近年来计算机技术迅猛发展,特别是基于多视几何的计算视觉理论的,对传统的测绘与遥感技术产生了深远的影响。对于多视遥感影像而言,传统的匹配一般是针对特征点。目的是由少量稀疏的同名像点产生条件约束,实现求解影像的姿态和位置的定向。因此,传统匹配的目标并不是三维重构,其得到的三维信息,如点云也是稀疏点云。而密集匹配技术,是针对影像中的所有像素,一般是面向三维重构和可视化任务的。针对密集匹配技术和遥感图像的本身特点,特别是针对多视遥感图像的特点,本文在充分了解遥感影像成像方式的基础上,分别从框幅式和线阵列式两种常见的影像出发,提出了两种新的密集匹配算法,同时在公开数据集、多视面阵影像和卫星遥感影像进行了的三维重建实验,并进行了精度的评价,实验表明,本文提出的算法取得了很好的三维重建效果。其主要创新性工作如下:1.研究了一种基于Opponent-SIFT和Segments-Tree算法的框幅式遥感影像密集匹配算法。本文采用Opponent-SIFT算子对光源照度具有不变性,同时具有快速生成密集特征的能力,使用Opponent-SIFT算子能增强代价函数的稳健性,从而提高密集匹配的精度。在代价聚合过程中采用Segment-tree滤波方法进行非局部代价聚合,提取初始视差,并在视差精化的过程中利用其进行误匹配点修正插值,最后形成密集匹配视差图。2.研究了一种基于Patch-Match算法线阵列卫星影像密集匹配算法。由于线阵影像缺少核(极)线的约束,而造成匹配搜索范围过大,故采用Patch-Match搜索算法进行匹配。此方法具有采用多分辨率的分层搜索机制进行密集匹配,构建有匹配模型传播机制模型和模型自适应等特点。3.提出了基于密集点的多视框幅式影像三维重构处理框架。该框架在选定相机参考模型后,通过重叠区域模型点,将其余的模型点与参考模型连接,最后形成整个区域的三维重构模型。4.提出一种基于多视线阵遥感卫星影像的三维重构处理框架。该框架在引入卫星影像线阵严格几何成像模型的基础上,加入密集匹配点,进行多片空间前方交会,最终形成地形的三维重构。本文以密集匹配领域所采用的公开数据集、多视航空影像和卫星遥感影像为实验数据,对以上研究方法和技术框架进行了实验验证和精度评价,进行讨论和展望。