随着多媒体技术的发展和人们对世界认知的提升,三维视频技术逐渐得到重视。但三维视频技术在利用深度图的绘制技术(DIBR)进行新视点图像合成时,由于前景遮挡、视点变化等原因,容易产生大面积的空洞。因此,如何对此类空洞进行填充修复成为三维视频修复研究的热点。本文根据DIBR产生空洞的基本原理,结合视频序列的特征和前景背景分割理论,利用分水岭算法和高斯混合模型,从如何有效提取视频的前景/背景角度,探讨三维视频修复算法,以提高三维视频修复效果。论文主要的研究工作与创新点如下:1.全面系统地综述了三维视频修复技术的研究意义以及国内外研究现状,深入分析了三维视频修复中的关键技术和主要难点。同时,结合DIBR的基本原理,对利用该技术进行新视点图像合成时容易出现的图像质量问题进行了分类和分析。2.针对三维视频图像的空洞填充在前景背景分割时,容易造成前景对象提取不准确而影响修复效果的不足,本文采用分水岭算法与标记相结合的办法,对图像进行分割,然后在此基础上,充分利用深度图像的深度梯度结构信息,采用K均值聚类对梯度图像进行标记修正,以增强对前景对象的辨别能力,提出了一种基于梯度融合与聚类的三维视频空洞填充修复新方法。仿真实验结果表明,该算法较好地克服了原有分水岭算法在图像分割过程中易发生过分割现象,完整提取了前景对象的纹理信息,使修复具有更好的视觉效果,提高了三维视频图像的修复质量,保持了较高的结构相似度(SSIM),峰值信噪比(PSNR)相比于原算法提高了1~3 dB。3.针对在三维视频图像的空洞填充时,因提取的背景图像中残留前景信息而影响修复效果的不足,本文将简单线性迭代聚类方法(SLIC)与高斯混合模型(GMM)相结合,提出一种新的背景建模方法,实现三维视频图像的自适应修复。算法首先根据视频图像的颜色信息,利用SLIC对三维视频图像进行分块;然后利用深度图像,获取较完整的前景模板;在此基础上,根据前景模板和深度值的变化,对GMM中的学习率进行动态的更新;最后根据前景模板,对背景图像中的前景残留的像素点利用Criminisi算法进行修复填充。仿真实验结果表明,本算法能够完整地提取前景对象的纹理信息,提取的背景图像中前景残留信息少,从而使修复的三维视频图像具有更好的视觉效果,结构相似度(SSIM)高,峰值信噪比(PSNR)相比于其他算法提高了1~5 dB。