作为摄影测量和计算机视觉领域的研究热点之一,影像密集匹配技术通过逐像素寻找并确定每对同名像素的对应关系,获取地物表面完整的三维信息,在工程测量、城市交通建设、实景三维模型重建等领域得到了广泛的应用。根据匹配代价计算方法的不同,现有的影像密集匹配算法可以分为三类:局部密集匹配算法、全局密集匹配算法和半全局密集匹配算法,其中半全局密集匹配算法凭借其高精度和高效率的双重优势广泛应用于摄影测量领域,但是算法在地物的边缘以及弱纹理和重复纹理区域的匹配精度不高;与此同时,伴随着影像分辨率的爆炸式增长,传统半全局密集匹配方法的速度已无法满足对效率有较高要求的应用需求,因此,在顾及算法运行效率的同时,如何获得较高精度的影像密集匹配结果成为了半全局密集匹配算法的关键。在对现有密集匹配算法进行详细分析与探讨的基础上,选择影像半全局密集匹配作为本文研究的切入点,以提升算法的运算效率以及匹配精度为目标,着眼于核线纠正、影像金字塔以及SURF（Speeded-Up Robust Features）特征约束等内容展开研究,开展的工作具体如下:1)基于自适应相机参数模型的影像核线纠正。以Fusiello核线纠正方法为基础,针对其影像信息缺失的问题,对左右影像的相机参数进行自适应调整,并求取调整后的转换矩阵,最后采用重采样的方法获得核线影像。2)基于影像金字塔的影像半全局密集匹配。以半全局密集匹配算法为基础,构建影像金字塔并自上而下逐层匹配,将上层影像视差图作为初始视差传递给下层,最底层影像匹配后获得最终视差图。3)基于SURF特征约束的影像半全局密集匹配。基于影像金字塔的半全局密集匹配算法在视差层级传递的过程中容易带来精度上的损失。为了提高算法的精度,提出了一种基于SURF特征约束的半全局密集匹配算法,利用Open CV内置的SURF算法提取得到左右影像的SURF特征点对,并利用同名特征点之间的欧氏距离较小以及行号相同等两个条件对提取的SURF特征点对进行筛选,在此基础上,以SURF特征点为种子点生成相应的约束视差图,并据此对半全局密集匹配的过程进行相应的约束。最后,利用中国矿业大学南湖校区无人机影像以及KITTI数据集对本文提出的基于SURF特征约束的影像半全局密集匹配算法进行了验证,并与现有同类算法的运行结果进行了对比和分析,结果表明:1)基于自适应相机参数模型的核线纠正方法可以有效解决影像信息的缺失问题,获得的核线影像精度更高;2)基于影像金字塔的半全局密集匹配算法无需提供视差搜索范围,可大幅度提高匹配算法的效率;3)基于SURF特征约束的半全局密集匹配算法在保证高效率运算的同时,可以有效降低算法的误匹配率。该文有图53幅,表8个,参考文献71篇。