本文以对物体表面进行三维曲面重构为目的,构建不同的双目被动立体视觉系统,对视觉系统的立体标定、图像匹配、密集点云重建、细分曲面拟合等方面展开了深入的研究,并对细分法的快速收敛性判据的计算方面做了一些有益的探索工作。最后给出了双目立体视觉系统在三维人脸识别中的实例应用。本文的主要工作如下:提出基于复小波的相位相关算法对图像对进行密集匹配。考虑顺序匹配约束、连续性约束和相关性约束等条件,通过函数波峰拟和与亚像素位移因子迭代技术,对图像进行多分辨小区域匹配,获得对应点的亚像素级实时配准效果。该方法较好地克服了由传统傅里叶变换周期性引起的边界跳跃等问题,又较Gabor变换具有从粗到细的多分辨匹配搜索能力,对光线变化等具有较强的鲁棒性,可密集重建物体表面三维点云信息。最后运用细分曲面拟合技术,对物体表面进行层次局部加细的曲面重建。构建一种基线自适应的双目被动立体视觉系统,可根据被测物体的采样距离与所需精度等参数通过单片机自适应地驱动基线长度,由于调整基线和拍摄抖动会引起系统立体标定参数的改变,需引入新的半自标定技术,该技术可实时精确获取新的标定结果。另外,为解决传统双相机精确同步采样困难的问题,构建一种基于单相机的双目被动立体视觉系统,并为此提出了与之相应的标定算法,解决了非针孔模型下的相机自动标定问题。对细分法的收敛性分析也做了相关的工作。p-范数联合谱半径是由复方阵的有界集定义的,可用来判别细分法的收敛性。这里研究了整数值的p-范数联合谱半径,给出一些基本公式,并对∞-范数下的Berger-Wang关系式给出一个简单的证明。另外,对细分随机矩阵特征值进行了估计。最后,作为对本文研究内容的实例应用,提出了一种新的三维人脸识别方法。该方法采用基于单个相机的双目立体视觉系统对人脸进行采样,根据人脸对称性假设,运用补洞与纠错技术进行自动点云优化,继而采用简化的CANDIDE-3模型作为细分初始控制网格,局部加细地进行细分曲面分层次拟合操作,采用测地线映射技术对不同表情进行归一化,并分别建立人脸数据库。运用从粗到细的策略进行三维人脸的比对与识别,该识别方法也同时支持通过图像序列反求的三维人脸信息。实验结果表明,采用新的单相机立体视觉系统在提高重建精度的同时,很大程度上避免了由于双相机拍摄不同步引起的重建鲁棒性降低问题。而采用细分曲面作为存储结构,在节约空间的前提下,为分层次比对筛选提供了理论支持。该系统成本较低,适合在许多领域推广应用。