近年来,深度相机在消费类电子和工业自动化领域得到了长足发展,对于深度图像的处理及压缩传输成为学术界研究的热点问题。本文在深度相机压缩编码项目的支持下,重点研究了深度图修复技术和RGB视频序列的高效压缩技术。针对深度相机分辨率低、包含噪声以及深度边缘模糊的问题,提出了一种基于深度图像平滑度阈值的彩色图引导深度修复算法;针对RGB视频序列的压缩性能问题,在HEVC量化编码部分提出了一种改进的双边自适应量化方法。为了提升深度数据的质量,本文对深度图像修复技术进行了研究。我们分析了在深度修复过程中加入彩色图像的指导的可行性,基于自回归模型算法提出了一种深度项引导权重调整策略,该调整规则为对深度图像平坦区域和深度边缘进行区别修复,为此,本文又提出利用图像的相对平滑度来表征图像内容的变化。综合以上工作本文提出了基于平滑度阈值的引导权重调整修复方法,该方法将计算的图像相对平滑度作为阈值,对引导权重进行修改。在RGBD测试数据集上使用定性和定量的实验结果评价了该算法,得到了较好的修复结果。深度相机中RGB视频的压缩通常采用基于混合编码框架的HEVC标准,在这一编码框架中,量化模块是引入编码失真的主要原因。本文着重于改进量化过程以提高HEVC编码性能。在详细研究了标准中的统一标量量化方法并分析量化的改进方向之后,本文提出了一种双边自适应量化方法,该方法属于系数级量化方法,包括三部分算法策略。其一,在量化编码之前提出一种新的量化扫描顺序策略,在该扫描方法下,变换系数的排列被重组,得到的新系数顺序能够很好地促进后续变换系数编码过程。其二,参考TU中每个变换系数本身系数值大小,为变换系数其赋予不同的权重,以反映其在视频重建中的差异性贡献。其三,结合以上策略构造双边因子来间接修改量化步长。在官方参考编码器HM16.0上测试了提出的算法,与HEVC标准中的均匀块级量化相比,本文的系数级量化算法有效的提高了编码性能。本论文提出的算法已经在相关数据集完成测试验证,实验结果表明算法改进的效果能够满足深度相机的前处理和压缩编码的要求。