三维场景重构技术是计算机视觉研究中的热点问题。本文讨论基于图像的三维场景重构方法，图像是由普通数码相机拍摄产生的数码相片。　　 利用数码相片进行三维场景重构面临诸多挑战：首先，由于数码相机通常会自动进行白平衡以及亮度补偿，因此从不同角度拍摄的相片，颜色以及亮度通常存在差异；其次，由于相机距拍摄物体的距离差异，通常通过调整相机焦距以实现最佳的成像效果，但同时这也造成了相机内参数的频繁变化，即使固定焦距拍摄，由于相机的自动对焦功能，实际焦距仍有可能在一定范围内波动；再次，由于并不限定拍摄相机的运动方式，因此，图像序列中任意两幅图像间的运动关系是无法预知的；最后，由于并不限定数码相片的大小必须一致，因此相片间可能存在较大的尺度差异。　　 为了解决上述问题，本文首先使用SIFT方法抽取尺度不变特征，该特征对于尺度、亮度、颜色等差异存在良好的鲁棒性，随后利用优先级k-d树进行特征匹配，接着使用RANSAC方法进行匹配特征的内点鲁棒性估计，并使用内点创建点径。在结构重构的过程中，首先根据匹配点情况，选择一组最佳相机组合，利用数码相片附带的焦距信息，进行内参数初始估计，并利用5点法计算相机的外参数，随后使用光束平差法对相机参数以及重构点进行非线性优化，接着再添加相机并拓展点云，并再次利用光束平差法对结果进行优化。最后，将重构点云转换为有向点，利用泊松方法进行表面重构。实验结果表明，本文使用数码相片进行三维重构的方法是有效的。