近两年来,计算机多媒体领域发展迅速,从3D电影的流行到虚拟现实(VR)的火爆,无一不表明了人们在蓬勃发展的大娱乐时代对于视觉感官享受的不断追求。立体视频通过同时向人的左右眼输入左右两路不同的视频,模拟人在场景中左右两眼看到的不同景象,给人带来沉浸的3D体验。伴随着3D电影行业和虚拟现实技术的迅猛发展,通过普通的2D视频转制生成可以观看的立体视频,可以提供更多的视频内容源,引起了越来越广泛的关注。立体视频生成是通过给定的平面视频,生成虚拟视点的视频,两路视频叠加从而给人带来视觉冲击效果。在众多的虚拟视点生成算法中,基于深度图像的虚拟视点生成(Depth Image Based Rendering)是目前主流的技术途径。它主要包含两个部分,首先是场景的深度信息估计,然后基于估计得到的深度信息进行虚拟视点的映射重建。根据以上思路,本文提出两种立体视频生成的方法。一种是传统的先通过算法进行图像的深度估计得到深度信息,再通过视点合成算法合成虚拟视点图像,最终生成立体视频;另外一种是基于卷积神经网络深度学习技术,通过设计卷积神经网络结构,端到端的直接从一路图像生成虚拟视点图像,从而合成立体视频。针对传统的虚拟视点合成技术途径中的深度信息估计和视点合成两部分,本文分别提出了不同的解决方法以增强其视点合成图像质量。针对深度信息估计部分,本文提出了基于级联随机森林的深度图像超分辨率模型;针对视差图像优化,分别提出了基于显著性原理的视差非线性变换和基于运动信息的RGBD时域视差图像优化方法;针对视点合成中的图像空洞问题,本文基于一致性哈希算法,提出了基于一致性哈希的多尺度图像修补方法。针对端到端的直接从一路视频生成虚拟视点视频的深度学习框架,本文提出了像素级输出的卷积神经网络模型StereoFCN。最终实验证明,本文提出的两种技术途径都可以获取高质量的立体视频,带来良好的3D体验效果。