单目场景图像的深度估计应用在3D场景重建,视觉导航,图像分割,人体姿态估计等众多视觉任务中,其目的在于从一个二维图像中获取图像的场景深度信息。现有基于深度学习方法,在判定局部深度和场景深度过程中,仍然受到场景歧义信息和噪声信息干扰,难以提取复杂深度模式。这是由于同一个二维场景学习三维信息本身是病态问题,无限多的三维场景可以被映射为相同的二维场景画面,从而,导致深度估计任务一直是计算机视觉任务的一个难点。论文细分场景深度估计为两个子问题,针对这些问题本文开展了以下工作:1本文阐述了场景深度估计从物理启发到深度启发的研究现状,并分别阐述了物理启发和深度启发的相关方法流程,为采用深度模型提取局部边缘遮挡和场景深度估计提供理论基础。2针对遮挡边缘检测容易受到噪声信息干扰,受到场景边缘遮挡关系与边缘检测的共性特征启发,本文设计出带共享主干网络的多分支模型,用于同时提取边缘和边缘朝向检测。该模型中的边缘检测和边缘朝向检测使用共享的主干网络,并融合非极大抑制,可以抑制非边缘信息的干扰,提取边界两侧的遮挡关系表示。在PIOD数据集上,验证了本文方法在边缘检测和边缘朝向检测的准确性。3针对深度估计特征学习容易受到梯度消失而造成的模型退化问题,本文提出一种融合残差和密集连接的深度网络设计。首先,使用卷积网络中的下采样操作,收集图像中多尺度特征;然后,设计一种残差Dense ASPP模块来提取复杂场景深度模式;最后,通过上采样过程恢复特征分辨率,完成高精度的场景深度估计。在公认的场景深度估计数据集NYU-Depth-v2实验结果表明,获得比当前其他方法更高的准确性和更小的误差。本文提出的方法对于复杂场景中物体边界预测不精确的问题有很好的改善作用。