当前,点云作为地表三维模型表达的重要数据源,在数字高程模型（DEM）制作、电力巡线、城市规划等众多领域得到了广泛的应用。作为点云后续应用的基本环节和关键步骤,点云滤波算法一直以来受到了业界学者的密切关注与高度重视。根据数据获取的方式不同,可以将点云区分为LiDAR点云与影像匹配点云。目前大部分点云滤波算法均是针对LiDAR点云数据设计,而针对基于影像生成的密集匹配（Dense Image Matching,DIM）点云的滤波算法则相对较少,更为重要的是,现有的大部分算法均无法有效处理所有的地形特征数据,此外,LiDAR点云与影像匹配点云之间因数据源差异存在不同,简单照搬LiDAR点云滤波方法应用于DIM点云亦存在算法兼容性的问题。本文从现有的点云滤波入手,以数学形态学滤波、渐进不规则三角网加密滤波（PTD）、布料模拟滤波（CSF）为基础研究方法,针对LiDAR点云与DIM点云的滤波方法进行研究,具体工作如下:（1）阐述点云滤波的研究进展及其研究意义,研究LiDAR技术与密集匹配技术获取点云的原理,结合各自点云的特点进行总结对比。同时研究点云数据的预处理,包括点云数据的去噪、点云数据的格网化方法。对常用的点云去噪方法进行总结,分析点云的组织形式的优缺点。（2）研究经典的LiDAR点云滤波的思想,利用ISPRS测试数据通过定性、定量的滤波精度评价方法分析不同滤波在不同场景的滤波效果,比较各自滤波的优势与局限性。通过实验发现,单一滤波都有其各自适用和不适用的地形,PTD算法有更多的判断条件对比其他算法在复杂陡峭的地区表现更具稳健性,但在非常复杂和高度分散的地形场景中,使用单一滤波准确提取地形仍较为困难。（3）研究经典LiDAR点云滤波在DIM点云的适用性,为实现滤波优势互补,结合DIM点云的特点,提出一种综合多种滤波优势的DIM点云滤波。通过布料模拟获取高质量的初始地面种子点,再利用数学形态学对部分混入种子点的非地面点进行滤除,最后利用渐进三角网加密滤波对地形进行细化。利用两组地面景观复杂程度不同的DIM点云数据对算法进行验证。结果表明:对比单一滤波,提出的算法精度更高,生成的DEM更贴近真实情况,具有一定的适用性。最后对点云滤波相关功能设计软件系统进行实现,具有一定的应用价值。该论文有图60幅,表10个,参考文献89篇。