图像的三维重建技术作为计算机视觉的一个重要分支，已被广泛的应用于医学图像处理、航空航天、军事勘察以及虚拟实现等各个领域。虽然已有的三维建模工具在不断完善，但是想要构造比较准确或者较复杂的三维模型仍然是一项比较繁琐的工作。基于立体视觉重建三维模型的方法是当下的一个研究热点，也受到了人们大量的关注。　　主要工作如下:　　(1)单目视觉方法:针对传统的SFS最小化方法在求解能量方程的过程中使用固定不变的平滑因子，使得重构出的三维模型不够真实准确的问题，选用不一致的平滑因子重新构造了一个能量方程，来求解更加准确的空间法向量信息。然后在此基础上，求解相应的泊松方程来获得像素点的高度信息。仿真实验的结果表明，应用改进的SFS最小化方法能够重建出更加完整真实的三维模型。　　(2)双目视觉方法:对特征点匹配中用到的尺度不变性变换(SIFT)方法进行了研究。该方法可以在待匹配图像发生旋转或尺度变化变化时检测出图像的特征点，同时该算法对图像光照变化、噪声污染等均具备良好的鲁棒性。传统SIFT算法构造的特征描述算子维度过大，会影响到算法的匹配效率。改进的SIFT算法在构造特征描述算子的过程中引入了Walsh-Hadamard内核投影技术，能够有效地降低构建出的SIFT特征描述算子的维度。随后进行的仿真实验结果表明，改进的SIFT算法可以在一定程度上改善算法的匹配效果。将改进后的SIFT算法应用于图像的三维重建过程中，得到了效果较为理想的模型。