单目图像深度估计是计算机视觉和模式识别领域的一个基础而关键的问题,其目的在于从二维图像中恢复出逐像素的深度信息,在自动驾驶、机器人、2D转3D和手机娱乐等领域有着广泛的应用。普通相机采集的图像实际上是真实世界的二维投影,缺失了场景的深度信息。虽然深度传感器可用于采集深度数据,但因其深度感知距离有限、深度分辨率低且稀疏等缺陷导致其应用存在一定的局限性。因此,从单目图像中估计出深度信息受到了学术界和工业界的广泛关注。由于单目图像深度估计的主要技术途径之一是通过有监督的学习方式实现,而深度传感器采集的深度数据存在大量离群点以及样本多样性不足的问题,严重影响了模型的准确性以及泛化性。为了有效解决上述问题,本文做出了以下贡献:针对深度数据集中的深度标签存在大量离群点的问题,提出了一个基于稳健回归的单目图像深度估计模型。通过在每次迭代优化时筛选出离群点并只计算有效点的损失,来消除大量离群点对于模型训练的不良影响。同时,设计了一个基于多尺度特征融合的编码–解码网络,用以输出结构化的深度预测结果。为了解决逐像素的度量指标无法准确衡量深度结构准确性的问题,本文还引入了一种客观的结构感知度量指标。含噪仿真数据和真实数据的实验结果验证了所提方法的有效性。针对深度数据多样性不足、稠密深度标签获取代价大的问题,提出了一种自动生成稠密深度标签的方法。它利用网络立体图像通过光流估计和语义分割等技术途径自动生成稠密的相对深度图。在此基础上,提出了一个由场景多样的彩色图和稠密相对深度图组成的新数据集。由于该数据集中深度的尺度和平移因子是未知的,本文提出一个基于点对的排序损失用以监督模型的训练。实验结果表明提出方法具备非限定场景下深度感知能力,其性能优于同期最好的方法。针对现有模型的预测结果普遍存在深度边缘模糊、深度结构一致性差的问题,提出了一种基于结构引导的排序损失函数。通过底层的边缘图和高层的对象实例掩模来引导点对的采样,以此更好地表征重要区域的结构。实验表明,结合结构引导采样的排序损失能显著提升深度图预测的质量。同时,为了提升模型的准确性和泛化性,在上述提出的稠密深度标注图生成方法的基础上,进一步优化了数据生成方法,通过精准的天空掩模获得准确的零视差区域和通过左右一致性检测提供深度标签置信度,从而构造了一个质量更高、数据量更大、样本更丰富的稠密深度数据集。在实验中,本文对六个基准数据集进行了跨数据集评估,结果表明所提的方法取得了同期最佳的定量和定性结果。最后,本文将单目图像深度估计技术应用到浅景深渲染,设计了一个基于显著目标检测和深度估计的浅景深渲染系统。浅景深渲染可分为对焦点的确定和基于深度的景深渲染两个步骤。为了自动地找到对焦点,提出了一种基于标签引导对比损失的显著目标检测方法。然后,针对目前基于深度分层的渲染方法在深度不连续处的颜色跳变和模糊不均的问题,提出了一种基于逐像素的光线发散到聚合的景深渲染算法。合成数据和真实数据的实验结果验证了所提方法的有效性。