深度信息对理解场景中的三维几何关系具有十分重要的作用,准确有效的深度信息可以提升许多计算机视觉任务的精度。现今深度信息大都是通过深度传感器来获取的,但是由于这些方法使用场景受限、硬件成本较高,限制了其大范围的推广使用。因此,不借助深度传感器,直接从图像中获取深度信息的研究受到越来越广泛的关注。相机成像时是将三维空间投影到像平面上,这必然会造成深度信息的丢失。典型的深度获取方法大都是通过多幅图像立体匹配来实现的,而从单幅图像中直接获取深度信息长期以来被视为是病态问题,是很难实现的。近些年来,随着计算机计算性能的不断提升和深度学习的持续发展,卷积神经网络(CNN)超强的特征提取能力为单目图像深度估计问题提供了新的思路,许多方法都取得了不错的结果。但是这些方法预测得到的深度图中依然存在物体边缘轮廓不清晰、深度变化不平滑等问题。并且这些方法大都是采用复杂的图论推断来对最终得到的深度图进行优化。因此本文针对上述问题,进行了如下研究:1、为了能更好地提取输入图像中的多尺度特征,本文提出了基于密集连接网络(Dense Net)和扩张空间金子塔池化(ASPP)结构相结合的特征提取网络结构,Densenet通过密集连接单元的引入,解决了深层网络容易出现梯度消失、爆炸和模型退化的问题。ASPP通过扩张卷积的引入来实现图像中多尺度特征的提取。将两者一同应用到图像编码器-解码器结构中,从而使整个网络能够实现端对端的训练。2、针对深度图中物体边缘轮廓不清晰、深度变化不平滑的问题,本文将单目图像深度估计问题转化为多个连续的二分类问题。相比于直接回归和多分类的方法,采用多个二分类的方法能有效利用场景中深度信息从近到远顺序分布的规律。因此,可以使图像中深度相近的像素点受噪声干扰较小,预测的到的深度不跳变,最终实现平滑深度图的效果。3、针对条件随机场(CRF)等方法计算复杂且很难与卷积神经网络(CNN)相结合的问题,本文引入了虚拟法向量来优化最终得到的深度图。因为虚拟法向量是通过三维点云中不共线的三点构成的虚拟平面计算得到的,所以它在一定程度上可以反映场景中的空间几何关系。因此通过最小化真实深度图和预测深度图对应的虚拟法向量之差,便可以实现化优化深度图的目的。通过在NYU Depth V2、Make3D、KITTI这三个典型深度数据集上的训练、验证和测试,实验结果表明:本研究提出的单目图像深度估计方法得到深度图边缘清晰、层次分明,且在室内场景和室外场景中均能适用,具有较强的泛化性,可以满足多种实际场景的需求。