图像三维重建技术是计算机视觉技术中的重要组成部分,图像对象物的检测与识别技术作为其中的重要分支,近年来逐渐受到国内外研究学者的重视。该项技术效率高、成本低,在工业检测、安全监控、视觉导航、生物医学与虚拟现实等领域发挥着越来越重要的作用。本文主要围绕如何用基于区域增长的扩散方法得到稠密匹配这一问题,再运用相关原理与方法得到对象物表面的三维点云数据。主要工作有如下几个方面：1.针对现有区域增长稠密匹配算法的不足,本文提出一种改进的基于区域增长的三维重建方法。该方法选用种子点的7×7矩形邻域作为匹配扩散的初始搜索窗,并基于自适应的搜索窗口调节方法,提出极线距离与方向性约束准则,剔除搜索窗内的不可信匹配候选点；同时,将二进制鲁棒尺度不变关键点(Brisk)作为区域增长扩散的种子点,使种子点提取与匹配的过程满足实时性要求。2.由于图像采集过程受光线角度和强度影响很大,图像质量对光照尤其敏感。通过对图像的纹理化特点进行分析,对图像作纹理化预处理,从而减弱不同视角下局部区域光照不均对图像灰度值的影响,同时也适当去除了该局部区域的噪声干扰。3.基于以上相关理论,利用实验方法得到对象物的二维稠密匹配点。同时,基于反投影残差原理建立投影点误差分析模型,对图像特征点检测结果与稠密匹配结果进行精度分析,去除误差较大的点,得到满足精度要求的可靠三维点云数据。实验数据表明,本文算法重建总体效果达到了预期目的。