近年来,基于影像的三维重建正成为摄影测量的研究热点,而影像匹配是其核心环节。近景影像匹配由于存在局部纹理重复度高,视差不连续现象多,前景遮挡后景等特点,使得数字近景影像稠密匹配存在较高难度。目前较为成熟的方法主要是基于特征点的稀疏匹配方法和基于特征点加密的准稠密匹配方法,但这两者都无法获得稠密的点云数据。故本文以数字近景影像的稠密匹配方法为主要研究内容,围绕影像匹配方法和流程进行分析和研究,并在此基础上进行方法改进,建立数字近景影像稠密匹配实验系统。数字近景摄影测量的核心是影像匹配,为获得更好的数据采集效果,本文在分析当前空间数据获取方法和立体影像匹配技术的基础上,详细研究了数字近景影像稠密匹配的方法。为获得稠密匹配点数据,本文从匹配相似性测度模型、核线约束、视差约束等方面入手,以提高匹配的效率和效果,在理论和方法研究的基础上开发了数字近景影像稠密匹配原型系统,并对本文方法的有效性进行实例验证。主要结论与成果如下：(1)本文在对现有影像特征提取算法的分析、总结基础上,结合近景影像摄影基线较短、纹理复杂、遮挡严重等特点,选取基于SURF的特征点提取及匹配算法,实现图像中具有旋转、尺度不变的鲁棒的特征点对提取,并将提取的特征点对数据用于影像核线参数计算,减少传统手动选点带来的误差。(2)在影像匹配时,如何判断两个点对为同名像点至关重要。为此,本文在对比、分析现有匹配测度模型的基础上,充分利用影像的颜色信息和像元空间距离信息,引入权重思想,提出并构建基于颜色和空间距离权重的综合匹配测度模型,为影像稠密匹配打下基础。(3)为提高影像匹配效率,影像匹配时的搜索策略十分重要。本文在引入常用的核线约束策略,将二维搜索降为一维搜索的基础上,为防止匹配误差累积,在常用连续性约束的基础上,提出了基于已匹配特征点对的三角视差约束网的搜索策略,来提高匹配效率。(4)同时为得到更多的匹配点对,克服视差不连续以及遮挡等情况下产生的匹配点不连续、匹配空洞等现象,本文提出了基于影像颜色空间聚类分析的匹配结果优化策略,其基于空间相同颜色色块具有相同视差平面的假设,利用均值漂移方法对影像颜色空间进行聚类分析,将影像聚类分析结果用于对初始匹配结果的优化。(5)依据数字近景影像匹配结果,利用Z-System系统的三维坐标解算模型计算密集点云的物方三维坐标。同时设计数字近景影像稠密匹配的原型系统,对本文稠密匹配方法进行算法实现,并用车载立体像对影像进行实例验证,验证了本文方法的有效性和实用性。