随着计算机科学的发展,越来越多的技术需要利用场景的三维信息将客观世界真实再现。自然三维电视中采用“2D视频+场景深度+3D增强信息”的编码方案,需要事先提供准确的深度信息。因此,深度提取技术是影响自然三维电视性能的关键因素,研究相应的深度提取技术对自然三维电视系统的实现具有积极的参考意义。目前获取物体的三维信息主要有两种途径：深度摄像机直接拍摄获取的主动立体方法以及通过求取图像匹配点视差而获取深度的被动立体方法。本文在实验室现有三维电视系统平台上,对这两种技术均做了深入的研究,重点分析了两种技术各自的特点,并研究如何融合主动立体与被动立体方法提取深度信息。本文的主要成果包括：(1)提出了一种“AW聚合+DP优化”(Adaptive Window Aggregation and Dynamic Programming)的深度获取算法。该算法根据图像的色彩信息为每个像素点自适应地选择聚合窗口,并采用DP算法进行后期优化,修复错误点。该算法原理简单,运行速度快,能够较好地保持物体的边缘,提高视差图的质量。(2)通过研究GPU并行加速实现算法,构建了一个场景深度信息获取系统,包括图像的采集、处理以及深度信息提取等部分。本文针对CUDA平台的特点,对“AW聚合+DP优化”算法进行了相应改写,使其适合并行加速计算,能够达到半实时性地输出准确的深度信息。(3)提出一种融合ToF摄像机与AW聚合信息的深度获取算法。ToF摄像机易受光线、噪声和物体材质的影响,而AW聚合信息算法对遮挡区域、低纹理、重复纹理区域的处理效果不佳。根据两者的互补特性,本文提出融合ToF摄像机和AW聚合的正确信息,获得的视差图比单一方法更加准确,且该算法可以有效避免其他优化算法模糊边缘的缺陷。