迄今,二维图像/视频技术已经日趋成熟,但人们对于视觉感官的需求并不仅局限于平面化的图像,更加希望有着身临其境的体验。因此,立体电视技术,即3DTV,成为了计算机视觉中一个新的热门领域。深度信息,是还原真实三维场景必备的条件之一。现有深度获取方法和技术不同程度的存在着分辨率、完整性、准确性、便捷性等方面的不足,严重制约了3DTV领域的发展。为了得到高质量、高精度的场景深度信息,本文以现有深度获取机制为基础,构建深度信号的先验模型,提出高质量深度计算重建理论与方法、虚拟视点绘制方法及视频前景背景的分离方法,并分别设计高性能求解算法。本文的工作成果和创新点如下:1.提出了一种基于全局优化的深度图像计算重建方法:用自回归模型对深度信号进行建模,利用深度图像和彩色图像的结构相关性,通过非局部均值滤波在彩色图像上训练系数,并将训练后的系数结合到自回归模型里对深度图进行恢复。所提方法优于目前的主流深度重建方法。2.提出了一种基于单Kinect深度相机的多视点成像系统:首先通过边缘导向的三边滤波器产生高质量深度图,并生成视差图;然后利用基于深度的渲染技术(DIBR)生成中间虚拟视点,结合虚拟视点深度图和彩色图计算遮挡区域填补优先级,并利用矩阵填充模型恢复出高质量的虚拟视点,最后实现多视点自由立体成像系统。3.提出了基于运动信息和矩阵重建的视频背景恢复方法:用光流检测运动信息,生成特征标识矩阵并结合到稀疏表示及矩阵恢复模型里,利用凸优化求解得到分离后的前景和背景。对于深度视频,场景运动物体的准确判断可以提高深度恢复的准确性和视频时域上的连贯性。所以,能够从视频背景中正确识别出前景尤为重要。这项工作为后续的高精度深度视频复原打下了基础。