近年来,TOF深度相机在三维重建、人机交互、增强现实等领域有着越来越广泛的应用。TOF深度相机有着精度高的不可比拟的优点,但是传统的TOF相机也存在速度慢、不易操作、成本高的缺点。而随着微软推出新型廉价高效的硬件设备TOF深度相机Kinect后,它自身无法比拟的优点,例如体积小、易操作和价格低廉,使其在三维扫描应用广泛,适用于娱乐业和消费电子、历史遗迹保护、医学图像和手术规划、机器人(交互与导航)以及检测和逆向工程等领域。但由于Kinect捕获的深度图像存在噪音大的缺点,因此,如何通过这些粗糙甚至不全的信息获得精细、平滑和精度较高的深度图像是一个棘手问题。本文在山东省科技发展计划“基于静态深度摄像机的便携式三维人体测量系统的研究与开发”的支持下,对增强深度图像的分辨率做了重点研究/为了得到与RGB图像同样分辨率的深度图像,首先用双三次插值算法上采样一幅低分辨率深度图像,得到高分辨率深度图像。针对得到的深度图像存在噪音的问题,提出了一种新的最优化框架来增强深度图像。提出一种新的加权机制,使深度图像与高分辨率RGB图像结合以产生更清晰的细节,平滑边缘。在置信权重确定方面,不仅利用颜色相似性与空间相似性,而且引入颜色梯度以避免在重建过程中引起深度溢出。由于深度图像还存在伪影的问题,引入高斯加权中值滤波项,以消除伪影与保持边缘。该算法应用到对深度图像的处理中,并与现有的图像增强算法进行比较。实验结果表明,该算法能够更好地保留边缘、消除噪音,并且具有最低的均方根误差,本文方法切实有效。