凭借顶尖的计算机图形学(computer graphics,CG)和3D(3 Dimensions)立体技术,电影《阿凡达》获得了巨大的商业成功,同时开启了电影界的3D时代。2010年,第41届世界博览会在上海举办,此次展会中,3D显示技术在位于中国馆第49m层的“希望大地”仿真湿地展项和第33m层的“森林碳汇”低碳展项中都得到了充分应用,此次展会是立体视觉在工程应用领域的又一次成功实践。身临其境、栩栩如生的视觉体验极大刺激了人们对高品质立体视觉的追求。深度,作为立体视觉中一维重要的几何信息,是产生立体感知的重要线索。近年来,如何获取高质量的深度信息得到了广泛关注,深度超分辨作为主动式深度图像获取中的一项重要技术,成为立体视觉领域的研究热点。此外,3D资源匮乏和由于长时间观看所造成的视觉疲劳是限制3D产业发展的重要因素。基于深度信息的虚拟视图合成技术是制作和丰富3D资源的有效途径,视觉疲劳问题的解决亦有赖于高质量虚拟视图的合成。本论文针对深度信息的获取及其工业应用,分别对深度超分辨技术和基于深度信息的虚拟视图合成技术进行了研究。具体研究内容及成果如下:1)深度超分辨:针对超分辨深度图像中出现的深度混淆、深度外渗和深度缺失等问题,提出了一系列基于区域划分的深度超分辨模型。通过逐步挖掘低分辨深度图像与高分辨彩色图像之间的内部关系,依次提出了基于彩色图像聚类的深度超分辨模型,基于彩色图像分割的深度超分辨模型和基于彩色图像模糊分类的深度超分辨模型。在基于彩色图像聚类的深度超分辨模型中,深度信息被用于判断彩色图像的聚类结果是否正确有效,并逐层地对聚类正确的区域进行上采样,有效地提高了超分辨图像的边缘准确性;在基于彩色图像分割的深度超分辨模型中,深度信息被用于引导彩色图像的自适应分割,分割结果极大地提高了深度边界与彩色图像边界的一致性;在基于彩色图像模糊分类的深度超分辨模型中,深度信息首先被用于低分辨深度图像自身的分割,分割结果进而被用于对彩色图像进行有监督的模糊分类,最终的分类结果不仅有效地保持了深度边界,还极大地抑制了彩色图像中冗余的纹理信息。以上几种基于区域划分的深度超分辨模型以机器学习为理论背景,通过挖掘低分辨深度图像与高分辨彩色图像之间的关系,实现了二者对深度超分辨的联合引导,从根本上解决了深度混淆、深度外渗和深度缺失等问题。此外,基于区域划分的超分辨模型既适用于静态滤波超分辨系统,又适用于动态优化超分辨系统,输出的超分辨深度图像边缘清晰,图像质量得到了显著提高。2)基于深度的虚拟视图合成:在深度信息的实际应用方面,分别对自由视点虚拟视图合成技术和双目虚拟视图合成技术(即2D转3D技术)进行了研究。针对自由视点虚拟视图中出现的“伪轮廓”和颜色不连续问题,提出了基于边界注意的3D翘曲和基于颜色校正的视图合成模型。基于该模型,闭塞区域周围的“伪轮廓”被有效移除,由于左、右视图拍摄环境不尽相同而引起的颜色不连续问题也得到了有效解决,大幅提高了合成虚拟视图的质量。针对以上两种虚拟视图合成技术带来的“空洞”问题,提出了基于深度的分层空洞填充算法和深度辅助下基于字典学习的空洞填充算法。这两种空洞填充算法都充分利用了深度信息对背景进行提取,进而利用背景像素对“空洞”进行合理有效地填充。