深度图在计算机视觉领域中扮演着重要角色,深度图的恢复是当前研究的热点问题。对于单目视图,深度图的意义在于可以生成立体图像或视频;对于多目视图,深度图的用途更为广泛,不仅可以生成立体图像,还可以实现基于图像的渲染和三维模型的重建。基于深度图的重要意义,本文围绕深度图的恢复方法展开讨论,包括单目视图的深度图恢复和多目视图的深度图恢复。由于单目视图并不包含显性的深度信息,因此难点在于如何利用合适的深度线索进行深度信息的挖掘。多目视图虽然包含显性的深度信息,但是想要获取效果理想的深度图也比较困难。我们正是针对以上问题进行了深入的研究,成果如下。提出了一种单目视图深度图恢复的自动方法。该方法首先利用KLT特征跟踪算法提取单目图像序列中的帧间运动信息,然后利用运动信息实现物体分割和深度估计,从而得到每一帧的深度图。此方法基于帧间的运动信息来恢复深度图,优点在于不需要人工参与,可自行计算。实验表明我们的方法可恢复得到较为准确的深度图。提出了一种单目视图深度图恢复的半自动方法。该方法首先通过用户操作来恢复单目图像序列中关键帧的准确的深度图,然后以特征跟踪方法作为深度扩散方法,自动计算非关键帧的深度图。此方法的优点在于,可以恢复高质量的深度图,同时最大程度上减少用户的工作量。测试序列上的实验结果表明我们的方法可恢复得到较高质量的深度图。提出了一种多目视图深度图恢复的方法。该方法首先利用多视角几何的原理进行立体匹配,然后利用“匹配一致性度量”方法将来自多个相邻视角的匹配信息融合,从而得到参考图像各像素的深度置信函数,最后以BP算法作为全局优化方法计算参考图像的深度图。实验表明我们的方法效果良好,可恢复得到多视角的准确的深度图。?