近年来，随着经济的发展和生活水平的提高，图像和视频在人们日常生活中应用的越来越广泛，尤其是在视频监控领域的应用。随着人们对图像质量的要求越来越高，智能化高清监控时代已经来临，如车牌识别，人脸识别，人体动作分析等技术已经应用于日常生活中，更快更好地提升图像的质量已经成为当前也是未来一段时间内必须解决的一个问题。Kinect是微软推出的一款体感设备，可以同时采集彩色图像、深度图像和人体骨架三种模态数据。2014年7月推出的新版kinect在深度图像上的分辨率只有424×512，远低于彩色图像1080×1920的分辨率。所以，提高深度图像的分辨率对于kinect的应用有着重要意义，也成为众多学者努力的方向。　　为此，提出了一种基于机器学习的深度图像超分辨率算法，并用改进的联合双边滤波器对深度图像进行修复。本文所提出的算法最大的优点就是利用了机器学习的方法，找到彩色图像与深度图像之间的映射关系，对每一个像素的深度值估计都参考了所有像素的亮度信息和空间位置信息，不再受周边像素点是否有深度值的限制。即使深度值有大面积缺失，也能通过其他区域的深度值，利用彩色图像对缺失的深度值进行恢复。而且，本文所介绍的算法对于边缘信息的保留效果十分显著，边缘清晰，走向与高精度高分辨率的彩色图像完全一致。能够很好的解决Kinect2.0的深度图像与彩色图像分辨率差异大和深度值大面积缺失等问题。