随着科技的快速发展和人们生活水平的提高,普通的2D视频已经不能满足人们的视觉需求。与2D视频相比,立体视频通过添加场景深度信息可以给人们带来更强的立体感和真实感,深受人们的欢迎。但与此同时,立体视频的数据量庞大,远远大于普通视频。这给视频数据的存储和传输带来极大的困难。因此,提高立体视频编码效率具有重要的理论和现实意义。与传统的基于波形的编码方法相比,对象基立体视频编码方法不仅能够有效的减少编码错误,而且能够提供基于内容的交互功能,具有较强的内容描述能力和广泛的应用前景。本文主要从对象基立体视频编码实用化过程所遇到的问题入手,对图像分割、立体匹配两方面进行研究。图像分割是图像处理和计算机视觉领域的研究热点和经典难题。本文针对经典的Grabcut算法耗时较大且在颜色相近区域分割精度不高的问题,提出一种基于超像素和改进Grabcut方法的图像分割新算法以获得高效和准确的分割结果。首先通过改进Slic算法,得到前景边缘信息保存较完整的超像素图像。然后以超像素为处理单元通过融合颜色、梯度等信息重建能量函数,并基于Grabcut框架进行分割。较原算法相比,改进算法提高了分割精度和效率。立体图像分割是对象基立体图像处理中的关键和难点。为解决现有立体图像分割精度不高且对不同通道内的图像进行重复分割的问题,提出一种新颖且高效的基于图割和视域相关性的立体图像分割算法。首先通过改进Grabcut算法对左图像进行分割以提取出左图像目标,然后基于左右图像的视域相关性通过融合颜色和纹理特征的轮廓匹配提取右图像目标。该算法能够准确提取立体图像目标,同时也有效避免了基于视差图的立体分割结果对所使用的视差图像精度过于敏感的状况。立体匹配作为立体视频编码的关键技术之一,可有效去除视频数据的空间冗余。针对现有算法匹配精度不高且在图像遮挡区域、低纹理区域、视差不连续区域误匹配严重的问题,提出一种基于图像分割和自适应权重的立体匹配算法。所提算法能够获得准确的稠密视差图像,优于现有其它常见立体匹配算法。