从模拟电视到数字电视、从标清电视到高清电视的变革已基本实现，不论是从企业的走向、市场的需求或技术上的可能性，下一代变革的目标无疑是人们期望已久的三维(3D)立体视频系统。相比于传统的二维视频，三维视频能提供所观察物体的深度信息，因此，三维视频除了包含大量的常规颜色信息外还有额外的深度视频，这就产生了巨大的数据量。能否大幅度地压缩三维视频数据将成为这种媒体技术能否大范围应用的主要限制条件，而深度图像的有效压缩也就成为当中需要重点探讨的课题之一。　　 文章先描述了深度图像自身具有的一些鲜明特性，例如深度图不具备纹理信息，又如深度图是由一系列尖锐的边缘和由这些尖锐的边缘划分出的非常平滑的区域组成的。针对这些特征，本文提出了一种基于分水岭分割的压缩方案，即先利用分水岭分割将深度图的主要物体和尖锐边缘区分开来，接着利用得到的区域掩膜以及原图的采样数据对图像进行预测，计算残差图像，最后通过传输压缩后的掩膜、压缩后的网格样本和压缩后的残差来达到压缩的目的。文章重点介绍了该方案中的分水岭分割和内插预测部分，其中分水岭分割利用形态学预处理和标记前景修正梯度图像的方法很好地解决了直接运用传统分水岭算法带来的过度分割问题，接着利用寻找4邻域内最接近像素值的方法将得到的分割边界划分到合适的区域，最终完成边缘区域融合，得到需要的区域块；内插预测部分侧重考虑可能出现的边缘模糊问题，基于只利用之前划分出的同区域采样点进行内插的基本思想，针对5种可能的采样点位置分布给出不同的内插预测方式。　　 文章的最后将本文提出的方案分别与直接利用Kakadu V6.4模型进行JPEG2000有损压缩和H.264帧内预测编码部分的结果进行比对，主客观对比结果显示，本文提出的方法对于多种深度图像不但在PSNR性能上有显著提高，而且不会在边缘产生过多人为痕迹，亦即不会导致最终的3D合成视图的边缘部分产生人眼无法容忍的误差。