随着计算机视觉相关领域的发展，传统的二维成像技术已经不能满足人们的需要;越来越多的基于三维图像的技术不断涌现，丰富了人们的生活，也促进了科技的发展。另一方面，许多的应用诸如:人机交互、三维电视、场景重建、手势识别、增强现实等对三维信息的获取也提出了更高的要求。因此，要想获取真实的三维图像，我们需要对场景或物体进行深度感知。基于结构光进行深度感知技术因其原理简单，易实现等特点被广泛使用。然而，目前基于结构光所获得的深度图像普遍存在低精度、低质量以及低分辨率等问题，因此，对高精度深度图像获取过程中若干问题进行研究具有一定的理论价值和十分重要的现实意义。本文着重介绍了三项研究工作内容，自适应多密度结构光深度感知技术、基于自相似性稀疏表示的深度图像修复以及利用全新的基于结构多字典深度图像超分辨率重建技术，最终实现快速、高质量和高分辨率的深度感知。　　本文具体工作有以下几个方面:　　1.在结构光三维测量方面，基于空间复用的结构光深度感知技术，因其低延时而获得众多研究学者的青睐。但是目前就这一部分模板设计基本上是采用单一模板形式，并未分析深度图像精度与散斑颗粒度和图像特征点匹配精度影响关系。因此，本文提出了一种基于多密度自适应结构光编码方法。通过采取动态联合调制的方法生成最终的投射编码图案，提高不同深度区域的散斑区分度。同时采用不同尺度的匹配算法进行相移求解，进一步提高解码准确度，从而实现高精度的深度感知。最后，为了验证我们所提方案的有效性，本文以此编码方法为理论基础，用投影仪与相机设备构建了基于多密度自适应结构光进行深度获取的装置。最终所获得深度图像从主观和客观层面共同表明所提方法因考虑了深度图像精度与散斑颗粒度和图像特征点匹配精度影响两者之间的关系使得深度感知在精度和速度上达到一个良好平衡。　　2.本文深入讨论了深度图像所含噪声的特点，针对深度图像所独有的非高斯噪声如坏点、奇异点等，提出一种基于非局部自相似性稀疏表示的深度图像修复模型。该修复模型利用深度图像与相应高分辨率彩色图像之间结构的一致性，引入深度图像自身非局部相似性约束和奇异点稀疏约束条件，在基于稀疏表示的理论下将深度图像的修复问题转化为修复模型最优化求解问题。最后的实验结果说明本文提的修复模型不仅可以有效去除同于一般图像中的高斯噪声外，也可以修复深度图中独有的奇异点和“空洞”等非高斯噪声。同时将结果与主流修复方法相比，获得较好的信噪比。　　3.基于结构光技术等进行深度感知所获得的深度图像分辨率相对较低，无法直接被用于重建高质量、高分辨率的三维模型。本文在讨论了基于字典学习的深度图像超分辨率算法中存在的实际问题后，提出一种基于结构多字典稀疏表示深度图像超分辨率重建算法。用一种全新的字典选择策略生成基于块的字典，即根据输入的低分辨率深度图像块和彩色图像块的结构特征自适应生成只属于图像块的字典，使得字典表示能力更强，重建结果更优;同时字典生成策略避免了字典训练过程，且字典原子是针对块的结构进行自适应选择，原子数量可变，进一步提高了重建算法的时间效率。