摘要：單目圖像的深度估計(jì)可以從相似圖像及其對(duì)應(yīng)的深度信息中獲得。然而,圖像匹配歧義和估計(jì)深度的不均勻性問題制約了這類算法的性能。為此,提出了一種基于卷積神經(jīng)網(wǎng)絡(luò)(CNN)特征提取和加權(quán)深度遷移的單目圖像深度估計(jì)算法。首先提取CNN特征計(jì)算輸入圖像在數(shù)據(jù)集中的近鄰圖像;然后獲得各候選近鄰圖像和輸入圖像間的像素級(jí)稠密空間形變函數(shù);再將形變函數(shù)遷移至候選深度圖像集,同時(shí)引入基于SIFT的遷移權(quán)重SSW,并通過對(duì)加權(quán)遷移后的候選深度圖進(jìn)行優(yōu)化獲得最終的深度信息。實(shí)驗(yàn)結(jié)果表明,該方法顯著降低了估計(jì)深度圖的平均誤差,改善了深度估計(jì)的質(zhì)量。