成像是获取光场与物理世界中各种物质的相互作用。经典相机只能获取光场在焦平面上的二维投影,缺失了角度信息。近年来,光场成像作为一种能够捕获高维光场的新型成像系统,受到了研究人员的关注。光场相机可用于场景重聚焦、深度估计以及三维显示等相关应用领域。光场相机主要包括基于多相机阵列的光场采集设备和基于微透镜阵列的全光相机。基于多相机阵列的光场采集设备的体积庞大且价格昂贵,而基于微透镜阵列的全光相机则存在空间与角度分辨率之间的矛盾。因此,研究光场的采样及超分辨率重构具有重要意义。实际上,光场图像是一种经典的稀疏信号,可通过低速率采样有效获取信号。压缩感知(Compressed Sensing,CS)是一种在采样中压缩信号的方法,该方法的基础是信号的稀疏性。近年来,基于CS理论的光场成像方法成为研究领域的热点之一。然而,现有的光场压缩成像方法存在着稀疏表示不充分、稀疏字典适用范围小、窗口效应等问题。针对这些问题,本文分析了光场结构稀疏先验,以无限维CS理论为基础,提出了光场角度域超分辨率重构。本文首先研究了 CS理论与稀疏光场的对应关系,阐述了利用CS技术减少光场采样数的可能性。随后通过分析光场在剪切波域的稀疏特性,研究了基于剪切波变换的光场角度域超分辨率重构算法,说明了 CS理论应用于光场重构的可行性。然后介绍了连续频谱的重构思想,研究了基于稀疏傅里叶变换的光场重构算法。实验表明,连续频谱支撑的优化可以有效改善窗口效应。接着根据极平面图的理论,证明了光场存在结构稀疏先验。并且通过引入光场结构稀疏先验,改进了传统CS重构算法,提出了基于结构稀疏的光场重构算法。通过仿真证明,与传统CS算法相比,该算法只需更少的样本即可得到相同的重构效果。在此基础上引入无限维近似方法,提出基于无限维压缩感知的重构方法。最后通过实验证明,与经典的光场重构算法相比,本文算法对朗伯场景重构的峰值信噪比(Peak Signal to Noise Ratio,PSNR)可以高出3dB以上,对非朗伯场景可以达到相同的性能。另外,本文的算法可以根据估计的连续频率及相应系数重构出视角之外的光场图像。