自由视点电视(free viewpoint television，FTV)被普遍认为是未来3D视频技术的重要发展方向之一。在诸多FTV视频数据的表示方法中，基于深度图像的表示方法由于包含了场景的几何信息，使后续的视点合成过程变得容易，也因此成为目前最为流行的解决方案。关于深度信息的估计、压缩以及在视点合成中的应用等主题正在被深入地研究。　　 针对深度图像序列的帧内预测，本文提出了一种基于边缘的预测方法，同时将图像修复算法与之相结合，以进一步提高预测精度。深度图像天然地具有大片平滑的无纹理的区域，以及各个物体边界处的锐利边缘。此外深度信息的准确性在基于深度图像的视点合成中至关重要。本文所采用的算法旨在有效地保护深度图像中的边缘信息。一方面，利用边缘信息，将图像分割为不同深度的平滑区域在每个区域内独立地进行预测，有望取得更好的预测效果。另一方面，保留的物体边界在视点合成的过程中能够有效地区分不同的物体，使它们在合成的视点中不至于发生混叠。对于各区域的帧内预测过程，本文放弃了传统的固定预测模式而代之以图像修复算法，该算法能利用有限的已知信息最大限度地准确估计出未知区域的像素值。同时对于一些不能使用修复算法的区域则利用区域均值或默认值来进行预测。本文提出的算法是基于块的，因此很容易被集成到现有的编码框架中作为一种新的帧内预测模式，文章设计了相应的率失真优化策略来进行最优模式选择。此外，由于图像修复算法的迭代步骤十分耗时，文章还采取了一些改进措施以提高算法效率。　　 实验表明，在多数情况下，本文提出的帧内编码方案和现有的H.264/AVC与JPEG2000标准相比较，在压缩后深度图像的质量上和合成视点的质量上都有所改善。