3D视频与传统的2D视频相比,蕴含了景物的深度信息,能够产生视觉立体感受,能给观众带来更好的临场感、沉浸感与真实感,因而成为多媒体领域发展的趋势。而深度相机由于能够实时的获取动态深度图像信息而成为目前常用的技术手段,深度图像具有边缘尖锐、内部平滑的特点,它比自然图像具有更强的空域相关性,利用这一特征在视频传输过程的编码前端对深度图进行下采样获得低分辨率深度图,减小存储和传输的数据量,在解码端通过上采样方法重建原始分辨率的深度图。在深度图下采样过程中,我们希望在提高压缩率的同时尽可能保留深度图边缘信息。而解码端的深度图上采样过程中,如何更好的还原更加清晰的深度图,得到更加锐利的边缘是另一大挑战。本文对深度图上下采样算法进行了一系列研究和改进。首先,我们提出了一种结合显著度的深度图自适应采样算法。在传统的深度图编码端均匀采样中,图像边缘与非边缘区域的采样规则一样;由于非边缘区域多为平滑区域,减少其采样点数对上采样重建的质量影响较小,相对的增加边缘区域的采样点数则可大幅度的提升解码端上采样深度图的质量;并利用人眼注意机制,结合图像显著度对场景中的显著区域进行优先处理,在平滑区域中有规则的采样,再进一步减少数据量的同时,提升重建图像的质量。然后,我们提出了基于SSIM的改进联合双边上采样算法。联合双边上采样(JBU)算法通过以像素值和距离为特征的高斯核滤波器对深度图进行上采样,但在颜色相似但深度差异大的区域会带来边缘模糊的问题;本文结合结构相似性特征(SSIM)将其作为一个权重因子,来降低与待插值像素颜色相近但是结构性相似性系数低的像素权重,得到具有更锐利边缘的深度图。全文工作是对3D视频中深度图上下采样算法的思考与研究,为深度图像的处理与优化工作提供了新的思路与解决方案。