随着对月球探索的日渐深入,月球重建技术逾显重要。月球的精准重建有利于人们对月球地形以及环境资源实现进一步的研究。当前计算机视觉正发挥着越来越重要的作用,其中基于双目视觉的三维重建技术发展迅猛。基于图像的物体三维重建则是以双目摄像机所获取的图像为基础,提取特征信息,并利用计算的三维信息实现场景物体重建。目前,三维重建技术也已经广泛地应用于视觉导航、视觉测量、医学诊判、航空探测及工业检测等多个领域。由于嫦娥三号缺少激光高度计,本文提出了一种基于嫦娥三号月球高清图像的高程值训练模型,结合了双目立体视觉与BP神经网络算法,并利用嫦娥二号高程值及图像数据估计嫦娥三号高程数据。实验结果表明,本文研究的内容极具实践意义和科研价值。本论文主要研究了以下内容:1、本文所阐述的视觉研究方法是以Marr视觉理论为基准,通过搭建平行双目拍摄系统,获取在多种差异姿态下的物体图像,然后依据相关立体匹配算法,并结合几何原理获取图像的三维信息,实现场景的三维重建。本文提出融合颜色,纹理和梯度信息来计算匹配代价的局部立体匹配算法,将三个特征空间的信息作为匹配代价的计算项,调整权重参数得到精细视差值,该算法具有高精确度和低复杂度。实验对31对Middlebury官网立体像对进行测验,结果显示本文提出的优化立体匹配算法平均误差达到8.77%,并与其他9种Middlebury官网的优秀立体匹配算法进行比较,平均排名显示为最优。本文也开辟了立体匹配的新视角,同时考虑了多特征空间的信息,丰富了图像各种信息之间的内在联系。2、本文结合双目视觉和机器学习算法,将其应用于嫦娥二号和三号的月球数据匹配和模型训练。重点研究内容为双目视觉的立体匹配算法、月球图像分析、月球图像数据处理、神经网络模型训练以及月球高程值学习。本文通过SIFT算法对嫦娥二号和嫦娥三号的2B级月球双目图像进行特征提取与匹配,利用PCA算法和分层聚类实现特征处理,然后应用BP神经网络算法对匹配点的特征和高程值进行训练,进而快速获得月球其他图像的高程值。本文实验结果表明,测试集训练获得的预测高程值与其实际高程值的相对误差为2.22%,进而可快速准确地获得嫦娥三号回传的所有月球图的高程值,实现全月重建。