光场图像深度估计是光场三维重建、目标检测、跟踪等应用中十分关键的技术。虽然光场图像的重聚焦特性为深度估计提供了非常有用的信息,但是在处理遮挡区域、边缘区域、噪声干扰等情况时,光场图像深度估计仍然存在很大的挑战。而光场极平面图（Epipolar plane image,EPI）中存在的图像特征和像素关系能够有效的处理光场深度估计中的深度提取问题,将像素点的深度问题转换为寻找正确的EPI斜率问题,从而处理遮挡和边缘等难以进行深度估计的图像区域,提高深度估计的精度。本文分别从传统和深度学习两个方向分别对提高基于EPI的光场深度估计算法准确性进行了研究,主要研究内容包括:1)提出了一种基于极平面图斜线像素一致性和极平面图区域差异性的EPI光场深度估计算法用于解决遮挡和噪声问题。EPI斜线像素的一致性采用旋转线性算子（Spinning linear operator,SLO）的颜色熵度量,能够提高深度图边缘的准确性以及抗噪能力;EPI区域的差异性采用旋转平行四边形算子（Spinning parallelogram operator,SPO）的卡方χ~2度量,能够提高深度图深度渐变区域的准确性,并使用置信度加权的方法将两种度量进行融合,可以减少遮挡区域和噪声的干扰。另外,充分利用像素邻域的颜色相似性,使用引导保边滤波器和马尔科夫随机场（Markov random field,MRF）全局优化策略进行后处理,进一步减少深度图的边缘错误,得到遮挡边缘准确的深度图。并在HCI光场数据集上进行了实验,与经典光场深度估计算法进行了对比,在主观质量和客观指标两方面都有明显提升。2)提出了一种基于定向关系模型和注意力机制的EPI光场深度估计算法用于处理EPI斜线不清晰问题。该方法不同于一般的子孔径光场图像深度估计算法,以EPI图像作为输入,从EPI的多方向性和像素一致性出发,利用EPI定向关系模型进行特征提取,同时对两路EPI进行定向特征提取,并使用多视点注意力机制,结合通道注意力和空间注意力为EPI斜线信息提供更大权重。同时,使用多个残差模块消除干扰EPI斜线信息的冗余特征,并使用小步长卷积操作,避免丢失关键EPI斜线信息。最终得到的模型在HCI光场数据集上进行了实验,本文的方法在精确性上较其他算法有所提升。综上所述,本文的研究对提高光场EPI的深度估计的准确性有一定的理论贡献,在视点合成、三维重建相关领域存在潜在的应用前景。