随着虚拟现实技术的发展及在各个领域的应用普及,三维重建技术的重要性越来越凸显。基于照片的三维重建技术是一种重要的方法和手段,它根据单幅或两幅图像的数据恢复出空间点的三维坐标,重建出三维场景的几何信息和准确数据。重建出的三维场景,不单单可以应用于可视化和虚拟漫游,还可以保存并记录复杂的大规模的场景中的真实物体。基于照片序列的三维点云重建的方法可以应用在文化遗产保护领域,还可以应用在航空航天、人工智能、面部修复和室内场景设计等方面。然而基于照片的三维重建技术在重建场景或者物体时,难免会出现重建质量和时间效率的问题。本文旨在研究三维点云重建过程中图像预处理和特征点匹配的相关理论与技术,针对图像预处理阶段中的前景分割算法和特征点匹配过程中去除误匹配方面展开研究:1.提出了一种基于分水岭分割的前景分割算法。现有的前景分割算法大多是基于GMM的前景和背景的分离,而本文算法是在分水岭分割算法的基础上,结合形态学重构和区域相似性度量的思想,首先把彩色图像转化成二值化图像,然后对二值化图像进行形态学重构,消除图像的背景信息。接着利用分水岭算法对古建筑边界分割出轮廓线,再根据区域相似性度量的原则合并过度分割区域,最后利用前景区域分割出前景分割图像。实验仿真结果表明,本文算法可以降低分水岭的过度分割,尤其是在古建筑照片的前景分割具有一定高效性和准确性。2.提出一种基于对极几何约束的RANSAC算法的去除误匹配方法。通过分析SIFT算法,特征描述符的度量方式,RANSAC算法等缺点,从而改进特征点匹配过程去除误匹配点方法。由于SIFT算法生成的少量特征描述符的方向不是唯一的,因此会生成错乱的特征点匹配。特征描述符因为受光照,拍摄角度的问题,也会出现孤立特征描述符,无法做到特征点匹配。本文根据特征点错乱匹配,首先改进特征描述符的度量方式,把欧式距离的相似性度量变换成单应性匹配的度量。对RANSAC算法校正的特征点匹配,加入对极几何约束的思想校正错误的匹配点对,保留正确的匹配点对。实验仿真结果表明,本文算法对前景分割后古建筑图像做特征点匹配,减少特征点匹配的时间和提高算法的效率。