近些年来,随着低成本深度相机技术的不断成熟,深度图像在许多计算机视觉领域都得到了广泛的应用,例如三维重建、室内SLAM、虚拟现实、增强现实等应用。但是目前市面上的低成本相机,如Kinect、Real Sense等,通常存在分辨率低、深度值缺失、图像空洞、噪声等问题。而这些问题,将会极大的影响三维重建等技术的效果。所以怎么样将低质量的深度图增强是一个迫切需要研究的课题。本文首先对相机原始采集到的图像进行了预处理,包括相机标定,畸变矫正,彩色图深度图对齐,深度图空洞填充等操作。使深度图的质量能在原始分辨率下达到一个良好效果。同时,为了后续的深度图超分辨率恢复做准备,对彩色图和深度图进行了图像对齐的操作。本文随后提出了两种基于彩色图引导的深度图超分辨率恢复模型。一种融合了注意力机制的全卷积网络的模型,另一种是融合了单图超分、引导超分、图像的隐式表达等三个领域的技术的模型。后者使用引导超分的思想,借用图像隐式表达的骨架,采用单超分的模块,来对深度图像的超分辨率过程进行引导,从而提升超分辨率恢复的效果。同时,本文与目前先进的方法在通用数据集上做了对比,在多项指标上都取得了良好的效果。最后本文展示了模型在真实场景下的应用示范,证明了本文方法的实用性。