随着计算机视觉的发展,图像的二维信息已经不能满足研究的要求,目前计算机视觉的最重要的研究目标之一就是恢复图像中物体的三维信息。由图像的散焦信息恢复深度信息,正在变得越来越重要。前人在这个方面已经做了大量的有意义的研究工作,而且取得了丰硕的成果。这种方法只需要通过控制相机的参数获得不同的图像,无需使用双目视觉方法。和通常的通过双目视觉的方法来获得深度信息相比,它没有对应点匹配的问题,因此是一种很有价值的替代方法。本论文集中研究了计算机视觉中恢复物体深度信息的问题,即如何从二维的图像中获得三维的深度信息。阐述了散焦恢复深度信息方法的背景、意义、优点、现状。本文首先为成像系统建立数学模型,研究了这个数学模型中各个参数之间的相互关系。分析了散焦图像的成像的过程,探求了散焦和深度之间的内在关系。对常见的几种散焦恢复深度方法,比如基于频率域的一些方法、基于空间域的一些方法、镜头编码的方法进行了系统的讲述。在此基础上,重点研究了热扩散模拟散焦过程,恢复深度信息的方法,提出了基于相对模糊和边缘强化的散焦恢复深度方法以及通过测量深度差来避免多次标定相机参数的方法。这些方法的运用使得实验更加易于操作,实验效果也获得了很大的改善。最后基于本文所做的研究和讨论的方法,实现并完成了一个利用散焦图像恢复深度的系统。本文的主要研究成果如下：分析了散焦图像的成像模型,研究了热扩散模拟散焦的方法。提出了一种基于相对模糊和边缘强化的深度恢复方法,该方法在相机的不同参数下拍摄两幅散焦图像,通过用热扩散方程来模拟散焦过程,求出两幅图像中模糊程度不同部分的相对模糊、扩散系数,进而求出深度信息。并论证了边缘信息在相对模糊区域划分中的影响,通过对边缘信息的强化改进了实验效果。散焦信息恢复深度的方法是一种被动恢复深度的方法,目前已有的散焦恢复深度的方法在拍摄散焦图像的时候都需要改变相机参数,改变成像面到镜头的距离,而相机参数的改变在实际操作中是比较困难的,文中提出了不改变相机内参数,拍摄图像,并计算深度信息的方法。文中提出的固定相机内参数并结合热扩散的方法大大方便了深度计算的过程,并且有效简化了扩散区域的划分。