随着计算机视觉领域的快速发展,三维重建(3D Reconstruction)已经成为计算机立体视觉中一个热门的研究方向。图像的三维重建主要是以二维场景图像为基础,进行分析处理得到场景中物体的三维信息。三维重建技术现在已经广泛地应用于文物保护、工业制造、医学诊断、视觉导航等领域,具有广阔的应用前景和重要的研究意义。三维重建方法中的关键内容是如何准确地获取场景的深度信息,然而目前的计算机视觉系统所获取的深度图像通常存在视差空洞和深度不连续等问题,影响三维重建效果。针对这些问题本论文展开了基于双目立体视觉稀疏表示的三维重建方法研究,主要研究内容及创新点包括:(1)针对传统立体匹配方法所获得的视差图像存在视差空洞、误匹配等问题,本文结合全局立体匹配方法的优点,提出了基于超像素分割的立体匹配方法。为了减少某些错误的跳变像素点对其他点的影响,采用简单线性迭代聚类(SLIC)超像素分割算法将立体图像对中的一幅图像分割成多个区域,并以匹配代价计算得到的视差作为初始值,对每个分割区域的空洞进行拟合及优化,从而得到稠密的视差图像。在标准测试集上的实验结果表明,本文算法在几种测试场景下均能得到效果较好、精度较高的视差图像。(2)本文提出了基于稀疏表示的深度图像重构方法。深度图像可以有效地描述物体空间结构,但是目前计算机视觉系统获取到的深度图像存在深度值不连续和分辨率低等问题,如果直接用于三维重建得到的效果比较差。针对这些问题,本文结合稀疏表示的方法对深度图像进行重构,使用一组过完备字典的稀疏线性组合来表示高分辨率的深度图像。采用交替方向乘子算法对稀疏系数进行求解,将深度图像重构问题转化为稀疏信号的求解问题,从而得到较好的三维重建效果。本文在Middlebury标准测试集上对提出的算法进行仿真和实验验证,实验结果表明本文方法能够克服传统方法中出现的深度图像边缘部分不清晰、深度不连续等问题。另外,拍取真实场景的图像,利用本文算法仿真得到其深度图像,并生成点云图来体现重建后的三维场景结构。