随着无人机和并行计算等技术的发展，基于图像的三维重建在众多领域都有着相关应用。纹理映射对于提高三维模型的真实感有着重要意义，是三维重建的关键问题之一。为优化纹理映射在大规模场景下的性能，基于凸优化方法提出了高并行度的视图选择算法，提高了纹理映射算法的计算效率；利用形变信息抑制扭曲纹理生成，并实现了对三维模型的快速自适应分块，进一步拓展了纹理映射在大规模场景下的实用性；联合图像与三维模型的信息，优化纹理块的颜色一致性，通过实验对算法的鲁棒性进行了对比验证。本文针对纹理映射算法中的具体问题展开了如下研究：
　　首先，现有纹理映射算法受制于视图选择的求解过程，计算效率较低。提出了一种新的基于凸优化方法的优化算法，即不规则图下的连续最大流算法。利用Potts模型对纹理映射中的视图选择问题进行建模，并提出了不规则图下的连续最大流算法，基于对偶性原则证明了通过该算法能够高效地求出Potts模型的凸松弛问题，进而根据求解结果恢复三维纹理。该算法并行度与三维模型的面片数量正相关，适合在并行计算平台上进行部署与加速。实验表明，所提出的算法能够生成高精度的纹理映射结果，同时有效地提高了纹理映射的计算效率。
　　其次，针对现有纹理算法在处理复杂大规模场景时视觉质量较差的问题，将纹理映射算法中纹理形变信息融入视图选择过程，所得结果能够显著地抑制扭曲纹理地生成，提高模型视觉质量。其次，为解决大规模三维模型内存占用率过高的问题，提出一种根据三维网格模型的法向量信息对模型进行快速自适应分块的算法。三维网格模型经过该算法处理能够划分为多个子模型。分别对分块后的子模型进行视图选择能够显著减少纹理映射算法的内存消耗，使得GPU也能够处理大规模三维场景。同时，算法能够在多GPU同时处理不同的子模型，实现对纹理映射的进一步加速。
　　最后，现有纹理映射算法在处理复杂场景颜色校正问题时鲁棒性较差，在局部纹理区域易出现偏色现象。提出一种从全局到局部的联合颜色校正算法，利用多视图与三维模型的对应关系为三维模型渲染出顶点颜色，在局部纹理区域通过渲染的顶点颜色引导纹理块的颜色优化。由于有全局颜色信息进行引导，该算法对于贴附错误纹理的模型有着更为鲁棒的处理效果。