环境光遮蔽（Ambient occlusion，AO）是一种计算机图形学领域中模拟低频全局光照的方法，被广泛地应用在实时渲染、数据可视化和计算机辅助设计相关的应用和产品中。与此同时，图像领域往往涉及对图像中的光照情况进行估计和分解，环境光遮蔽也为其提供一种简洁高效的光照模型，被应用于本征图像分解、多视角立体法（Multi-view stereo）和光度立体法（Photometric stereo）等相关任务中。显然，对环境光遮蔽的研究会对图形图像领域带来广泛的影响。在图像领域，环境光遮蔽存在估计困难的问题，往往需要对光照和几何结构增加额外的约束。在图形领域，实时环境光遮蔽的计算也存在着估计失真等难以解决的问题。　　针对以上问题，本文围绕环境光遮蔽在图形图像领域的数个关键问题展开研究。通过解决在更加宽泛的条件下求解图像中的环境光遮蔽、在实时渲染中对环境光遮蔽进行准确计算和将环境光遮蔽的核心思想应用在图形学中其他领域等问题，推动了环境光遮蔽的研究现状。本文的主要工作和创新点包括：　　1.提出了一种非显性动态多帧图像的环境光遮蔽估计方法。针对已有多帧动态光源环境光遮蔽估计要求环境光照强度不能太强和物体几何结构不能太复杂的限制，提出了非显性的环境光遮蔽估计方法。该方法通过将反射率隐含在提出的最大假设中消除，从而可以仅对环境光遮蔽和场景的光照强度关系进行估计。随后，再对反射率进行计算。实验证明通过该方法估计的环境光遮蔽在不同光源条件下均能估计准确且一致，并且对于复杂场景亦能很好的处理。　　2.提出了一种单帧自然图像的环境光遮蔽估计方法。针对多帧估计算法存在估计不准确和输入条件高的限制，提出了单帧自然图像的计算方法。该方法通过卷积神经网络端到端地估计自然图像对应的环境光遮蔽估计结果。设计并比较了三种基于不同思路的网络结构，并生成仿真数据训练模型。实验显示该方法不仅显著地放宽输入要求，而且具有更好的精度。同时，方法是第一个能作用单帧自然图像的环境光遮蔽估计算法。　　3.提出了一种实时环境光遮蔽计算方法。针对基于屏幕空间的算法存在的估计效果失真问题，提出了一种基于低频光线追踪和蒙特卡洛去噪的混合架构对环境光遮蔽进行实时计算。对于蒙特卡洛去噪问题，使用了卷积神经网络进行求解并针对任务对网络结构进行了优化，并比较了多种损失函数在该任务的优劣。渲染并生成了一批高质量的样本对模型进行训练和测试。通过实验显示本文方法在保证每秒数百帧的计算效率前提下，能够显著地提高计算精度。　　4.提出了一种屏幕融合的网络结构用于解决三维场景语义补全问题。以基于屏幕空间的算法为灵感，提出了视点-体元网络，并将其应用在了三维场景语义补全任务中。该网络由视点网络、反光栅化投影和体元网络三部分组成。视点网络负责提取局部特征，体元网络学习三维上下文信息，而反光栅化投影将视点网络和体元网络的特征进行连通。通过与已有方法的对比证明，该方法在显著地提高预测精度的前提下，能够数倍的提高计算效率。