人类视觉系统在感知场景几何结构上具有先天的优势,可以毫不费力的提取出场景中的点,线和平面等几何结构。如何让计算机也具有类似人类视觉系统感知外部场景结构的能力是计算机视觉领域中的一个基本问题。二维图像可以认为是三维世界在二维空间上的投影,蕴含着丰富的现实世界的三维结构信息。从二维图像中提取三维场景中的几何结构信息是场景结构解析中的研究热点。Wireframe在表示场景几何结构信息上具有简洁高效的特点,是二维图像场景结构解析中广泛采用的一种表示方式。而以往Wireframe相关工作仅采用点和线等独立的几何基元来解析场景结构,本文研究的出发点是希望采用由平面顶点构成的封闭Wireframe多边形平面来解析场景结构。这种表示方式在几何语义上不仅涵盖了孤立的点和线的信息,而且还涵盖了平面区域的几何信息,是一种更为合理高效的场景结构解析表示方式。快速准确的从二维图像中提取点和多边形平面,进而实现对场景结构的解析,对于许多计算机视觉领域比如三维重建,虚拟现实,增强现实,机器人导航等有着重要的意义。本文通过3D建模合成了一个城市建筑物场景外墙平面数据集,对不同城市街区不同视角下的外墙场景拍摄的图像进行了详细的标注,包括建筑物外墙平面的实例分割标注,外墙平面顶点标注,外墙平面封闭线框Wireframe标注等,为本文基于Wireframe的平面检测的研究提供了数据支撑。同时,对同一场景不同视角下的拍摄图像,提供了对应平面区域的标注,使得数据可以应用于不同视角图像的区域匹配任务。基于本文制作的数据集,本文主要研究内容分成如下两个部分:（1）基于Wireframe的平面检测部分。此部分搭建了用于平面检测的神经网络结构。为了获得基于Wireframe的平面多边形表示,将平面检测拆分成实例分割任务和平面顶点检测任务。主要思想是利用平面分割作为先验提取平面的所有顶点及对平面顶点排序提供依据。在平面顶点检测中,为了降低正负样本不均对顶点检测的影响,采用了focal loss作为顶点预测的损失函数。另外,引入了注意力机制,同时,采用中继监督的思想,使用高斯核函数扩大顶点的范围,使神经网络由粗及精的逐步定位顶点准确位置。通过消融实验验证了各措施对顶点检测性能的影响。最后,通过对预测的顶点进行非极大值抑制,过滤掉部分冗余的预测顶点,得到相对精确的预测顶点。为了将平面顶点连接成封闭Wireframe多边形来表示平面,提出了基于平面分割掩膜和平面顶点的封闭Wireframe多边形构造算法。另外,提出了顶点循环简化算法,进一步过滤构成单个平面的冗余顶点,最终形成平面的封闭Wireframe表示。为了衡量封闭Wireframe多边形对平面的表示质量,提出了紧凑程度指标,用于衡量输出的Wireframe多边形与标签Wireframe顶点数量之间的差异。（2）平面匹配部分。利用平面检测分支训练的神经网络作为左右视图的特征提取器,提取每个平面对应的特征描述子。提出了基于特征描述子的平面匹配算法,并展示了本文提出的基于平面特征描述子的平面匹配算法的可视化结果,分析了影响匹配结果的各个因素,证明了匹配算法的有效性。