单目图像的场景深度估计,关注于如何从单目图像中获得场景深度信息。在Marr奠定的计算机视觉理论中,将单目图像的场景深度估计作为人类视觉的一项重要任务。随着含有场景深度信息的RGBD数据集的构建以及深度卷积神经网络在计算机视觉任务中广泛应用。单目场景深度估计通常被定义为连续回归问题,采用卷积神经网络进行端对端的学习,但是现有的深度估计模型中仍然存在以下几大挑战:(1)单目图像场景深度信息估计需要像素级的预测结果,卷积神经网络模型下采样过程中的图像分辨率的损失,会导致场景深度估计精度不足。随着深度卷积网络层数的增多,网络模型针对固定的数据集进行训练时梯度退化现象严重,造成场景深度估计模型的学习能力降低;(2)由于深度卷积网络模型的下采样过程引起的图像中复杂边界定位不准确,而造成的目标边界处场景估计模糊的问题。针对这些问题本文主要开展了以下工作:针对场景深度估计模型中图像的复杂边界定位不准确,本文构建了一个共享主干网络的双子网模型同时进行输入图像的物体边缘和边界的朝向检测,最终融合得到图像中目标区域之间的遮挡关系。对该模型检测到的遮挡关系分别采用输入融合和输出融合两种融合方式,作为本文提出的场景深度恢复模型的先验特征信息。针对深度网络模型加深所引起的网络训练时的梯度退化问题,受密集神经网络中特征汇集过程的启发,本文提出一种针对上/下采样过程的采样密集神经网络模型。首先,模型使用层次卷积和下采样策略描述图像中不同层次目标的基本结构,其次,采用反卷积和上采样策略,恢复场景深度分辨率,避免卷积神经网络对图像分辨率的损失。最终,通过分析上/下采样过程中目标边缘保持的对应关系,引入相同尺度采样约束下的跨层连接,实现高精度的场景深度估计。在场景深度估计公认的NYU-Depth-v2数据集实验说明,本文方法能够有效改善复杂目标边界等干扰情况下的场景深度估计效果,并在深度估计误差和准确性上,优于当前场景深度估计的主流方法。