植物建模在农业指导、虚拟景观、古树名木保护等方面有着广泛应用,而如何快速低成本地对植物模型进行重建是计算机视觉领域中亟待解决的难题。基于深度图生成的多视图三维重建是植物建模的常用手段,但由于植物生长环境复杂,树干树叶纹理重复,植物枝条较细,且目前立体匹配算法的鲁棒性不足等原因,通常难以生成精确完整的深度图,导致深度图融合得到的植物模型存在残缺。针对此问题,本文提出了一种基于深度图修补的植物重建算法进行植物重建,并采用多级视图选择法对多视图立体视觉算法进行改进,另外,本文提出一种基于超像素的深度图修补算法,对生成的植物深度图中存在的空洞和噪声进行修补。实验表明,本文方法计算出的植物稠密点云更加密集,最终重建的植物模型更加精确完整。本文的主要工作如下:(1)本文采用多级视图选择对多视图立体视觉算法进行改进,提升立体匹配过程的鲁棒性。算法通过图像级和像素级的匹配视图选择,使得邻域匹配集更加满足图像匹配一致性要求,减少深度图的空洞和噪声,改善深度图生成质量。(2)本文对植物深度图的修补进行重点研究,提出基于超像素的深度图滤波修补算法,提升物体边缘附近的深度图空洞修补能力。在修补过程中,算法根据超像素信息动态调整滤波窗口大小,使得滤波修补后的深度图更加精确完整,弥补植物深度图生成算法计算出的深度图质量不佳的缺点。(3)分析基于深度图生成的植物三维重建方法的优缺点,在此基础上,本文提出一种基于深度图修补的植物重建算法,设计并进行一系列对比实验,展示重建过程中各环节的效果,同时对结果进行分析,通过主观和客观评价方式,证明本文算法的可行性与有效性。基于深度图修补的植物重建方法操作简单、成本低廉,无需人工干预即可在较短时间内重建出植物三维模型。本文的工作可以为植物三维重建研究提供一定的参考价值,重建出的植物模型对于农业教学、农作物产量预测、古树名木保护、虚拟景观旅游、虚拟现实等领域具有一定的实用价值。