在当今数字信息化的时代,随着科技的飞速发展,传统二维视频已不能满足人们的视觉感受,“多视点+深度视频”已经成为视频研究领域的热点,因其呈现立体感并具有交互操作功能的特点在多个领域都具有极其广阔的应用前景。作为“多视点+深度视频”的重要组成部分,深度视频是一种存储场景内物体像素景深信息的新型视频,基于深度视频和与之对应的彩色平面视频即可在解码端合成出大量的多角度的虚拟视点,从而减少编码和传输的数据量。目前对深度视频常用的编码方法是将其当作普通灰度视频在最新的视频压缩编码标准HEVC(High Efficiency Video Coding)框架下进行编解码。与传统平面二维视频相比,深度视频通常具有多个视点,数据量较大,编码复杂度较高,编码时间较长。与此同时,作为新一代的视频压缩编码标准,HEVC在提高编码效率的同时也大大提高了编码复杂度,以上这些因素都严重制约着深度视频的广泛应用。由于深度视频具有大片均匀区域和尖锐边缘的特性,并且深度视频纹理较为单调简单,因此其编码特性与普通视频不尽相同。可以根据这些特性研究针对于深度视频的编码方法降低基于HEVC的深度视频压缩编码算法的复杂度。本文首先对深度视频的概念、获取等进行了介绍,并详细介绍了HEVC视频压缩标准以及编码树划分、帧内预测、帧间预测等关键技术,以及基于HEVC的深度视频压缩编码框架和相关技术。在此基础上,本文对深度视频的帧内预测最佳模式特性进行了统计研究和分析,提出了一种基于快速CU(Coding Unit,编码单元)划分的低复杂度深度视频帧内预测算法。然后,本文对深度视频的帧间预测特性进行了研究和分析,提出了一种基于CU相关性的低复杂度深度视频帧间预测算法,并对两个算法进行了仿真分析。实验表明,这两种算法都可以在保证压缩效果及编码质量的情况下,有效缩短编码时间降低深度视频的编码复杂度。