现如今,人们不断追求着越来越高的视听质量,这使得能提供深度信息感知的三维视频受到广泛关注。而多视点加深度立体视频作为三维视频的主流数据格式,成为了工业界与学术界关注与研究的热点。多视点加深度立体视频的视点数不止一个,其数据量通常几倍于传统二维视频,加之在视角范围、光谱范围、分辨率、动态范围等维度上快速的发展,数据量更是爆炸式增长,这使得更有效的三维视频压缩技术成为迫切需求。而能够准确衡量算法压缩性能的质量评价则是实现这一需求的重要前提。针对这两个问题,本文展开了研究,主要的创新点和贡献包括以下两个方面:1.在质量评价的实际操作中,序列的编码比特与视频质量都在变化,一般使用现在应用最广的BD-Rate指标来衡量算法的编码效率。本文发现并证明了在计算BD-Rate的过程中,被统计的数据PSNR相差很大时,会给BD-Rate引入统计误差,造成BD-Rate失准的现象。另一方面,三维视频编码各个纹理图由于视间参考的存在,编码后各视点间的PSNR值相差很大。故而本文发现,在三维视频衡量纹理图总的视频质量时,BD-Rate很容易出现评价失准的现象。针对这一现象,本文提出了相应的修正的统计方式,从而使得BD-Rate指标更具有参考性。2.为了提高三维视频的压缩效率,本文通过对三维视频中同一个视点中与各个视点之间GOP级参考关系进行建模与量化,利用它们的参考相关性,设置了三维视频中各个视点的GOP级量化参数偏置,以减少同一个视点GOP之间、视点间GOP之间的冗余信息。实验结果表明本文提出的方法能够提高三维视频编码性能。