从图像中进行三维重建一直以来都是一个经典的计算机视觉问题,基于深度像机的三维重建和传统的三维重建都有其优劣势,基于深度相机的三维重建在有遮挡和阴影的情况下重建效果较差,且难以应用在实时场景的三维重建中;传统的三维重建由于在非朗伯体曲面上会受到弱纹理,镜面反射等因素的影响,结果往往也不是很理想。近年来随着深度学习的迅速发展,利用深度学习进行三维重建的研究得到了越来越多人的关注,多视图立体（Multi-view Stereo,MVS）在最近几十年来也已经取得了巨大的成功,并广泛用于各种应用中,例如自动驾驶、机器人导航、遥感和可移动文物等,在创建智慧城市、VR旅游、古建筑遗产保护和机器导航等方面也有着不可忽视的理论研究意义和不可估量的应用价值。本文针对多视图立体（MVS）重建效果整体性不太理想的问题,对多视图立体重建流程中的特征提取模块和代价体正则化模块进行研究,首先利用特征金字塔网络对输入的源图像和参考图像进行深度特征提取,在每一级特征提取模块中均加入注意力层,以捕获深度推理任务的远程依赖关系;然后通过可微分单应性变换构建参考视锥平面的特征量,以用于进行代价体的构建;最后使用多层U-Net网络体系架构对代价体进行正则化操作,通过回归操作并融合参考图像的边缘信息以生成最终的细化深度图。测试是在DTU（Technical University of Denmark）数据集上进行,相较于MVSNet*方法,本文的整体性、准确性指标和完整性指标分别提高了2.9%、5.4%和0.4%,实验结果证明本文提出的网络架构在整体性指标上得到了以MVSNet为止目前最优的结果,完整性和准确性指标均得到较大提升,还得到了更优的3D重建效果图,以此证明了本文方法的有效性。（1）网络以经典的MVSNet模型框架为基础,提出一种结合注意力机制的特征金字塔网络结构用于特征提取模块。该算法同时使用了图像中低层特征丰富的空间位置信息和顶层特征强烈的语义信息,然后再进行横向链接,并通过融合这些不同层次的特征获得了预测结果,预测结果是在每个融合后的特征层上分别实现的,然后在每层预测后均加入注意力层以进行深度推理。（2）在代价体正则化模块,提出一种多层U-Net（即MU-Net）网络,对代价体进行降采样操作,并同时提取不同尺度的上下文信息和邻近像素信息以便于对代价体进行过滤,通过回归操作再同时结合参考图像的边缘信息以生成最终的细化估计深度图。（3）Blended MVS数据集和自采数据集上的可视化结果证明了本文网络的泛化能力。