航空拍摄是获取极地信息的重要方式,但获得的航拍光学图像不能直观反应地形特征。在计算机视觉领域,利用光学图像进行多视图重建是当前研究的热点。这一技术可将二维的平面图像信息转化为直观的三维立体信息,已在远程医疗、虚拟现实等方面得到广泛应用,这也给利用航拍图像实现海冰场景地形的三维重建带来了可能。本文对海冰场景三维重建流程及相关改进策略进行了研究。在分析海冰图像数据特异性的基础上,结合运动恢复结构与多视图重建的理论,实现了满足实际应用需求的海冰场景三维重建目标,研究内容主要为以下几个方面:1.通过分析海冰图像的特点,本文研究了影响重建流程中视图选择阶段准确性的因素及传统海冰分类标准在重建流程中的不足。在此基础上提出了一种以三维重建为目标的新的分类标准,以此标准设计了一个基于神经网络分类模型的预处理流程来自动筛选重建所需视图。实验结果表明,在本文新的分类标准下,该方法取得了较好筛选结果。相比于人工筛选时难区分的厚冰与薄冰场景,取得了较好的效果。2.本文介绍了稀疏重建过程的原理和特点,研究了在新的分类标准下,不同类别海冰场景适合的稀疏重建方法,提出了以场景类别为约束的海冰重建策略。验证了本文数据中具有相对复杂地形的海冰场景,更适合增量式运动恢复结构的重建方法;具有相对平坦地形的场景,论述了光照模型在本文数据集上的适应性,提出了一种以重建出的复杂海冰场景稀疏点云数据为先验性约束,从明暗恢复形状的改进型策略。实验结果表明,本文以类别为约束的策略可以更好的完成海冰场景稀疏重建工作。3.为了实现了完整的重建流程,本文在介绍多视图稠密重建原理的基础上,分析了影响稠密重建工作的因素。研究了海冰图像在稠密重建时场景结构中各区域间的关系,提出了一种基于区域限制的海冰场景稠密重建策略。在区域分割阶段,使用未分割视图生成的稀疏点云在其对应图像上的投影来分割候选重建区域;在重建阶段,以分割后的海冰场景图像为稠密匹配时的输入,完整图像稀疏点云数据作为可靠的初始化依据,结合散列聚簇及基于面片的重建实现海冰场景的完整重建流程。相关实验结果证明,在本文的海冰图像数据集上,该策略可以有效降低稠密重建阶段的冗余计算、提高运行速度,并减少稠密点云数据中的离群点。