增强现实技术是在虚拟现实基础上发展起来的一项技术,其目的在于将计算机生成的虚拟物体准确地叠加到真实场景中并实现真实与虚拟场景无缝融合,进而完成对真实场景的增强,从而辅助用户对现实世界的认知。目前增强现实所需的三维模型还需人工生成,耗费了极大的人力物力。基于图像重构的方法来代替人工建模,完成360度全方位展示,一度成为学术界研究的热点。此方法成本低、易操作、适用于更多的应用场景。本文依托于增强现实的应用背景进行了视点重建技术的研究。主要内容如下:一、针对原有的基于深度图像渲染（DIBR）算法存在的空洞、裂缝、伪轮廓等问题,我们设计了一种基于深度图像的双视点逆向投影的算法,将产生伪轮廓的深度图像边缘区域进行膨胀,对非标记区域进行投影,最后使用逆映射完成虚拟视点图像的修复。文中实验使用了微软亚洲研究院交互可视化多媒体组提供的“Breakdancers”视频图像序列,从实验效果上看,对比原有算法,我们有效的解决了伪轮廓的问题,并且采用了逆向映射来修复算法带来的空洞,极大的解决了伪轮廓、空洞问题,效果令人满意。二、为了解决目前现有深度学习网络生成图像模糊的问题,我们通过对比目前比较主流的生成网络,设计了共享条件对抗自编码器（CAAE）网络。CAAE网络由自编码器和对抗网络组成,CAAE网络不光有自编码器对样本的重构能力,兼有对抗网络对图像细节的补充。输入单视角RGB图像,自动生成其余视角的RGB图像,与原有的算法比较,我们设计的网络改善了其他网络的模糊特性,生成高质量的视点图像。本文设计的两种算法都很好的完成了虚拟视点重构任务,并与原有的算法进行了对比,达到了令人满意的效果。基于立体几何的DIBR视点重建技术,应用于数据量不充分且场景变换频繁的情况下。基于深度学习的视点重建技术,应用于数据量充分,有针对性的对某一类的物体进行重建的情况下。本文针对不同应用场景提供了不同的视点重构技术。