3D视频能够为观众带来更真实的立体感知,在电影电视等领域受到了广泛的关注。MVD(Multi-view Video Plus Depth)是当前主要的3D视频格式之一。它在彩色视频格式的基础上加入了深度视频,从而可以通过基于深度图像的绘制技术绘制已编码视点间的虚拟视点。MVD视频在压缩彩色视频的基础上,需要对深度视频进行压缩。传统的H.264/AVC标准和最新的高效视频编码标准(HEVC)都提出了较有效地压缩编码方法,但同时又带来了巨大的编码复杂度。为了解决这一问题,许多学者提出了各种快速模式选择算法。考虑到深度视频有着与彩色视频不同的特性,本文针对多视点深度视频编码过程中的模式选择问题进行了研究,并着重探索了视点间相关性和分量间相关性对深度视频模式选择快速算法的影响。传统的H.264/AVC将视频的每一帧平均划分为若干16×16的宏块,以宏块为单位逐个进行运动估计等编码过程。对于运动估计,H.264/AVC也给出了多种帧间、帧内预测模式,并通过遍历所有模式以及比较率失真代价,得到最佳模式。模式选择所带来的编码复杂度是本文关注的重点。考虑到MVD格式中深度视频具有视点间相关性,深度视频彩色视频间具有分量间相关性,本文结合两种相关性提供的先验信息,基于JMVC平台,提出了一种基于视点间与分量间相关性的深度视频快速模式选择算法。实验结果表明,本文所提出的算法可以在保证视频质量的前提下有效地提高编码速度。3D-HEVC是一种支持MVD视频格式的新兴标准,也是HEVC的一种扩展。它采用了HEVC中的编码结构,将编码块划分为编码树单元,对每一个编码单元都要进行预测编码。预测编码过程中仍存在模式选择过于复杂的问题。本文对于HEVC中的MERGE模式进行研究,并在HTM平台上探索了参考视点间、分量间相关性的MERGE模式提前截止方法。实验结果表明,所提出的方法可以在视频质量基本不变的条件下减少编码时间。