单张图像的深度恢复是计算机视觉中的重要研究领域。在场景理解、3D建模、人体姿态识别等计算机视觉任务中有着广泛的应用。近几年来随着深度学习的快速发展,基于卷积神经网络恢复深度的深度恢复方法,逐渐成为本领域里的主流方法,不断刷新着单张图像深度恢复的精度记录。然而,该类算法也存在着对训练样本数量要求高、自动恢复的深度图难以根据用户需求修正、以及难以定义反应深度图真实性的损失函数等缺陷。针对这些问题,本文首先应用深度残差网络和条件随机场对单张图像进行深度恢复。残差网络能够获得图像更大的视界,提取更复杂而合理的特征,而条件随机场对图像边缘具有很好的约束,可以在少量训练样本情况下产生较好的训练效果。实验表明,本文提出的算法恢复出的深度图像在准确率和视觉上都能达到不错的效果。针对基于卷积神经网络自动恢复的深度图一经生成后用户难以调整的问题,我们提出了一种人机交互式的修正算法,用户观察由神经网络生成的原始深度图,对其不满意的地方,通过简单的缝合操作来修正它。该操作可以不断重复,直至用户满意为止。我们还把该算法集成进一个系统里,使操作更加方便。针对难以手工定义反应真实深度图特征的损失函数的问题,本文提出了基于对抗生成网络的深度恢复算法。该算法分别构建一个深度生成模型和一个判别模型,判别模型以真实的和恢复的深度图分别为正负样本学习真实深度图中像素间的合理性规则,并且反馈给深度生成模型,使其能产生符合这些规则的深度图。这两个网络进行对抗训练,相互促进,能够产生效果更佳的深度图。