近年来,机器学习、人工智能等科学技术的快速发展,对传统文化遗产的保护开发等工作产生了深远的影响并提供了技术支持,2022年国家重点研发计划专项也将文化遗产、文物数字化包括其中。文物会因为环境或人为等因素导致文物损坏,即使是博物馆的馆藏文物,也会由于长时间成列使得文物表面受到氧化侵蚀,因此文物急需保护。随着计算机视觉技术的广泛应用,尤其在文物数字化保护领域的相关研究越来越多,三维重建技术作为其重要分支,在文物三维形态复原等方面发挥着重要作用。通过研究了解到,传统的三维重建技术存在专业性强,操作难度大等问题,新兴的三维技术虽易操作,但会有重建不完整等缺陷。为了解决以上问题,本文提出了一种密集多视图立体网络用于精确的文物三维重建。本文的主要工作内容如下:（1）文物图像增强与相机标定。针对采集于博物馆的文物图片分辨率及低照度等质量问题,本文提出了基于改进的Retinex-Net模型,在Dcom-Net中嵌入了残差注意力模块来提高网络特征提取的能力。经过文物图像实验和各种数据集定量对比,表明本文方法的图像增强效果良好。通过colmap对文物图片进行相机标定来获取图片中的相机参数。以上工作为后续文物三维研究奠定良好基础。（2）提出了一种密集多视图立体网络D-MVSNet用于精确的密集点云重建。在三维重建过程中,特征提取的精度会直接影响到重建结果,为了解决该问题,D-MVSNet在Baseline的基础上替换了原有的特征提取模块,加入了一种轻型DRENet（密集接收扩展）模块,用于提取具有多尺度上下文信息的原始大小的密集特征图。在文物图片上经过消融和对比实验,结果表明,本文提出的方法对比BaseLine整体质量提升0.2%,对比传统算法具有明显优势,证明了本文方法在文物三维重建方面的优越性。（3）本文设计了一个简单易用的文物三维重建系统。该系统根据用户实际需求分析,通过定性、定量的方式对系统进行了综合的评估。实验结果表明了该系统高效易用,实现了文物三维重建,使得本文提出的算法得到了实际应用。