三维重构是指以单幅或多幅二维图像作为输入利用计算机技术恢复其三维结构的过程。随着三维重构技术的不断发展,它在计算机视觉及相关领域得到了越来越广泛的应用。早期基于深度学习的三维重构技术大多采用三维监督学习方法,需要使用大量真实三维模型作为数据标注。近年来,研究者开始使用半监督或弱监督重构的方法逐渐代替三维监督,但是他们在降低标注规模的同时也损失了重构的精确度。本文针对基于弱监督学习的三维重构方法及其在红外仿真领域的应用进行研究,主要研究成果如下:(1)提出了一种单视图下基于弱监督学习的多分辨率三维重构方法。首先,针对单视图训练方法中由于输入信息有限导致很难精确恢复三维结构的问题,本文提出了一种多分辨率三维重构模型。其中,低分辨率三维模型由图像特征结合初始三维模型通过偏置顶点坐标得到。高分辨率三维模型的获取方法为:首先对初始胶囊体模型进行上采样扩充顶点信息,再经过解码器偏置顶点位置,最后使用加权降采样方法保存其中被正确偏置的顶点,与初始面元组成高分辨率模型。这种训练方法可以充分利用单视图输入的特征信息,与单一分辨率的训练方法相比具有更高的重构精确度。然后,针对三维重构训练中需要大量真实三维模型作为标注的问题,本文结合投影模块将生成的三维模型结合视点标注投影到二维视图,使用图片轮廓标注实现弱监督学习。最后,针对生成的三维模型无法在任意视角下都能精确重构的问题,本文在视点先验学习方法的基础上提出加权视点对抗训练方法,并融合到所设计的三维重构方法中,减小了已知与未知视角下的重构差异。在舰船模型公开数据集上的实验结果表明,在单视图输入条件下,基于多分辨率的三维模型的重构精确度比目前最新方法VPL提升了1%左右。(2)设计了一个将多分辨率三维重构方法应用于目标建模的海面舰船红外仿真系统。传统基于目标的红外仿真系统针对目标模型大多采用人工建模方法,耗费大量的人力物力。本文将所设计的多分辨率三维重构方法应用到海面舰船红外仿真系统中实现舰船模型低成本建模。首先,将重构生成的舰船模型划分为单位面元,针对面元建立热稳态方程推导出舰船表面温度场,根据黑体辐射定律建立目标热辐射模型,并通过模拟舰船行驶得到舰船动态红外图像序列。然后,根据叠加Gerstner波计算海洋高度场模拟动态粗糙海面效果,并针对入射光投射到海面引起的反射辐射建立双向反射分布模型计算海面的反射强度分布。最后,在Unity3D引擎中将辐射模型的计算结果转化为灰度值,实现了海面舰船的动态红外仿真系统。