近几年来,RGB-D传感器,如ToF、kinect深度相机的出现,为场景深度信息的获取提供了直接快速的方式,在三维场景重建、智能人机交互、机器人自主导航等领域有广泛应用。然而,由于硬件的限制,深度传感器所获取的深度图像存在分辨率低、深度信息缺失以及噪声干扰等缺陷,限制了其应用发展。本文分析深度图像的特性,利用深度图像与对应的彩色图像的相似性,从基于局部滤波和基于全局优化的两个角度研究深度图像重建算法,获取高分辨率、高质量的深度图像。主要工作包括:1、提出一种纹理边缘引导的深度图像重建算法。该算法针对深度图边缘与相应彩图边缘不对齐的问题,利用同一场景深度图像与彩色图像的相似性,采用基于结构化随机森林的方法检测并提取深度边缘的错误区域,并提出基于边缘结构感知填充方法对边缘错误区域进行修正。实验结果表明,所提出的算法在重建深度的同时能使深度边缘与彩色图像边缘对齐;而且由深度图映射的三维点云也能正确区分前景和背景,展示了较好的三维重建效果。2、提出一种基于马尔可夫随机场模型(MRF)的深度图像重建算法。该算法利用彩色图像与同场景深度图像的结构相似性,在MRF模型的基础上引入图像结构相关性等约束,利用彩色/深度结构相关性分权重结合深度非局部相似性和彩色图的局部相似性构建平滑项权重。通过深度图像上采样和空洞修复实验结果表明,该方法在不同采样率下均可获得更优的主观效果和客观指标,修复后的深度图能够剔除冗余纹理边缘信息的影响,保持清晰正确的深度边缘。因此,基于滤波的方法能对局部区域进行精细化处理,适合对深度图像边缘区域进行修正;而全局优化的方法能利用更多的全局信息,在高采样率的深度重建中能获得整体更优效果。