物体表面受到外力及温度变化作用下会产生复杂的三维运动,这种自然界中常见的现象吸引着众多领域的科学家。定量分析物体表面的运动,在计算机科学、材料科学、实验力学等诸多学科中有着重要的意义和广泛的应用。而其中最关键的一步就是获取准确的物体表面三维运动信息。随着计算机科学的不断发展,通过视频摄像机和计算机视觉技术来重建物体表面的三维运动已逐渐成为可能。物体表面的三维运动可以用一系列缜密采样点的三维运动轨迹来描述。根据视频摄像机在不同视角同步拍摄的图像序列,匹配采样点在各时刻各视角中的对应位置,便可以运用三维重建技术来计算采样点的三维运动。然而,从不同视角图像序列中匹配采样点的对应位置是一项极具挑战性的任务。主要的难点是：采样点周围局部图像的位置、形状和亮度,会因为视角的改变、物体表面的复杂运动、光照角度变化、运动导致的自遮挡等因素,而发生剧烈的变化。为了解决这些困难,本论文提出了两种准确、稳定且自动化的方法,用来匹配不同图像问的缜密对应关系。本文提出的基于特征点匹配的渐进重建方法,利用了特征点的检测和描述对于常见图像变换的不敏感性,并运用时域约束和跨视角约束大大提高图像之间特征点匹配的成功率和可靠性,从而得到物体表面运动前的参考图和其他各图像之间的稀疏对应关系,然后根据匹配特征点在采样点局部拟合几何变换来初始估计其对应关系,最后通过迭代优化获得采样点的最佳对应位置。通过比对参考图和任一目标图间的图像相似程度,可以自动检测采样点的被遮挡及遮挡后的重现。同时,运用参考图还可以避免长序列跟踪中出现误差累积。本文提出的优化参数传递方法,能够利用采样点之间的运动相关性,根据已有采样点的对应位置,准确估计其邻域中其他采样点的对应关系。与传统的直接参数传递不同,该方法使用传递函数对相邻采样点之间的运动参数差异进行量化建模,因此能够提供更准确的初始参数估计,从而大大提高迭代优化算法进行参数优化时的收敛准确率和计算效率。同时,优化参数传递能够容许更大的采样间隔以及运动参数在采样点之间的迅速变化。此外,该方法在每次传递时优先选择匹配可靠度最高的已有采样点作为参数传递来源,大大降低了错误匹配结果造成的误差扩散的影响。本文除了运用所提出的方法成功获取纺织面料和人脸表面的复杂三维运动外,还探索了其在实验力学中精确测量材料形变的应用。对于在实验力学中广泛应用的数字图像相关方法,特征点匹配以及优化参数传递能够进一步完善形变测量的精确度、可靠性、计算效率和自动化程度,并在材料的大形变测量中取得理想的结果。