三维成像在军事领域、航空航天、自动驾驶、生物医学、工业生产等领域中发挥着至关重要的作用,已成为世界各国目前研究的热点。三维成像系统,如闪光成像激光雷达和飞行时间相机,可以提供高精度的深度图像,但受到硬件条件的限制,目前存在空间分辨率较低的问题,无法满足实际的需求,为了克服这个问题,本论文研究了多源传感器系统,将低分辨率深度图像传感器与高分辨率强度图像传感器相结合,通过基于强度图像引导的深度图像超分辨算法来获得高分辨率、低噪声的深度图像。本论文所完成的具体工作包括:(1)介绍了深度图像超分辨算法的研究背景和意义,介绍了三维成像主要方法原理和特点,详细研究了目前国内外深度图像的超分辨算法的发展现状和发展趋势。(2)对深度图像超分辨成像系统的组成以及图像处理算法流程做了概述,分析了深度图像产生噪声的因素,深度图像预处理和去噪声的方法,深度图像和强度图像的配准方法,以及超分辨效果的评价方法。(3)分析了基于局部滤波的深度图像超分辨算法的原理,并在此基础上提出了一种自引导联合滤波算法。采用标准数据集进行了超分辨率算法对比实验,实验结果表明,和传统的滤波算法相比,所提出的算法能够较大程度地避免传统算法存在的纹理转移问题,同时能够抑制噪声,取得了较好的超分辨结果。(4)分析了两种基于全局能量优化的深度图像超分辨算法的原理——基于马尔科夫随机场和基于广义全变差正则化的深度图像超分辨算法。采用标准数据集进行了超分辨算法对比实验,实验结果表明,相比于基于局部滤波的深度图像超分辨算法,基于全局优化的算法受强度图像纹理特征影响更小,能够更好的保持图像的边缘结构。(5)搭建了基于Kinect深度相机的深度图像采集硬件系统,设计了图像采集和深度图像超分辨算法软件,完成了图像采集、预处理和图像配准工作,对上述几种深度图像超分辨算法进行对比和分析。本论文研究的算法能够有效提高深度图像的分辨率,所提出的自引导联合滤波算法得到的深度图像误差更小,优于现有的算法。