膀胱内窥镜诊断性成像是膀胱癌诊断的金标准,在病症诊断、手术指导和癌症监测中发挥着重要作用。但是由于内窥镜的成像范围受到探头太小的限制,图像的放大倍数与视野范围不能兼得,且不能将个体二维图像与当前视野下的三维结构形态关联起来,限制了其用于疾病生理学或癌症检测的定量或纵向研究。针对以上问题,本文提出基于序列膀胱内窥镜图像的三维场景重建方法。主要内容包括以下几个部分:1.针对传统标定方法无法应用在人体膀胱内的问题,采用了基于Kruppa方程的内窥镜自标定算法。根据绝对二次曲线的投影性质,建立虚拟标定块,计算内窥镜的内参矩阵,完成内窥镜标定。2.对内窥镜采集到的质量不高、光照不均且噪点多的原始图像采取了一系列预处理步骤。首先用掩膜法提取膀胱图像的感兴趣区域(ROI),将ROI图像从RGB颜色空间转换到LAB颜色空间并采用限制对比度自适应直方图均衡化算法进行颜色增强,最后采取双线性插值算法进行加速。通过对比预处理前后膀胱图像的特征角点数目,验证本文预处理算法的有效性和优越性。3.采用增量式运动恢复结构算法恢复膀胱三维点云。首先对预处理后的膀胱图像采用SIFT算法进行特征提取和匹配,采用了一种改进自适应终止阈值的RANSAC误匹配剔除算法,通过在抽样的过程中不断修正内点比例p,自适应的确定抽样次数,避免了传统RANSAC算法采样次数和终止条件难以确定的问题。之后利用对极几何约束和三角形法恢复出初始图像的三维点云和相机姿态,增量式的顺序添加相机对,并使用光束平差法对参数进行优化,恢复出膀胱的三维点云和内窥镜的运动轨迹。通过对膀胱模型数据和标准临床数据分别进行三维场景重建,实验结果表明,重建后的平均重投影误差均小于一个像素(2.072.0?和2.068.0?像素),证明所提出的算法是可行性的。