随着人类认知能力和需求的不断提高,传统的图片和灰度视频、彩色视频等已经不能够传达人类所需的所有信息。深度相机的出现,是计算机视觉、图像处理等领域的一个创新,深度传感器采集的深度数据能包含物体的深度信息,不受光照、表面不平等影响。低秩矩阵恢复理论是近年来机器视觉、人工智能等领域的新课题,低秩矩阵恢复衍生于压缩感知理论,经过多年的研究,已经逐渐成为独立的一个体系,且扩展到低秩张量恢复,可以处理高维数据。由于设备本身的问题,或者外界条件影响,深度相机采集到的深度数据通常都含有噪声和空洞现象。本文的目标是对Kinect采集的深度视频进行去噪和修复,现有的视频去噪方法大都基于帧,且用矩阵的形式,不能保持视频的内部结构。针对这些问题,本文提出一种基于张量的深度视频增强算法,首先对Kinect获取的深度视频进行预处理,运用加权移动平均机制抑制闪动效应,对于处理之后的深度视频进行前景背景分离,之后只对前景运动目标进行增强,且在分离过程中,大部分噪声是可以消除掉的。然后对只含有前景目标的深度视频进行相似块匹配,并用张量来表述每个相似块,保持视频信息的内部结构,对每一个深度视频中的相似块,在对齐后的彩色视频帧中找出对应的彩色视频块,利用联合双边滤波,以彩色图视频块为引导,初步修复深度视频块,保持图像边缘。把处理后的相似块加权平均后,放回原视频,然后再利用张量恢复模型进行修复和整体视频噪声的去除,以达到整体空洞填充的目的。大量实验证明,本文的方法对深度视频的去噪和修复都有很好地效果,且保持了视频内部结构。