三维重建是将摄像机采集的真实场景的图像数据,利用计算机自动进行计算和构建三维几何模型,力求从二维图像信息中恢复出三维空间信息的过程。近年来,三维重建在虚拟现实、智能驾驶、智能家居、医学治疗、文物保护等领域受到了科研工作者们的密切关注,因此针对三维重建过程中的关键技术和难点的研究具有重要的现实意义。图像特征点匹配是三维重建过程中至关重要的一步,匹配结果的精度直接影响后续三维重建的效果。本文在整理相关领域科研人员的研究成果与资料的基础上,重点研究了三维重建中的图像特征点匹配这一关键问题,从提高三维重建中图像特征点提取和初始匹配的性能、优化误匹配点剔除方法方面展开了研究。本文主要内容包括:(1)针对传统SIFT算法描述符维度过高而导致重建时间过长的问题,本文提出了一种改进SIFT的特征点提取与初始匹配方法。本文在对图像预处理的基础上,首先使用SIFT算法检测每个关键点的具体位置,同时利用Sobel算子计算图像的梯度,对每个像素赋予了新的梯度定义;然后将原方形网格替换为八个同心圆环结构,基于同心圆邻域生成64维的描述符;最后在初始匹配策略上提出了一种基于邻域投票的特征点初始匹配方法,利用距离和方向两个约束对匹配点进行搜索。实验证明本文方法在缩短了初始匹配时间的同时获得了较高的初始匹配精度,对复杂场景的图像变换依然保持较好的适应性。(2)针对相机拍摄的三维场景中存在大量重叠区域以及传统RANSAC算法由于离群值比率的增加导致其剔除效果不理想的问题,本文提出了一种简化的RANSAC算法,将所有经邻域投票处理得到的后20%的初始匹配点对视为不符合条件的点进行删除,并对剩余的点进行处理,从而提高内点的比率。实验结果证明,在匹配难度高的遥感图像和实际拍摄场景下,改进的RANSAC算法对图像之间存在重叠区域的情况具有较好的适应性,提高了误匹配点剔除的效率和变换矩阵的精度。(3)为了验证本文提出的图像特征点匹配方法在三维重建中的性能,分别进行基于改进SIFT算法的初始匹配、优化RANSAC的误匹配点消除和三维稀疏重建实验,最终实现了图像的三维稀疏重建,得到了分布更加合理且重建效果好的稀疏点云,实验结果验证了本文提出的图像匹配方法对重建结果的可行性和有效性。该论文共有图41幅,表9个,参考文献82篇。