场景的深度估计是计算机视觉领域中的一个经典问题,也是三维重建、图像合成等应用中的一个重要组成部分。深度估计问题根据描述场景的视图数量,可以分为单目视图与多目视图。与基于多目视图的深度估计方法相比,基于单目视图的深度估计方法在设备和环境的要求上更为简单,具有更为广泛的应用价值。但由于缺少诸如运动、立体视觉等可靠的深度线索,以及理论上单目视图中任意像素点的深度值均可以有无数个解,因此单目深度估计任务非常具有挑战性。传统的单目深度估计方法在处理该问题时主要依赖于阴影、纹理等图像本身的特征来构建数学模型,以实现像素值与深度值之间的映射。虽然这类方法的实现更为简单,但是都需要对深度估计问题附加额外假设,难以广泛地在各应用中进行推广。而基于深度学习的单目深度估计方法可借助卷积神经网络的强大性能,直接建立彩色像素与深度值之间的关系映射,这不仅获得了比传统方法更为优秀的估计结果,而且具有更好的泛化性能。但是目前基于深度学习的单目深度估计研究主要是在空气环境中进行的,水下环境的研究仍然以传统的视觉方法为主。与空气环境相比,水下环境中基于激光、红外线等原理进行深度采集的设备运用相对困难,不便采集与光学图像匹配的真实深度信息作为参考。深度学习作为一种以数据为驱动的技术,没有适合的可用数据集这一情况,导致了基于深度学习的水下单目深度估计方法的相关研究进展缓慢。针对上述问题,本文对基于深度学习的水下单目深度估计方法展开以下研究:（1）针对水下场景缺乏可参考深度信息问题,考虑使用无监督学习的方法将深度估计问题转换为图像重建问题来进行处理,借助双目立体视觉的图像重建原理,使用模型预测结果进行图像重建,以图像重建损失为主要损失函数来约束模型的权重。同时,考虑到水下环境复杂多变,直接对深度结果进行预测的难度较高,本文选择使用在预测结果上鲁棒性更好的离散化序数方法进行结果的预测,并提出了一种基于序数关系的水下场景无监督单目深度估计方法。该方法采用编解码器结构,首先在编码器部分对输入图像进行编码,提取高层特征,然后在解码器部分进行上采样,恢复底层特征,最后根据离散化的序数标签进行逐像素的分类,并以数学期望的形式计算出像素点的深度预测结果。其中,本文在编码器部分提出一种基于视觉注意力机制的奖惩模块,在不增加网络参数量的前提下,加强网络模型预测结果中的细节表现;还提出一种结合扩张卷积和场景编码金字塔的深度关联模块,通过对高维特征进行多尺度的融合,加强高维特征间的全局联系。由于包含深度信息的水下图像数据量小,本文使用地面环境的数据集进行网络预训练,再使用水下数据集进行迁移训练,获得有效的水下单目深度估计模型。（2）针对水下图像模糊度高、对比度低等常见图像退化问题对深度估计任务造成的不利影响,本文进一步提出了一种结合水下光学特性的改进水下单目深度估计方法。首先,结合传统水下图像增强方法设计了一种水下图像增强模块,优化输入网络的图像特征,使网络的预测结果更为合理;其次,优化了序数关系离散化的尺度,使模型的预测结果更符合水下环境中的深度分布;同时,使用计算原始水下图像和重建图像间误差的图像重建损失,以及基于水下图像成像原理提出的结合透射图计算的光度重建损失,为模型施加额外约束。基于上述的改进策略和新的损失函数,有效提高了网络模型的预测性能。本文系统地研究了基于深度学习的单目深度估计方法中细节特征被弱化的问题和面向水下环境的无监督单目深度估计方法,所提出的方法有效提高了网络模型的预测能力和对于水下环境的适应性,并通过充分的实验论证了本文方法的有效性。