投影结果,将投影光场图像一行的子视点图像及其掩膜堆叠作为网络的输入实现端到端的光场图像修复和优化,得到真实自然的新视点光场图像,同时极大地降低了光场图像新视点生成算法的时间复杂度。