三维视频因其能够提供更加真实和自然的视觉体验,一直是视频处理和通信领域追求的目标。自由视点视频（Free Viewpoint Video,FVV）是三维视频的最终形态,其最大的特点在于能够根据观看者的视点、视角改变显示对应的视频图像。面对数据量庞大、不可靠网络环境下深度图像失真严重、编码后视点合成质量不高等问题,传统的视频图像压缩技术已经无法满足系统的需求。压缩感知理论的出现为系统处理提供了新的思路,本文在深入分析图像/视频压缩感知、分布式视频编码、自由视点编码以及虚拟视点绘制等理论的基础上,探索了一种全新的基于压缩感知融合深度图像处理系统,并对三维编码系统中的若干优化问题展开了研究,主要成果及创新点包括以下几个方面:1、面向深度图像自适应多级分块压缩采样及重建算法研究针对目前面向深度图像压缩感知算法中计算复杂高、采样率固定、先验信息不清晰等问题,本文提出了一种面向深度图像自适应多级分块压缩采样及重建算法。算法分为采样和重建两个部分。采样方面,利用小波域的多尺度特性、深度图像在各尺度下对绘制图像的影响及测量域局部稀疏性,提出了一种自适应多级分块压缩采样模型,该模型可根据深度系数块的稀疏性自适应的加权观测,以提高采样效率。重构方面,在多尺度采样模型的基础上提出了一种基于深度图像熵的自适应重建算法,将双边滤波作为平滑滤波器融入算法迭代重建中,从而进一步平滑块效应并保护深度图像边缘。实验表明,相对于传统算法而言,本文提出的算法对于合成视点的质量有0.21.8d B的性能提升。从主观测试来看,本文提出算法在防止合成视点边界抖动、鬼影等问题上均有较好的效果。2、联合深度序列时空特性的分布式压缩感知系统研究在分析了不同分布式压缩感知模型优缺点的基础上,利用深度序列时空域的相关性设计了一种联合深度时空特性的分布式压缩感知系统。系统在基于多假设联合重建模型的分布式压缩感知的基础上,引入了一种全新的线性TV范数模型作为空间维度约束以减少深度重建过程中产生失真。实验表明,较其他算法而言,本文提出的方法对于合成视点有0.20.6d B左右的性能提升。此外,本文对于系统5种不同的预测模式进行了探讨,并通过实验讨论了不同模式下算法对虚拟视点合成的影响。3、自由式视点编码系统优化方法研究（1）纹理视频编码优化方法研究对纹理视频而言,采用高效的HEVC（High Efficiency Video Coding）框架进行编码。针对HEVC运算复杂度高的问题,本文提出了一种快速帧内编码单元选择算法。算法从三个方面进行优化,分别提出基于图像内容编码单元快速选择方法;基于统计训练的率失真优化以及基于残差分布的快速CU抉择算法。实验表明,本文提出的算法在编码速度上较参考软件HM14.0有50.4%的提升,且只有0.08d B的PSNR损失和1.37%的BDBR上升。（2）面向深度序列分布压缩感知边信息预测算法研究深度编码采用分布式压缩感知框架进行处理。边信息预测是分布式压缩感知重要的组成部分,预测质量的好坏直接影响重建质量。针对深度图像的特点,本文提出一种面向深度图像多尺度边界保护边信息预测算法。算法利用小波多尺度变换建立深度图像金字塔模型,并定义了边界保护匹配准则。而后,从金字塔底层开始逐级进行运动平滑与提纯。为了进一步提升算法性能将深度块分为连续深度块和非连续深度块,并采用不同方式对初始运动向量进行在线更新。实验表明,与较其他算法相比,本文提出的边信息预测方法平均有7.32%的深度图像错误率下降,以及0.53%的边缘错误率下降。无论从深度图像以及合成视点的主观质量而言,本文提出的算法都有较大的提升。