在序列图像的三维重建研究方面，国内外已经开展了不少研究，但基于单目图像序列的三维重建研究却很少，这是从运动中获取结构(Structure from Motion，SFM)，单目图像序列相关信息量少，因而重建困难。序列图像间的立体匹配与拼接技术是三维重建的核心，其获得的深度信息的精度在三维重建效果方面起着关键的作用。通过序列图像的匹配获得相对深度信息存在着较高的约束条件，其技术理论可借鉴平面图像拼接与融合方法理论，并在已成熟的匹配方法上加上一些约束可获得目标的深度信息，这些深度信息为重建提供数据建模支持。本文主要研究二维序列图像重建三维图像中的匹配与拼接方法以及通过立体匹配获得相对深度信息，主要完成了以下工作：　　1.首先介绍使用图像序列进行三维重建中的基本理论与关键技术，主要包括成像几何模型和图像的变换模型，图像的特征提取匹配经典算法。然后详尽地剖析了立体匹配的原理，即包括立体匹配的对极几何原理、视差与深度的关系，立体匹配的约束准则，以及常见的局部和全局立体匹配算法。　　2.在研究经典的特征提取、配准算法之上，结合几何约束限定的优点探索出约束限定的并行SIFT块配准方法。该方法使用SIFT算法并行提取特征点获得初始变换矩阵为分块和精配准提供几何约束，对配准图像重叠区域分块后、基于并行架构进行SIFT块匹配实现精配准。精配准过程中通过马氏距离的仿射不变性筛选特征点，进一步消除重复匹配和错误匹配。通过实验验证了本文方法消除了由于局部特征相同产生的误匹配，配准精度和速度都有所提高，具有实用价值。　　3.利用立体匹配算法进行三维重建是通过立体匹配算法得到视差值，根据视差值推导出深度，这个深度值为重建建模提供了保障。深度的精度直接影响到三维重建的效果，本文结合十字臂自适应窗口和图像分割设计出一种折衷的立体匹配算法。该方法根据视差连续性约束，建立十字臂自适应匹配代价聚集区域窗口，在高纹理和深度不连续区域能获得精度较高的视差图。在这基础上结合基于图像分割的立体匹配算法，从而避免了平滑约束引起的误差，因此，本文方法在低纹理区域的匹配率也较高。