近几年来,随着高速网络和云计算技术的不断进步,云游戏逐渐走入大众的视野,引起了人们极大的兴趣和关注。相较于图形流和混合流,视频流方法凭借其较稳定的数据压缩方式和较低的游戏设备性能要求,成为了目前主流的云游戏实现方案。然而,网络传输数据量大、对时延敏感等问题仍是限制基于视频流的云游戏技术发展的重要因素。针对视频流方法中的数据传输量大、编码效率不够高的问题,本文实现了基于视频流编码优化的云游戏系统,并提出了两种有效提高视频编码效率的视频编码优化算法。传统的视频编解码算法对视频序列中发生的平移运动具有很好的估计和补偿作用,而对相机旋转、前进和后退所造成的视频画面的旋转及缩放现象不敏感。为了全面提升不同运动状态下的云游戏视频编码效率,本文提出了基于深度图渲染（Depth Image Based Rendering,DIBR）的云游戏编码优化算法。该算法首先通过三维映射和图像着色,生成了与当前帧匹配度更高的参考帧图像;随后,根据已生成的参考帧图像,提出了一种参考帧列表管理策略及三种参考帧列表生成模式来校正参考帧列表,从而完成实际的视频编码工作。实验结果表明,本算法使得编码器对相机旋转、前进或后退等运动情况均有较好的估计和补偿作用,有效提升了基于视频流的云游戏编码性能。使用DIBR算法生成新的参考图像时,需要通过网络传送对应的深度图,这将导致额外的传输成本。本文结合DIBR算法,提出了基于深度估计和多视图融合的云游戏编码优化策略。深度估计模块首先在多视图之间对像素进行匹配,然后在不同的深度标签下计算像素的匹配误差,将匹配误差最小时对应的深度标签作为该像素的深度估计值,从而避免了深度图的编码和传输开销。多视图融合模块则首先分析了影响图像质量的因素,然后联合使用参考帧列表中的其他参考帧信息,融合并输出最终的重构图像,进一步降低了编码残差,降低了视频的传输码率。在上述算法的基础上,本文还实现了面向视频流编码优化的云游戏系统。该系统由引擎端、服务器端和客户端三部分组成,其中引擎端渲染整个游戏场景并获取视频帧、深度图及游戏相机数据等信息,服务器端负责三维变换、视频编码等工作,客户端则完成了视频的解码及显示。实验结果表明,该系统实现了从游戏渲染、视频捕获、视频编码到视频解码和最终显示的整个流程,可以有效地减少云游戏视频的传输码率,在一定程度上提高系统的视频编码性能。