光度立体视觉作为一种精细表面测量技术广泛应用于形貌重建、缺陷检测、生物医疗等领域。现有光度立体视觉方法在精细表面重建领域的应用上存在两个方面的问题。一是法向量的测量质量仍有进一步提升的空间,现有前沿方法难以在细节丰富表面和平整光滑表面上同时取得较高测量精度。二是基于所测法向量实现的表面重建存在缺陷,一方面丢失了表面的真实尺度信息,另一方面困于因局部误差累积所造成的表面整体性扭曲。针对第一个问题,本文结合神经网络模型与光度立体视觉原理,提出了基于多尺度卷积网络的光度立体视觉测量模型,以1*1尺度卷积操作强化模型在光度原理上的表达,以3*3尺度卷积操作提升模型在克服光照阴影和平滑表面的预测能力,使得模型相比于现有方法具备更高的测量精度与适用能力。针对第二个问题,本文引入多视图立体视觉方法作为辅助手段,结合光度测量环境设计了基于多视图方法在暗光条件下提取物体表面高精度稀疏点云的方案,并进一步提出基于多视图稀疏点云与光度稠密法向量的融合重建方法。依据多视图方法提供的表面稀疏点云,在补充光度重建所需真实尺度信息的同时,有效抑制了邻域误差的不良累积。实验表明多视图辅助的多尺度卷积光度重建算法理想地解决了这两类问题,极大提升了光度立体视觉在精细表面重建领域的应用潜力。