消费级别的深度相机(如ToF和Kinect)可以对动态场景的深度信息进行捕获,但采集的深度图像分辨率低、含有大量噪声甚至在部分区域出现深度值的丢失,限制了其进一步的应用。本文主要针对低分辨率、空洞以及噪声问题,从彩色先验信息约束的角度对深度图像超分辨率重建相关问题展开了研究,论文主要工作如下:(1)阐述了深度图像超分辨重建的相关背景,分析了选题的重要意义,介绍了课题在国内外的研究现状,分析研究存在的难点。同时,介绍了深度图像的退化模型、RGB相机和深度相机的标定、配准原理以及深度图超分辨率的基本滤波模型。(2)针对深度图像的超分辨率问题,设计并实现了一种鲁棒的图像引导的深度图超分辨率算法。首先,利用提出的RGB-D结构相似性度量对待估计点选取最优邻域块,在所选取的图像块中,通过提出的定向非局部均值权重建立的多边引导对像素深度值估计。进一步,依据不同深度区域的平滑性,对多边引导参数进行自适应调节。实验结果表明,在合成数据集和真实数据集上,该算法可以有效抑制纹理复制伪影,同时保留深度边缘的不连续性,实现鲁棒的深度图超分辨率重建。(3)针对深度相机采集的原始深度图中存在的空洞问题,设计并实现了一种基于样本块匹配的空洞修复算法。该算法利用彩色和深度图提取概率轮廓信息,首先,对样本块进行粗匹配,抑制样本块匹配中可能出现的局部最优现象。进一步,在精匹配中,算法增添了结构相似性度量及距离约束信息,并提出了一种样本块尺寸自适应的匹配方案,有效提高匹配的精确度。实验结果表明,该算法可以有效修复深度图中存在的空洞区域,为超分辨率重建提供基础。