数字处理技术的发展使得对图像进行分析、操作和处理,最终转换为计算机可识别三维模型的方法越发高效,相较于无须考虑视角影响的单张图像,多视图三维重建因自然图像标注视角的缺乏而面对不小的挑战,如何高效利用图像特征实现自然图像的目标视角估计与三维重建已经成为亟待解决的问题。现阶段,各类别图像视角估计模型独立不相关且三维重建模型大多仅利用了单张图像的深层语义特征,模型参数冗余且图像特征利用单一。由于多视图目标视角估计与三维重建最终需要应用于自然图像,如果目标视角估计准确性太低,或重建时没有充分利用三维模型特性及图像特征,必然对重建模型精度造成影响。因此,对多视图进行视角特征分析及有效特征提取具有重大意义。本文以自然场景下的目标多视图为对象,提出基于参数共享的图像目标视角估计方法服务于多视图三维重建,同时为了提高重建精度,进一步提出了视角标注下多视图感知特征提取与融合方法和基于图卷积网络级联的网格三维重建方法。主要研究工作如下:（1）基于参数共享的图像目标视角估计研究。针对自然图像缺乏视角标注重建应用困难、训练样本匮乏及训练周期长的问题,根据原始数据集参数的分布情况合成模拟自然图像;考虑到目标的尺度差异性对视角估计的影响,选定合适的检测网络;由于并行多类别视角估计模型存在参数过量、移植性困难的问题,考虑到不同类别图像的浅层特征的一致性及视角特征的空间距离关系,在优化视角估计损失函数的基础上,结合卷积神经网络提出基于参数共享的图像目标视角估计方法。实验证明,该方法在减少训练耗时的同时能有效的估计图像的目标视角。（2）视角标注下多视图感知特征的提取与融合方法研究。针对多视图浅层空间特征利用不足和特征融合效果较差的问题,结合深度学习,提取多视图的多尺度特征。在此基础上,以网格作为重建目标的三维表达形式,通过各视图的标注视角获取网格顶点的投影坐标,采用双线性插值法进一步提取多视图多尺度感知特征并提出基于多视图统计特征级联的感知特征融合方法。设计实验对比不同感知特征提取网络结构与特征融合方法应用于三维重建的效果,实验证明,视角标注下多视图感知特征的提取与融合方法能有效提升三维重建网络的性能。（3）基于图卷积网络级联的多视图三维重建方法研究。针对传统的卷积神经网络无法直接应用于不规则网格变形的问题,在提取多视图感知特征的基础上,建立图卷积层之间的密集跳跃连接并提出基于图卷积网络的网格三维重建方法,通过采用图卷积网络和五种损失函数实现和约束网格变形。同时为了增加模型细节,设计基于图的上采样层,通过级联多个图卷积网络和上采样层实现网格三维模型由粗到细的精确重建。