3D holoscopic成像技术可以在全方向整个观看区域内提供连续的运动视差,使用户获得一种更真实、自然的3D观看体验,同时可以减轻视觉疲劳,使其成为下一代3D视频技术的发展方向。此外,3D holoscopic成像技术还具有先拍照后聚焦、可变景深、可变视点等成像特性,也让其成为计算摄像学重要的理论增长点。然而,为了满足高分辨率的需求,需要大量的数据来表示3D holoscopic密集视点图像内容。这导致了 3D holoscopic密集视点图像的数据量远远高于传统的2D 图像,给图像存储以及网络传输带来了巨大的挑战。而3D holoscopic密集视点图像的存储与传输又是推动3D holoscopic技术发展的关键环节。因此,研究高效的3D holoscopic密集视点图像压缩编码方法是亟待解决的关键问题。现有的编码算法和编码标准并不适合3D holoscopic密集视点图像,大都存在编码效率低下、计算复杂度高的缺陷,且不能提供一个较好的可分级编码性能。针对存在的问题,本文以新一代视频编码标准HEVC （High Efficiency Video Coding）为基础,以提高编码效率为目的,展开了如何利用3D holoscopic密集视点图像的特性来提高编码效率、降低编解码复杂度、如何提高3D holoscopic密集视点图像纹理复杂和边缘区域的预测精度以及如何实现3D holoscopic密集视点图像的可分级编码解决网络传输延迟问题三方面的研究工作:第一,针对现有编码器（如JPEG、H.264以及HEVC等）编码3Dholoscop-ic密集视点图像效率低下的问题,利用3D holoscopic密集视点图像的强自相关特性,提出一种基于视差补偿预测的编码算法。该算法通过估计相邻单元图像（ElementalImage,EI）之间的视差来提高编码块的预测精度。为了弥补基于视差补偿预测的编码算法在纹理不一致区域预测不准确的缺陷,本文结合基于视差补偿预测算法与帧内块复制预测算法的优势,进一步提出基于视差补偿与帧内块复制混合的3D holoscopic密集视点图像编码算法。该混合算法通过以率失真优化过程为准则,自适应的选择最佳的预测算法,进一步提升整体算法的编码效率。实验结果表明,本文算法能够获得较高的编码效率,同时能够在一定程度上降低编解码端的计算复杂度。第二,为提升3D holoscopic密集视点图像编码在纹理复杂和边缘区域的预测精度,同时保护3Dholoscopic密集视点图像中单元图像的细节信息,提出基于高斯过程回归预测的3D holoscopic密集视点图像编码算法和基于核密度估计预测的3D holoscopic密集视点图像编码算法。所提两种算法分别从探索3D holoscopic密集视点图像高维空间相关性以及局部信号的统计特性两个角度来提升纹理复杂和边缘区域的预测精度。基于高斯过程回归的编码算法是将当前编码块与其最近邻宏块建模为高斯过程,利用核函数将编码块的最近邻宏块映射到高维的特征空间,在高维特征空间中利用高斯过程回归来预测当前编码块。基于核密度估计的3D holoscopic密集视点图像编码算法是首先获得当前编码块及其最近邻宏块的统计模型,然后通过估计当前编码块的最小均方差来预测当前编码块。实验表明,所提基于高斯过程回归的编码算法以及基于核密度估计的编码算法相比于HEVC帧内预测算法可以分别获得2.67 dB以及2.65 dB的平均BD-PSNR增益,且均可以获得较好的虚拟绘制视点质量。第三,为能够充分利用3D holoscopic密集视点图像绘制视点之间的强相关性来提高3D holoscopic密集视点图像的编码效率,提出一种基于绘制视点空间相关性的3D holoscopic密集视点图像编码算法。并在此基础上,针对网络传输延迟等问题,提出一种基于稀疏交织视点图像集合加视差图的3D holoscopic密集视点图像可分级编码算法。基于绘制视点空间相关性的编码算法通过利用交织的视点图像等价表征原始3D holoscopic密集视点图像数据来探索绘制视点之间的强相关性。基于稀疏交织视点图像集合加视差图的可分级编码算法是利用稀疏的交织视点图像加视差图的形式来近似表征得到的交织视点图像,从而实现3D holoscopic密集视点图像的可分级编码。实验结果表明,所提算法可以获得较高的编码效率,同时能够提供较好的可分级编码性能。