三维重建是计算机视觉与计算机图形学中的前沿热门方向,应用范围广泛,包括医学研究、文物修复、智慧交通、虚拟现实等。相比于二维图像,三维模型的视觉效果更加立体、生动。传统主动视觉方法使用扫描仪等硬件设备获取的三维模型精度高但成本昂贵。由于高分辨率图像更容易获取,研究者将更多的目光投向于使用拍摄的图像重建场景,与传统主动视觉三维重建方法相比,基于光学影像的三维重建方法在提高重建精度的同时降低重建成本。基于光学影像的三维重建分为稀疏重建和稠密重建,本文主要研究基于多视图立体（Multi-View Stereo,MVS）的稠密重建。MVS是指利用不同视角场景图像对场景完成稠密重建,其输入是标定图像集和稀疏特征点,输出是三维点云模型。虽然现有的三维重建方法重建的模型视觉效果较好,但模型的精度和完整性还有待提高。与已有方法相比较,本文的主要创新内容有以下两点:第一、提出一种基于局部先验的像素级立体匹配深度图估计方法。为解决选图准确性低、计算效率低、深度值收敛慢等问题,主要进行如下三方面研究:首先,为提高计算效率,选择能够覆盖全部场景的最小图像集作为参考图像集,并为每张参考图像选取合适的邻近图像。其次,为加速深度图收敛速率,使用像素的局部特征点初始化深度值,并为参考图像每像素初始化一个候选图像索引列表用于密集匹配。最后,利用改进归一化互相关函数计算匹配代价以解决局部区域的深度不连续问题,并将分数最高的匹配代价作为横纵向平面传播的指标迭代更新深度值。实验表明,该方法在精度和速度上相对优于其他方法。第二、提出一种基于几何约束的多尺度深度图估计方法。为解决场景中弱纹理区域重建完整度低的问题,使用低尺寸图像指导高尺寸图像以填补弱纹理区域的深度信息。基于匹配窗口尺寸不变时图像尺寸越小匹配窗口内所包含的纹理信息越丰富的优势,首先使用基于局部先验的像素级立体匹配深度图估计方法计算最小尺寸参考图像的深度图,然后将深度图上采样并引入前后向重投影的几何约束以减小图像上采样时的深度误差,最后经过深度图优化和深度图融合生成三维点云模型。实验表明,该方法在完整度上优于他方法相比,重建结果整体较好。