计算机视觉的基本问题是利用2D投影图像来重构3D物体的可视部分,其研究成果可直接应用于机器人、医学、精密工业测量、遥感、虚拟现实等众多领域,无论在军事及民用领域都具有很好的发展前景及应用价值。但视觉问题是一个逆问题,那些成像系统不能获取的某些信息仅靠后处理是不可能恢复的。因此若要物体模型能被更准确的重构和更利于模式识别,就必须从图像恢复算法的性能上来设计图像的获取方式,从图像中提取更多更有用的信息。　　在对三维重构技术的研究和应用中,人们发现通过改变摄像机内部成像几何获得的散焦图像不但包含景物的亮度(灰度)信息,而且还包含了场景几何信息。由散焦求深度正是利用图像中的散焦信息来重构场景的空间结构,该方法不需要特征点的选取与匹配,避开了计算复杂、计算量大等缺陷。　　本文着重研究如何利用散焦图像来重构物体3D结构的问题。在综合分析国内外散焦求深度技术的基础上,提出了改进或推广应用了前人算法,取得了较好的效果。论文的主要工作内容及对前人工作的具体改进点如下:　　1)提出了一种新的用于散焦求深度的摄像机内参数标定算法。该算法依靠改变摄像机镜头光圈指数获取同一场景的两幅散焦程度不同的图像,提取两幅图像间模糊程度差异信息,结合分析透镜成像几何标定出摄像机的相应内参数。此算法解除了2006年由Soon-Yong Park所提出的标定方法中必须有一幅聚焦图像的限制,另外也无需对图像进行复杂的放大率标准化处理。模拟实验与真实实验都验证了算法的有效性。　　2)利用自适应处理窗口算法对散焦求深度技术中的最小化信息散度算法进行了改进。最小化信息散度算法把利用不同摄像机参数拍摄的散焦图像实现三维场景重构问题看作是一个无限维度优化的过程并通过求解偏微分方程重构出场景的深度和纹理。此算法可以保证所有参与计算的真实图像和模拟图像的灰度值为正值,但这种算法仍是建立在等焦面假设上的局部重构方法,这导致了对场景不连续表面处测量的不精确。