随着计算机图像视频制作与显示技术的迅速发展,3D视频较2D视频更能给观影者以立体真实的感觉。纯3D电影拍摄制作费用的昂贵使得2D转3D视频技术成为电影制作方关注的焦点。目前2D视频向3D视频转换技术中最为关键的一步是如何将原始2D视频图像的深度信息提取出来,深度图的质量影响着最终生成的3D视频的质量。本文以研究基于线性透视原理提取深度信息的方法和基于运动视差原理提取深度信息的方法为主要目标,致力于获取较高质量的深度图像,主要做了如下几点创新：1.针对基于线性透视原理提取深度信息的方法,提出了一种自适应设定提取直线阈值的方法,使得直线的提取更符合图像本身的特点；本文还细化了线性透视原理所适用的场景类型,使得基于线性透视原理提取深度信息的方法更加实用,也为之后的深度赋值工作做好准备；提出了一种基于消失线截距和消失点位置择优赋值深度的方法,利用该方法所获取的深度信息更符合实际场景的深度关系,使获取的深度图质量得到提高。2.针对基于运动视差原理提取深度信息的方法,提出了一种基于图像分割的金字塔Lucas-Kanade光流法来获取视频图像的深度信息：首先通过计算当前帧的最大运动矢量来决定所需构建的金字塔层数,通过自适应的方式决定金字塔层数可以弥补因金字塔层数过多造成的信息丢失或者因金字塔层数过少而无法满足Lucas-Kanade光流算法的不足；然后在每层金字塔中,利用Mean Shift图像分割后的信息,去除每次迭代计算得到的运动矢量中的坏点,使得深度提取更加准确；自适应每层金字塔的迭代次数,使得在实验结果的质量几乎不变的情况下,达到降低时间复杂度的目的；最后根据原始2D视频图像分割后的图像信息,统计每类中的深度值,对所得到的深度图进行优化,使最终得到的深度图中物体边缘信息更加清晰。针对实验所用到的Kimono视频,提出了一种基于图像色调的双阈值图像分割方法,得到较好的前景运动物体的提取。