内窥镜是体内诊断和微创手术临床实践的重要手段,医生可以借助内窥镜对患者体内进行观察,以获得患者体内组织器官的信息。这种信息包括病变情况、病灶类型和大小等。但由于内窥镜的视野较狭窄,这对于微创手术的临床实践带来了一定困难。特别是需要掌握组织器官中病灶的全貌、快速定位病灶以及做相应的术前规划时,狭窄的视野对于实际的手术操作不利。具有大视野的三维全景图像可以很好的解决视野狭窄的问题,二维的全景拼接虽然也可以增大视野,但其丢失了三维信息中的深度信息,这不利于医生掌握组织器官的空间结构信息。具备深度信息并有纹理的三维全景图像在辅助医生临床实践方面具有较大的应用潜力。本文对基于消化内镜序列图像的器官三维全景成像进行了研究,主要的内容如下:（1）研究了弱纹理的内窥镜图像特征提取与描述的算法,提出了一种基于深度学习的内窥镜图像特征提取与描述算法,并使用深度学习方法完成了内窥镜图像的特征提取与描述,解决了传统的特征提取算法在弱纹理的内窥镜图像上无法提取足够的特征点的问题。然后根据内镜图像特征的匹配建立对极约束关系,进而求得本质矩阵,最后通过本质矩阵的奇异值分解求得相机位姿。（2）本文对相机的成像过程以及遮挡剔除进行了研究,然后构建了虚拟相机,结合相机位姿,使用虚拟相机观察基于CT序列图像重建的器官三维轮廓模型,确定了每张图像可见的模型三角面片。（3）在获得了每张图像与模型间的配准关系后,本文对三维轮廓模型的纹理映射方法进行了研究,并改进了基于马尔可夫随机场的纹理映射方法。在获得三维轮廓模型纹理映射结果的基础上,对纹理映射结果分别进行全局和局部的纹理接缝处理。首先对三维轮廓模型的纹理映射结果进行全局的颜色一致性调整,然后使用泊松梯度融合对映射结果进行局部的进一步处理。实验结果表明了本文方法可以获得视觉效果较好的三维全景图像。