深度图能够反映物体与视点之间的距离,它在目标检测与跟踪、三维重建、无人驾驶以及机器人视觉等诸多应用中都发挥着不可替代的作用。通过硬件设备获取深度图是最直接的方式,但受到外界因素以及设备本身的限制,普遍存在着深度值缺失、分辨率低以及深度值偏移等问题,因此无法直接应用于对深度图质量有较高要求的计算机视觉应用中。通过算法对低质量深度图进行预处理,使其达到相关应用的要求,并且尽可能地保证实时性,是目前受到广泛关注的一个研究问题。本文算法针对低质量深度图存在的普遍问题,针对性地提出了两种解决方案,具体来说,本文的主要工作内容包括以下三个方面:（1）针对深度值缺失问题,提出了基于约束最优化的深度图修补方法。该算法旨在最小化待求点像素深度值与其邻域内像素深度值加权和的误差,其中,该权重由双边仿射矩阵的近似形式判定,而算法的约束条件为当待求点像素深度值存在时,则保留其原始深度值。此外,受到前人算法的启发,算法在“双边空间”中求解,以减少运行时间。实验结果表明,该算法与对比算法相比,修补结果精确,边缘锐利且避免了伪影问题,同时实时性强。（2）为了提高算法的普适性,使其应用于更广泛的深度图增强任务,提出了基于置信度泛化的深度图超分辨率与纠正方法。该算法针对不同的深度图增强任务,提出了相应的置信度求解方法,使其不再限于0或1。对于深度图超分辨率,置信度的求解原则是插值深度值处置信度低而原始深度值处置信度高;对于深度图纠正,由于深度值偏移主要发生在边缘区域,因此置信度的求解原则是边缘区域置信度低而平坦区域置信度高。同时,为了保证算法的高效率,沿用了在“双边空间”中的求解方式。实验结果表明,该算法的修复效果明显,具有较高的准确性与实时性。（3）针对上述两项研究内容设计并实现了深度图增强的原型系统。包括输入图像、预处理、置信度计算、图像增强以及结果图像保存五个主要模块。用户可以根据自己的需求选择进行深度图修补、深度图超分辨或者深度图纠正。本系统界面简洁,用户友好性强,功能较为完善。