随着三维电视(Three Dimensional Television,3DTV)、三维(Three Dimensional,3D)电影越来越广泛地进入到人们的生活,高质量的视觉感受可为消费者提供充分的精神给养,因此人们对图像和视频的视觉质量要求越来越高。3DTV系统需要同时输入来自同一个场景的二维(Two Dimensional,2D)彩色视频和2D深度数据。其中,深度数据可说明场景的位置,借助立体显示技术可为消费者提供3D立体的视觉感。因此深度数据是3DTV系统的重要基础,并且高质量深度信息的获取受到广泛关注。深度信息可通过直接方式和间接方式获取。其中,由于在直接方式中用来捕捉深度信息的硬件设备存在较大限制,例如无法有效抑制噪声干扰、价格昂贵等,无法满足消费者直接获取深度信息的需求。因此间接获取深度信息的方法,即深度上采样算法作为一种有效的解决方案,日益成为研究的热点。目前存在的深度上采样算法均可取得较好的效果,但仍存在噪声干扰、未有效利用像素间的相关性以及未实现对深度图与彩色图在边缘区域结构的细致比较等问题。针对当前存在的问题,本文着重分析深度图中的边缘特性,在保持局部边缘引导的基础上,获得高分辨率(High Resolution,HR)深度图像。在主观和客观质量评价中验证本文所提出算法的有效性。本文的研究工作如下:1.基于自适应参数引导与边缘点辅助的深度上采样算法为解决当前算法存在的深度边缘区域的边缘掺杂模糊、深度图像与彩色图像的结构不匹配导致产生伪像等问题。本文利用低分辨率(Low Resolution,LR)深度图的边缘点完成对LR深度图像不可靠像素点的标记与修正以及像素点聚类,并完成LR深度图的初始化。根据像素点的区域特性改善初始化深度图,其中,对处于结构复杂区域的像素点利用已加入多个自适应参数的自回归模型完成深度预测。可通过此算法有效降低深度不连续区域的模糊性,获得性能稳定、可靠的高质量HR深度图像。2.基于深度边缘点与彩色图像引导的深度上采样算法针对当前存在的深度上采样算法未考虑像素点间的相关性以及深度图与彩色图的一致性判断准则不够准确等问题。本文提出基于深度边缘点与彩色图像引导的深度上采样算法。首先,对LR深度图像完成不可靠像素的修正,并获得LR初始化深度图像。其次,结合HR彩色图像的梯度矩阵,基于以某个像素点为中心的33?像素块实现深度图与彩色图的结构一致性判断,并完成像素点分类。最后,利用空间位置约束,对存在的有效深度设置影响因子完成深度修正,输出结构清晰、坏点率降低、细节边缘区域有效增强的HR深度图像。