三维重建技术是根据同一场景中多幅不同视角的二维图像，经过立体匹配获取该场景内各物体的深度信息，或者利用深度摄像机直接获取的深度信息，经过优化、提取得到三维模型。其中基于图像分割的立体匹配方法以其精度高，鲁棒性强和适应性高等特点被广泛采用。除此之外， Kinect以其低廉的价格，环境适用性强等特点也被广泛用于直接获取深度图像。本文主要是基于这两种情况展开研究。论文首先对传统基于图像分割的立体匹配算法作了比较详细的介绍；针对传统算法中所采用的局部匹配方法误匹配率较高，平面拟合具有一定局限性等缺点，将改进的局部匹配方法和全局匹配方法相结合，获取初始视差图；在视差精化方面利用曲面拟合的方法对各分割区域进行处理，并在区域合并中提出新的判决准则。仿真实验结果表明，改进后的立体匹配算法能够获得高精度的视差图，实现同一曲面内不同纹理之间视差的平滑过渡，在低纹理和遮挡区域也能获得比较理想的效果。论文最后介绍了利用Kinect设备获取深度图像基本原理，以及所获取深度图像的特点（高噪声，深度边缘信息容易丢失）；目前广泛采用的双边滤波方法在对深度图像进行滤波时，对深度边缘丢失信息不能有效处理；论文针对双边滤波的不足，结合RGB信息对深度图像进行处理，在深度边缘信息丢失部分利用图像修复准则进行信息的填充，同时在前景目标提取方面利用图像分割方法定位边界信息，实现了目标区域的精确提取；在点云融合方面则采用ICP算法对多幅点云进行融合。仿真实验结果表明，本文方法不仅能够有效抑制噪声，而且能够有效填充深度边缘丢失信息部分的深度值，此外，通过ICP算法还可以实现对多幅点云的有效融合。