深度信息是人类感知立体场景的重要线索,在3D显示、重建和对象识别等领域具有广泛的应用价值。精确场景深度信息的获取,已经成为当前研究的热点。目前,基于现有技术获取的深度图还存在分辨率低、深度值不精确及易受噪声影响等问题。在基于深度图的虚拟视点绘制过程中,由于低分辨率深度图与超分辨率彩色图的分辨率不一致,会导致无法合成高质量的虚拟视点视图。因此,深度图超分辨率重建技术具有重要的研究意义。本文正是在这样的背景下,对深度图超分辨率重建技术开展了深入的研究。本文提出了基于视点合成质量的多视点深度图超分辨率重建方法。考虑到低分辨率深度图的深度信息不准确和存在噪声等问题,设计了基于视点合成质量和视点间相关性的可信度判断条件,提出了基于可信度的多视点深度融合策略,以改善低分辨率深度图的质量。此外,考虑到深度图对虚拟视点合成质量的影响,提出了联合深度值相似性、纹理相似性和视图合成质量的三边滤波上采样方法。实验结果表明,所提出的方法同时提升了重建深度图以及合成虚拟视图的质量,并且在噪声环境下获得了良好的超分辨率重建结果。本文还实现了一种基于卷积神经网络的深度图超分辨率重建方法。该方法在多层卷积神经网络框架基础上,分别建立了块表示层、线性映射层和深度图重建层,构建了端到端映射优化网络。该网络的第一层通过对输入图像块进行线性卷积,实现了图像信息到高维特征变换;中间层实现了较高层特征到另一个高层特征的映射变换;最后一层实现了超分辨率深度图的重建。实验结果表明,该方法可以获得较高质量的超分辨率重建深度图。