视频作为信息呈现和传播的主要载体,已成为满足人民群众美好生活需求、推动信息技术产业和经济社会创新发展的重要引擎。其中,三维(ThreeDimensional,3D)视频由于其能够提供极具临场感、沉浸感的立体视觉体验,在娱乐、医学、教育等领域均发挥了重要作用,并展现出广阔的应用前景。为了满足人们对于观看舒适度和观看自由度的需求,多视点视频加深度(MVD)格式应运而生,该视频格式可以在原始视点间合成新的虚拟视点,从而提供视点范围更广的多视点视频序列。2015年2月,国际3D视频编码联合工作组(JCT-3V)颁布了基于新一代2D视频标准HEVC的3D视频编码扩展标准3D-HEVC,旨在提升MVD格式视频的压缩效率。但3D-HEVC在保证编码器性能及合成虚拟视点质量的同时,由于引入了许多先进的编码技术而导致编码器计算复杂度激增,严重阻碍了3D-HEVC标准的应用与推广。因此,如何采取有效方法对视频进行高质、高效的压缩编码是目前3D视频处理技术中面临的新挑战。本文以3DHEVC标准为研究对象,HTM为研究平台,以加速3D-HEVC中最为耗时的帧内和帧间编码过程为研究目标,力求在3D视频低复杂度编码方面的理论研究及应用实践上取得新突破。论文主要研究内容与成果如下:1.提出一种基于边缘检测的深度图帧内预测模式快速选择算法。以合理简化深度图帧内预测单元候选模式集为出发点,并以当前帧内预测单元最优模式与其纹理边缘方向和纹理复杂度的关联关系为依据,设计了基于边缘检测的粗模式决策候选模式集简化策略。基于该策略设计实现的快速算法与3D-HEVC标准测试模型HTM-16.0相比较,可在保证深度图及合成的虚拟视点质量的前提下,加速深度图帧内编码过程。2.提出一种基于支持向量机(SVM)的深度图帧内快速编码算法。通过探究深度图纹理复杂度、纹理特征属性与编码单元深度选择、预测单元最优模式之间的关联关系,设计了面向3D-HEVC深度图帧内编码单元深度范围快速选择和DMMs模式快速选择的SVM决策模型构建策略。基于两种策略设计实现的帧内快速编码算法与3D-HEVC标准测试模型HTM-16.0相比较,均可在保证深度图和合成视点重建质量的前提下,降低帧内编码复杂度。此外,实现了基于SVM的帧内编码单元快速选择与预测单元模式快速决策的联合优化算法,进一步节省了编码时间,同时验证了本文所提出算法的普适性、准确性。3.提出一种基于深度梯度提升(XGBoost)的非独立视点帧间快速编码算法。通过探究帧间编码单元划分深度与纹理特征的相关性,以及各视图间、各视点间编码单元划分结构的关联关系,本文构建了基于数据挖掘和机器学习方法的帧间编码单元深度范围快速决策机制,以降低3D-HEVC帧间编码复杂度。基于上述策略设计实现的帧间快速编码算法与3D-HEVC标准测试模型HTM-16.0相比较,可在保证深度图、纹理图及合成视点重建质量的前提下,进一步提高3D视频帧间编码速度。