当今信息社会也可以认为是图像信息社会。图像信息社会中,计算机视觉是最重要的部分,而三维重建又是计算机视觉中最重要的内容,即从二维图像中解译出真实的三维景物信息。目前,三维重建技术广泛应用于医学、精密工业检测和勘探中。在进行图像探测时,由于空间狭窄等限制,内镜影像系统拍摄的场景图像的模糊,一般是出现散焦图像或运动模糊造成的。相比较而言,出现散焦图像的频率较高,因此,可以通过散焦图像深度信息恢复(Depth from Defocus, DFD)方法,获得精确的三维可视化场景,为工作人员提供决策参考。在众多的DFD方法中,空间域确定性方法因其原理简单、易于实现和实时性,得到了广泛的研究。但是,已有的空间域确定性方法精度仍不够高。因此,本文提出了一种基于矩量保持的新的空间域确定性散焦图像深度恢复方法,以弥补精度上的不足。围绕该方法的提出做了如下工作：一方面,首先,提出新的基于矩量保持的空间域确定性的散焦图像深度计算表达式,该表达式建立了散焦半径之比与深度之间的关系,用其进行景物深度恢复时可以允许相机在获得散焦图像时任意改变相机的两个参数：像距和焦距。弥补了传统方法在拍摄图像时只允许相机改变一个参数的限制。其次,利用Canny算子分割图像以获得梯度图像。先以水稻叶片灰度图为例,应用Roberts算子、Sobel算子、Prewitt算子和Canny算子对图像进行边缘检测,结果表明Canny算子最好,Sobel算子次之,与传统的Sobel算子相比,Canny算子能检测出更细的边缘,精度高。随后,采用Canny算子把同一场景的两幅散焦灰度图像分割成梯度图像。最后,根据矩量保持的计算原理,使景物的深度恢复简单化。先计算出灰度图像分割成的两幅梯度图像中每一块中大梯度区域与整个区域面积的比值,后计算出两幅梯度图像中一一对应的大梯度区域与整个区域面积的比值之比,最终用各比值之比代入表达式来计算出各深度值。另一方面,对新的基于矩量保持的空间域确定性散焦图像深度恢复方法和传统的基于矩量保持的空间域确定性散焦图像深度恢复方法分别进行仿真图像的深度恢复研究。实验结果表明新的基于矩量保持的空间域确定性散焦图像深度恢复方法的深度恢复结果各误差较小,平均值更接近真实值。在深度为400m的水平上,精度提高了3.67%；在深度为1000m的水平上,精度提高了24.25%;平均精度提高了13.96%。本文通过建立散焦半径之比与深度的关系推导出新的基于矩量保持的确定性散焦图像深度恢复方法,利用Canny边缘检测算子和矩量保持的计算原理成功地恢复出了景物的深度信息,该方法满足计算简单、实时性和精度高,对DFD方法的研究起到了一个有益的补充作用,具有十分重要的理论与现实意义。