在信息网络大数据时代,图像信息数据越来越被人重视。区别于传统二维图像,深度信息的加入为我们开创了广泛的3D视觉应用。ToF摄像机基于飞行时间法能主动地获取场景深度,并准确地表现场景及物体表面的三维信息。受多种误差来源的干扰,ToF摄像机获取的原始深度图像含有许多噪点,在一定程度上影响了它的扩展应用。目前,研究领域已有的ToF深度图去噪的研究方案基本都是基于单帧图像,且并未建立出全面的噪声模型。本文主要研究一种基于深度卷积神经网络的ToF深度图像去噪算法,主要成果包括：1. 提出了一个完整的基于图像到图像端映射的深度卷积神经网络的架构,架构采用了新的修正线性单元及局部响应归一化等技巧,通过提取图像块的隐含特征并表达,对自然图像上的噪声起到了良好的滤除效果。2. 研究采用ToF摄像机和Kinect相机搭建了ToF深度图像真值数据库采集平台,经过相机标定与深度图配准,利用Kinect Fusion算法获取场景的真实深度,并结合ToF相机的曝光特性,拍摄创建了TOF深度图像真值数据集。3. 提出了一种基于深度神经网络的ToF深度图像去噪算法。通过对TOF深度图像真值数据集的训练,卷积神经网络隐式地学习了ToF的噪声特性。实验表明该算法有效地消除了ToF深度图的原始误差,并较好地保留了物体边缘和交界区域的深度细节信息。