近年来,深度图像的相关技术在人机交互、3D重建等方面得到了广泛的应用。然而普通深度传感器(如微软Kinect),其深度图像精度有限,且存在着与彩色图像不一致、深度区域缺失、噪声污染等问题。这些问题很大程度上限制了深度图像的应用。本文的研究内容是通过图像处理算法对存在缺陷的深度图像进行增强和对齐。针对原始深度图像存在着噪声污染、局部区域缺失等缺陷,本文对不同类型的缺陷给出了不同的解决方法。本文对联合双边滤波算法进行权重修改,给出了一种优化的联合双边滤波算法,用于解决深度图像的噪声污染问题。通过实验对比,验证了该算法对于深度图像的噪声问题有着更好的滤噪效果。其次对于局部区域缺失问题,本文通过对快速行进修复算法中像素的扩散权重系数进行重定义对原算法进行优化,并通过实验对优化算法的可行性以及优化效果进行了验证。本文同时也给出了一种基于马尔科夫随机场的深度图像全局优化算法。此算法是对传统的马尔科夫随机场模型的约束项进行拓展,给出了一种新的基于马尔科夫随机场模型的优化框架。该MRF优化框架可以融合深度图像和彩色图像的特征,并输出与彩色图像层次一致的高质量的深度图像。本文给出一种新的置信度算法来对深度图像进行处理,并用其结果作为数据约束项;使用本文优化的深度图像修复算法对深度图像进行修复,获取空洞约束项;对彩色图像进行边缘检测、分割,获取边缘平滑约束项。最后通过实验证明此优化算法的可行性,并且在与Park算法的对比结果中,可以发现本文算法的准确度超过了Park算法。