本发明公开了一种基于频域分析和深度学习的光场图像超分辨率重建方法，其首先利用基于光流的绘制和双三次插值来生成初始高空间和角度分辨率光场图像；之后采用离散余弦变换来对生成的初始光场图像进行频域转换，以得到表征光场图像特性的频率分量图像；基于此，超分辨率重建可建模为频率复原问题，因此构建多个2D卷积神经网络来建模各频率分量的初始复原，并在网络中融入语义信息来增强复原效果；然后将初始复原后的各频率分量进行组合并构建3D卷积神经网络来进行精细复原；最后，利用逆离散余弦变换来将复原后的所有频率分量重构为所需的光场图像；优点是能有效提高光场图像的空间和角度分辨率，并能恢复纹理信息以及保留角度一致性。