三维重建主要指采用两幅或两幅以上的图像,从不同视角恢复图像的三维信息、重构三维实景,目前已广泛应用于古建筑数字化保护、自动驾驶等领域。特征检测与匹配作为三维重建的关键步骤之一,其效果直接影响三维重建结果。然而针对结构复杂,纹理重复的图像,特征检测与匹配过程存在精度低,鲁棒性差的问题。本文针对上述问题,结合图像特征直线间的几何结构,较强表达能力的特点,对图像特征直线的检测与匹配方法进行了深入研究,主要的研究成果有:1.针对场景复杂、纹理重复对象的直线检测中存在断线多、误检测率高的问题,结合边缘检测思想提出一种基于基本块分组与渐进式融合的特征直线检测方法BPC＿GF。该方法首先采用改进Canny边缘检测算法检测图像边缘点的属性;其次从边缘点中确定瞄点,引入基本块概念,结合贪心算法生成不同类型的基本块;然后对同一类型的基本块依据相邻基本块间主方向角度偏差和空间距离约束进行分组、渐进式融合生成候选特征直线;最后利用改进Helmholtz原理准则剔除由噪声等外界干扰形成的虚假特征直线,得到准确特征直线集。2.针对图像在尺度变换、视角变化、噪声、光照等多重因素影响下误匹配率高的问题,结合尺度不变描述子SIFT和特征直线检测算法LSD,提出一种基于多重约束的特征直线匹配方法LMC＿LSD。该方法首先对检测到的每条特征直线确定支持区域;其次在特征直线支持区域内,位于特征直线两侧的特征点及直线两端点进行同名点匹配;然后对特征直线进行核线约束,根据同名点位置和核线确定搜索图像中待匹配直线的支持区域,并采用角度、距离、灰度相似性约束得到特征直线的正确匹配。3.基于BPC＿GF和LMC＿LSD方法,以古建筑图像为对象,设计并实现了一个基于基本块分组融合的图像特征直线检测与基于多重约束的特征直线匹配原型系统。该原型系统主要包括图像预处理、Canny边缘检测、SIFT特征检测、特征直线提取、特征直线匹配等功能。该系统为古建筑三维重建提供技术支持。