飞行时间法(Time-of-Flight,TOF)深度相机是近年来备受关注的一类深度图像获取设备,广泛应用于计算机视觉领域中。针对TOF相机获取的图像随机噪声较大,分辨率较低的缺陷,必须通过相应的图像增强算法才能得到一张高分辨率高质量的深度图以备后续应用。本文的深度图像增强方法包括以下两个部分:深度图像的去噪和深度图像的超分辨率重建。在去噪部分中,本文通过分析对比多种去噪算法,选择了一种多图像平均的方法来降低深度图像的噪声影响。首先对同一场景拍摄的多张序列深度图像,再对多幅深度图进行求和运算,最后求取平均值来有效降低由随机噪声造成的图像细节模糊干扰,增加深度图的实用性。在图像的分辨率增强部分,本文从以下两个方面对低分辨率深度图像进行上采样处理,它们分别是仅使用深度相机的输出图像方法和结合同场景彩色图像方法。在仅利用TOF深度相机的输出图像进行上采样的过程中,本文列举了多种插值算法的内容和各自的局限性,提出了基于置信度和边缘优化的加权插值算法,加强置信度高的深度信息在插值过程中的权重,对传统插值算法进行改进,再根据图像梯度多方向自相关特征信息,对上采样后的图像边缘像素带进行优化,使得到的高分辨率深度图不论从视觉效果还是性能指标上都较传统算法有了很大的提升。在结合同场景彩色图像的深度上采样的过程中,将彩色纹理信息作为先验知识约束来辅助深度图像完成超分辨率重建。但是针对灰度阶跃性较大但深度又相对连续的区域,容易造成重建后的深度值失真的缺陷,本文提出了基于边缘优化插值的二阶总广义变分算法,在构建能量函数模型前先通过基于边缘优化的插值算法对低分辨率深度图进行预处理,为重建后数据的保真度带来更多约束。实验证明,该方法极大提高了上采样后的深度值精确度,并具有更清晰的边缘。