近年来,随着多媒体技术和3D技术的发展,自由视点视频（free-viewpoint video,FVV）备受关注,因为它能为用户提供从不同视角观看视频的体验。为了提供这种体验,自由视点视频技术需要获取多个不同视点的视图。然而,直接拍摄并传输所需数量的视图并不是有效的解决方案。基于深度图像绘制（depth-image-based rendering,DIBR）的虚拟视点合成（virtual viewpoint synthesis）技术的出现能够支持通过有限数量视点合成更多视点的需求。尽管DIBR技术是一种简单的方法,但其存在着重叠、裂纹和空洞问题,影响了合成视图的质量。本文的研究目的是解决上述问题并提高虚拟视点合成的质量,促进DIBR技术在自由视点视频中的广泛应用。本文针对上述问题展开了深入研究,主要研究成果和创新点如下:（1）针对DIBR技术中的重叠问题和裂纹问题,本文提出了一种基于深度的极线排序算法。该方法结合了极线排序算法和Z-buffer算法的思想,在三维图像变换的过程中处理重叠和裂纹问题。同时,该方法还通过检测深度图中的深度值跃变来标记和跟踪物体的边缘像素点,以在处理过程中保持物体的边缘结构。（2）针对DIBR技术中的空洞问题,本文提出了一种基于生成对抗网络（generative adversarial network,GAN）的空洞填充方法。该方法通过边缘补全网络预测空洞区域的边缘,然后基于预测的边缘来引导空洞填充网络进行空洞填充。在空洞填充阶段,还引入了由粗糙到精细的网络结构、色差补偿模块和内容感知层,以提升空洞填充的质量。（3）针对基于生成对抗网络的空洞填充方法存在的前景信息填充背景空洞的问题,本文提出了一种基于图像重投影（image re-projection）的位置注意力机制。该方法通过图像重投影计算目标图像要与参考图像垂直对齐所需的旋转角度和垂直平移距离,然后根据三维图像变换关系计算目标图像与参考图像的水平视差,以在网络训练时模拟目标图像的空洞位置和形态,从而进一步提升目标图像空洞填充的质量。本文在多个数据集上对提出的方法进行了主观评价和客观评价。实验表明,本文提出的方法能够生成视觉质量较好的虚拟视点视图。上述研究成果可为自由视点视频的应用提供一定的参考价值。