目前,3D技术日益普及,立体相机、摄像机设备日益增多。立体图像的编辑和处理需求也随之增加。交互式立体图像分割和修复是其中的重要需求,在立体图像编辑、3D影视后期处理等领域具有极高的应用价值。交互式立体图像分割允许用户在任意视图上简单勾勒前、背景,通过算法实现目标物智能提取。用户可通过增加前、背景线索优化分割结果。衡量交互式分割算法的主要指标是所需交互量的多少。立体图像修复即修复去除前景后留在立体图像上的空洞。衡量立体图像修复的主要指标是有无修复痕迹和深度感知一致性。现有立体图像交互式分割和智能修复技术在智能化程度和视觉修复效果方面尚存在很大提升空间。所以本文旨在研究性能更加优越的交互式立体图像分割和修复算法。现有交互式立体图像分割方法通常对颜色和梯度等信息进行建模,在图割理论框架下通过优化求解分割结果。此类方法忽略或没有充分探索立体图像的深度线索在分割中的作用,智能化程度有限,即需要较多用户交互才能得到较为满意的结果。另一方面,现有立体图像修复技术,多是在基于样例的修复上进行改进,未考虑到整体图像的语义信息。近年来,也出现了基于神经网络的修复方法,能够考虑全局语义信息,但仅仅在单幅图像上有所研究,尚无针对立体图像修复的算法。本文的主要工作和主要创新点如下:(1)针对立体图像分割任务,通过分析颜色、视差等可用线索在分割中起到的作用,提出了混合颜色和深度线索的交互式立体图像分割算法。该算法在现有基于颜色线索分割的算法基础上,线性混合了深度/视差线索指导分割,并通过实验证明了:在相同交互量的情况下,该算法相较其它算法准确率有所提升。(2)针对立体图像分割任务,充分探索不同类型的先验线索对于不同图像,甚至同一图像不同区域而言的重要性。提出并论证了在交互式立体图像分割中,不同的图像、不同的待分割区域、不同的像素,需要不同的先验线索更好的指导分割这一理论。并根据这一理论提出了自适应先验模型的交互式立体图像分割算法,该算法能为每个像素选择最优的先验模型指导分割。实验证明:在相同交互量的情况下,与其它算法相比,所提出算法分割效果最优。(3)在现有的基于卷积神经网络的单幅图像修复的理论基础上,充分探索了立体图像的特性,深入研究了保证立体图像修复后左、右视图的视差一致性方法。提出了基于卷积神经网络的立体图像修复算法,该算法通过特别设计的网络架构以及损失函数,保证立体图像修复前后的视觉感知和视差感知一致性。通过实验对比说明了:相较于其他算法,该算法在视觉感知和立体一致性方面,表现更加良好。