从二维图像中恢复出目标场景深度信息是计算机视觉研究的关键问题，也是目前研究最多、应用最广、发展最迅速的一个领域。深度信息恢复技术可以广泛应用于三维信息重建、机器人导航、医疗成像、生物特征识别、信息提取、工业检测等领域。近些年，由于传统的多目视觉深度恢复算法运算量大且容易产生错误匹配，单目视觉对比与多目视觉深度恢复算法有其独特的特点受到广泛关注。离焦信息是单目视觉深度恢复中常用的重要线索。本文从离焦成像的物理原理出发，利用点扩散函数PSF与深度信息之间关系的基础上，将图像处理手段与离焦模糊理论相结合，讨论离焦信息在深度恢复中的应用，包括单幅离焦图像深度恢复和多幅离焦图像深度恢复两个方面。本文主要研究内容包括以下几点：(1)利用采集的同一目标场景的多幅离焦图像恢复出目标场景的绝对深度信息。本文利用最小二乘法求取优化函数的最优解，将深度恢复归结为对正交算子的求解，然后在点扩散函数模型已知和未知的两种情况下，通过奇异值分解正规化和学习的方法分别求取正交算子，进而恢复出目标场景深度信息。克服了多幅离焦图像深度恢复算法中常见的算法高计算量和适用性不强的弊端。(2)针对单幅离焦图像深度恢复问题，本文提出场景目标物体局部深度一致的假设，通过图像分割处理对稀疏模糊图进行扩展，从而恢复出目标场景深度信息。克服了传统单幅深度恢复算法中扩散方法的高复杂度和计算量大的弊端，并且该算法综合考虑自然场景中的物体复杂性、天空、路面渐变等因素，引入多种修复手段解决焦平面二义性和深度结果的错误点,文中实验结果充分证明了算法的有效性和鲁棒性。