从图像中获取景物的三维信息属于一个多学科交叉的研究领域,它涉及到射影几何学、数字图像处理、计算机图形学、计算机视觉等许多学科的理论,是目前研究的热点之一。三维重建就是通过二维图像中基元(如点、线、面)来恢复目标的三维空间信息,需要研究三维空间中点、线、面的三维坐标与二维图像中对应点、线、面的二维坐标之间的关系,实现定量分析物体的大小和空间物体的相互位置关系。其主要过程是通过对图像的特征提取、特征匹配、图像关键特征的重建、三角化以及数据融合生成物体完整的三维结构。这种三维信息或三维模型在虚拟植物可视化、数字娱乐、产品外观设计、虚拟场景的模拟等诸多领域具有广泛的应用价值。根据二维图像的信息实现三维空间轮廓曲线的重建已取得了一定的研究成果,但是现有的重建方法存在很多局限性,其中重建的覆盖域是一个重要的问题。现有的方法对工程中规则的曲线(如双曲线、抛物线等)或人造物体的轮廓(房屋,家具等)的空间重建能够产生很好的效果,但是对自然景物轮廓或不规则物体的空间重建存在着一定的局限性。本文利用单个相机从不同角度获取同一景物的二维图像,研究了景物外形轮廓的提取和重建方法。主要从景物图像边缘轮廓的提取、特征检测、轮廓曲线分段、特征匹配、射影重建及准欧氏重建几个方面进行了详细的阐述和实现技术的研究,取得了一些研究成果,实现了从图像景物轮廓的二维信息获取三维空间的轮廓信息。图像基本特征的获取是高层处理如物体的识别,重建或形状分析与描述等的基础。本文通过对图像中景物特征的分析,提出了一种基于小波与分形相结合思想的新算法进行图像边缘轮廓提取,并给出了分形维数标准化的概念。该算法首先计算每个像素点邻域在彩色图像三个颜色分量的分形维数,然后对三个颜色分量上的分形维数进行标准化,根据标准化后的分形维数合成图像,最后利用小波分解合成后的图像的灰度直方图,根据小波分解系数自动确定提取边缘的阈值。该算法不仅充分利用了相邻像素点间的空间关系,而且提高了边界提取的自动化程度。基于高层的不同处理,本文提出了两种轮廓曲线分段的方法,即基于特征点的轮廓分段方法和基于曲率-分形的分段方法。基于特征点的轮廓分段方法首先根据曲线段的协方差矩阵的特征值与曲线上点的曲率之间的关系检测轮廓的特征点,然后利用这些特征点进行轮廓分段。特征点检测算法首先计算不同支撑区域下曲线上每个点的曲率,然后对每个点在不同支撑区域下的曲率进行乘积,最后利用曲率乘积直方图的波峰对应的点确定特征点集。该方法不仅避免了直接根据曲率定义进行特征点检测所存在的问题和阈值的设置,提高了特征点检测自动化程度,而且能够抑制噪声和伪特征点,因而提高了轮廓分段的准确性和自动化程度。基于曲率-分形的分段方法利用曲线曲率进行栅格图矢量图的转化,根据转化过程中产生的误差与曲线段长度的关系把曲线分成不同的曲线段,然后计算出每个曲线段的分形维数,对分形维数相近的曲线段进行合并,使曲线上形状相似的部分分为同一段。通过分析点、线段之间的几何关系,基于检测出的曲线上的特征点,本文提出了一种新的曲线段匹配方法。主要思想是根据曲线上的特征点和重点,对轮廓曲线进行分段,每个端点都可能与其他的一个或多个端点相连,也就是说,每个点都可能是一条或多条曲线段的端点。首先利用正规化交叉相关系数NCC和亮度均方差ASD方法对端点进行粗略匹配,把两视图的曲线段的端点集划分为多对多的匹配点对,然后利用动态规划算法以边界势能为衡量标准对匹配点对间的曲线段进行最优化匹配。该算法充分利用了图像的特征点、特征点与曲线段的关系以及图像灰度的空间关系,而且减小了搜索空间,提高了算法的效率。在轮廓重建方面,本文在研究空间曲线性质、样条曲线拟合以及空间曲线与空间曲面关系的基础上,结合现有的空间曲线重建的方法,对定标图像序列,以曲线段作为三维重建的基元,提出了一种新的空间曲线三维重建的方法,并且将之应用到不规则物体的轮廓重建中。