获取稠密的高质量场景深度图像是感知和重建三维场景的一个关键环节,也是计算机视觉领域的一个研究热点。利用单幅图像来获得高质量场景深度信息的方法即为单目场景深度推断。由于该类方法本身是一个不适定问题且可利用的图像信息较少,因而难度更大、更具有挑战性。目前单目场景推断方法根据不同相机数据类型:退化深度图像、彩色图像,可以进一步分为单目深度恢复和单目深度估计两种。其中单目深度恢复方法往往存在模型刻画不精确、目标函数非凸等问题,而单目深度估计方法由于缺乏图像几何约束往往需要大量的深度标签。因此,为了解决基于异源相机数据的单目场景深度推断存在的问题,本文提出了基于稀疏诱导先验的图像分解模型以及结合场景先验知识和网络结构优化的无监督单目深度估计方法,来获取高质量的场景深度图像。其主要研究内容如下:1.基于稀疏诱导先验图像分解模型的单目深度恢复方法。现有的单目深度恢复方法往往不能刻画深度图像在不同区域的本质属性,并且往往不能保证模型目标函数的凸性,从而导致复杂的求解过程。因此,本文提出了一种基于稀疏诱导先验的图像分解模型,该模型从信号分解的角度出发,将深度图像分成平滑区域和深度跳跃区域。然后对于不同的区域分别使用最小二乘多项式和稀疏诱导先验进行拟合,来更加本质地刻画二维深度信号特征。本文提出的基于Moreau包络（envelope）的稀疏诱导先验虽然是非凸函数,但可以证明当满足0<α≤μ条件时,模型的整个目标函数关于每个变量的凸性。提出了基于近端梯度（proximal gradient,PG）与交替方向乘子法（alternating direction method of multipliers,ADMM）混合的模型优化算法,并给出相应的收敛性证明。最后,针对于算法计算量问题,提供了一种加速算法,使得程序测试时间缩短为原来的1/20。在Middleburry数据库上,关于处理深度图像噪声、低分辨率和深度值缺失退化问题的实验结果表明所提出的方法可以达到比其他方法更好的效果,相应的误差指标最高分别减少了 30.5%,21.3%,22.0%,验证了模型和算法的有效性。2.结合场景先验知识的无监督单目深度估计问题研究。目前基于监督学习的单目深度估计方法通常需要大量的真实深度标签作为训练数据。相对地,无监督单目深度估计方法通过利用立体匹配对（双目数据）或者单目视频作为训练数据,然后进行单目深度推断,克服了上述方法的不足。但由于缺乏真实深度标签的监督,其深度推断的数值结果和视觉效果往往不如基于监督学习的单目深度估计方法。为此,本文提出通过结合基于自然场景的先验知识,包括人工设计的先验和可学习的先验,利用注意力机制和矩形卷积分别从不同维度和方向获取特征相关性信息。同时设计了融入几何关系的损失函数来更好地指导网络的训练,并提出了一种可学习近端算子模块通过模仿基于变分模型的近端算法来增强网络初始估计深度图像的边缘和细节。在KITTI数据库上的定性和定量实验表明所提方法取得比现有无监督学习方法更优的深度估计结果。其中3.3实验部分的误差指标最高分别减少了 8.7%和10.5%;而3.4实验部分的误差指标最高减少了29.4%,并且在Make3D数据库上的实验结果的误差指标最高减少了 21.5%,从而表明所提方法拥有更好的泛化性能。3.基于无监督单目深度估计的深度图像精细化以及网络结构优化问题研究。由于目前的网络结构中往往存在大量的池化和下采样操作,导致特征信息的丢失,使得当前基于单个网络得到的深度推断结果通常不能令人满意。并且目前的无监督单目网络其结构设计往往存在局限性,即通常在训练时无法充分利用双目信息。为此,本章节主要包括两个方面的工作,一方面提出了一种基于级联网络结构的图像精细化方法,这种由粗到细的级联网络结构能够充分获得各个水平的互补特征,提高网络的特征表达能力。另一方面,提出了一种单目网络和双目网络相结合的新的网络结构,它可以同时允许单目或者双目图像测试。并设计了一种新的蒸馏机制通过借助于双目图像训练数据的信息来辅助单目图像深度估计,使得单目无监督深度估计网络能够学习到更加精确的几何知识。在KITTI数据库上,通过大量的定性和定量实验表明所提方法比现有的无监督学习方法的效果更好,并且优于一些基于监督学习的深度估计方法。其中,和监督学习方法相比,4.2和4.3实验部分的误差指标最高分别减少了 10.6%和20.4%,从而验证了模型的有效性。