获取数字图像中物体的深度信息,即物距离相机的远近关系,是机器视觉学科一项重要的任务。图像的深度信息一般表示成对应图像的深度图,深度图中每个像素的灰度值代表原图对应像素到相机所在平面的距离。获得的深度图是二维图像进行三维重建的基础,同时也为图像的分割、聚类、识别等提供了新的途径。图像的深度信息还是工业生产实现自动化的重要基础,也是机器人、无人机、无人车等智能机械实现自动寻径、自动规避等功能的重要依据。目前获取图像深度信息的方法主要分为多目方法和单目方法。多目方法得到图像深度图的准确度接近激光深度探测器,但需要同一场景的多幅图像进行计算;单目方法可以对单幅图像进行计算,但适用的场景较少且准确度较低。因此本文提出一种可对单幅图像使用的双目视觉模型来估算图像物体间的相对深度值。主要工作如下:首先,本文对传统双目模型原理进行深入分析,提出一种基于SFS算法的改进双目模型方法。方法首先利用SFS算法得到图像初始深度值,再利用初始深度值计算得到双目模型参数,最后利用双目模型参数计算出物体的深度值。然后,针对引入SFS算法引起的物体深度值不统一问题,提出一种结合物体轮廓信息的深度值赋值方法。通过计算物体轮廓区域内的众数,对每个物体赋予一个统一的深度值,生成图像的深度图。再利用伪消失点法修正深度图,选定消失点计算消失线,并依据消失点与消失线的特性对图像的深度值进行调整,使图像深度值的计算更加准确。最后,将上述方法应用于图像鉴别与自动驾驶。利用镜像原理,上述方法得到的深度图能够分辨具有镜像特征的CG图(计算机图像),经实验数据拟合出一个幂函数作为物体的距离模型,该模型在一定程度上可以反映图像中物体间的真实距离关系。经实验验证,本文双目模型可以得到单幅图像的深度信息,不需要进行相机标定,不需要进行立体匹配,对图像场景要求较低,适用范围较广。