在摄影测量中,航空影像能够获取地面物体的顶部和部分侧面信息,地面近景影像则可以获得更为清楚的侧面纹理信息,两种数据源之间具有许多的重叠和互补性。充分结合多种数据源信息在三维重建、目标识别、变化检测等实际生产领域得到越来越多的共识,但由于二者联合处理技术尚不完善,无法满足处理快速、场景完整等生产需求。本文针对空地影像联合处理的难点,从特征点提取、匹配、重建等方面挑选适用于两种数据处理的方法,并根据实际处理结果对算法加以改进,为实现快速准确且自动化的空地影像联合匹配与增量位姿重建提供一种思路。主要研究内容包括两部分:（1）在空地影像匹配中,结合两类像片的特点,提出一种双阈值调整建筑物立面SIFT特征点分布的方法,降低SIFT特征点提取过程中的对比度阈值,再通过数量阈值约束整体的特征点数目,保证重叠面积较小的空地影像之间能够有充足的待匹配点对,利用深度学习Geo Desc方法对特征点描述。空地影像之间存在尺度差异,因而产生较多的误匹配点对,为此提出根据尺度对应关系进行跨尺度匹配的算法,通过对精细像片的显式尺度变换,并在对应尺度上建立匹配,可以减少因尺度不同造成的噪点过多,导致RANSAC失效的问题,提高匹配正确率。（2）在对空地影像重建中,由于空地影像匹配难度大,难免会产生一些误匹配点对,存在一定的不稳定因素,全局式重建方法速度快,但极易受到粗差点影响,因此采用稳定的增量式重建方法。考虑到增量式重建耗时久的问题,根据每个物方点对应的像点在像片中的数量、分布情况以及包含的视图数,提出基于贪心策略的观测值优选方法。在不影响重建精度的情况下,自动地优选出代表全集的观测值子集,从而改善增量式重建速度过慢的问题。