赋予计算机认知和理解三维世界的能力是计算机视觉的一个基本问题,在机器人、虚拟现实与增强现实、智能监控、数字娱乐等领域有非常多的应用。目前数字图像的获取变得非常容易,互联网上存在着海量的图片,基于图像、特别是基于单幅图像恢复场景中蕴含的三维信息是目前研究的热点问题。由于物体之间的遮挡以及物体的自遮挡,基于单幅图像完全地恢复三维信息是一个病态问题,但人们对物体的认知有很多先验知识,有效地利用人们的先验知识使得从单幅图像中获取场景重要的三维信息变得可能。本学位论文选择图像分层深度信息计算这个基础问题作为研究的切入点,从人的感知特点出发,重点研究了基于单幅图像的两种分层深度信息计算方法,并将算法应用在两个实际问题中一浅浮雕艺术风格生成以及三维立体幻象的自动生成。除此以外,本文还研究了一种基于分层信息的自适应图像显著性引导算法,探讨了粗糙的层次深度信息在计算机视觉领域的其它可能应用。本文创新点和贡献主要包括以下几个方面：(1)提出了两种新的图像分层深度计算方法本文基于轮廓以及物体对象等两种不同的图像描述,提出了两种新的图像分层深度计算方法。本文利用轮廓线中的几何元素(包括区域、线段及结点)构建图(Graph)，根据有向图理论推导图像中所蕴含的深度层次。本论文还提出了一种基于物体对象的分层深度计算,根据单目视觉线索,构建马尔可夫图,从而估计图像中的深度层次,算法不仅能够有效推测局部层次关系,对于全局层次关系也有较高的估计准确度。(2)提出了一种基于单幅图像的浅浮雕生成算法本文通过计算图像中物体的轮廓、亮度、梯度等信息,基于层次深度计算,设计了一种基于反馈的浅浮雕逐步精细化算法,该算法不仅能够保持全局的层次关系,还能增强浅浮雕曲面的细节,从而生成自然生动的浅浮雕模型。(3)提出了一种基于单幅图像的三维立体显示技术本文提出了一种基于单幅图像分层深度信息的三维立体幻象自动生成方法。该方法根据物体的对称性及局部凸性等特点,利用粗糙的三维模型对图像中的对象进行表示,并对被遮挡部分自动进行三维补全,同时提出了一种基于迭代优化的地面拟合算法估计图像中物体的深度位置。生成的三维立体显示效果不仅能够使用诸如红蓝眼镜、偏振镜片等辅助设备观看,还可通过左右旋转视点提供裸眼三维体验。尽管该算法不能恢复精确的三维信息,但产生的三维立体幻觉效果符合人的感知特点,让人体验逼真的三维效果。(4)提出了一种自适应的图像显著性引导策略本文探索了图像分层深度计算与图像显著性引导之间的关系,提出了一种基于图像分层深度信息的自适应图像显著性引导算法。该算法分析图像中物体几何位置、深度排序等对于显著性的影响,并以其为特征指导对图像的编辑,在不对图像场景造成感知破坏的前提下增强物体显著性,从而引导用户视觉注意力。