高效率的视频编码(High Efficient Video Coding,HEVC)与已有的视频编码标准H.264/AVC相比,在压缩性能和并行处理能力等方面都有了显著提高。但优越性能所带来的高复杂度问题阻碍其在实际应用的推广。因此,如何在有效地保证视频质量的同时,降低编码复杂度,满足实际应用需求,是目前HEVC研究的重要内容。本文在研究HEVC标准及其关键技术基础上,从帧内模块的块划分这个部分对算法进行改进,进而达到降低HEVC编码复杂度的目的。针对帧内预测编码单元划分的复杂度问题,本文提出了一种CU块划分快速终止算法。该算法将K-means聚类算法融入到了编码单元划分的过程中。首先从图像纹理复杂度的特点出发,获取图像纹理复杂度与CU块尺寸之间的关系,并且利用CU块的方差值代表图像纹理复杂度;然后将图像纹理复杂度作为K-means聚类算法的输入向量,从而获得CU块的聚类中心;最后将HEVC原有的帧内算法与K-means聚类方法相结合,最终实现CU块的划分。实验表明,本文算法在保证视频质量的基础上,有效地降低了帧内编码所需的时间。针对全局匹配算法边缘和遮挡区域的问题,本文提出了一种基于引导滤波与Mean Shift的全局匹配算法。本算法联合马尔可夫随机场(Markov Random Fields,MRF)理论和导向滤波器(Guided Filter)理论建立匹配代价函数,通过最小化匹配代价函数求得对应像素点的初始视差值。通过Mean Shift算法与超分辨率重建算法对生成的视差图进行处理,使得视差图的质量提高。将实验结果与Middlebury立体匹配基准数据库中的结果相比较,证明了本文提出的算法有很高的准确性,效果优于很多主流的算法。