从二维图像中估计场景的深度信息是计算机视觉领域的经典问题之一,其主要目的是获取各场景点与摄像机之间距离,从而实现场景三维重建等任务。从相机成像原理可以发现散焦模糊量与深度信息之间存在着某种非线性关系。近年来,基于散焦图像的场景深度估计算法受到较多的关注。该方法假设场景边缘是锐利的,根据图像中各边缘位置的模糊程度计算出对应场景点的深度信息,进而扩展到整幅图像。然而,基于散焦图像的场景深度估计算法普遍存在着这样一个问题,即图像中纹理细节会带入最终的深度图,导致深度估计误差。针对这一问题,本文基于局部一致性假设,采用超像素处理结合LO梯度最小化,有效减少了细小纹理的引入,并利用图像分割与深度估计之间的联系通过迭代方法对深度图像进行修正。具体而言,本文的主要工作包括以下几点：(1)首先,本文提出了局部一致性原则,认为2D图像上每个属性一致的区域都对应着3D场景中的一个平面片,其深度信息呈现出一致性。基于这一原则,利用2D图像的颜色信息对输入图像进行过分割,保证得到的每一块分割块所对应的深度信息均满足一致性原则。其次,本文引入了LO梯度最小化,以去除输入图像中的弱边缘,保留图像中的强边缘和图像结构的完整,更好地克服了输入图像中的细节导致的深度估计错误。(2)通过实验发现图像分割与深度估计之间存在着相互促进的关系,即利用图像分割可以进行深度估计,深度信息同时也能优化图像分割的结果。基于此我们将迭代的思想加入到深度估计中,用深度信息优化分割结果,并提出深度图的相异度作为迭代的终止条件,最终得到更好的深度图。