深度图像作为一种三维场景信息的表达方式在当今的计算机视觉系统中得到了广泛的应用,然而激光雷达、TOF相机、Kinect等各类深度传感设备所获得的深度图像往往并非完美,通常存在分辨率低、深度信息区域缺失、噪声等问题。而本文所研究的问题是如何基于现有的存在缺陷的深度图像通过图像处理算法得到一幅高质量高分辨率的深度图像,该问题通常被称为深度图像增强问题。本文通过结合与深度图像对准的彩色图像,从基于局部信息与基于全局优化两个角度对深度图像增强算法进行了创新性的研究。本文首先提出了一种基于快速行进法的深度图像缺失区域填充技术。该方法将彩色引导图像信息引入传统的基于快速行进法的图像修补模型中,提出了一种新的像素深度估计模型并修改了深度未知区域像素点填充的次序。该算法有效解决了Kinect捕获得到的深度图像的深度区域缺失问题,相比较于现有方法对区块深度缺失区域填充有着更好表现。本文随后提出了一种基于各向异性扩散模型深度图像增强方法。该方法将有效深度节点视为热源,通过热源向未知深度区域扩散热量的方式完成深度图像增强,在该过程中扩散的权重系数由彩色引导图像计算得到。通过与其他算法的比较,本文提出的基于各向异性扩散的深度图像增强算法是极具竞争力的。除此之外,本文基于马尔科夫随机场的深度增强模型引入了基于窗口的数据项约束与二阶平滑约束,并给出了完整的模型构建与求解方案。