在计算机视觉研究中,图像的对应点匹配是一个基本问题,同时也是一个核心问题。图像对应点匹配算法主要分为三类,分别是稀疏匹配、稠密匹配和准稠密匹配。目前,对准稠密匹配方法的研究主要是针对普通场景,并没有考虑结构化场景中包含大量平面结构这一特点,而且研究的图像类型主要是普通的透视图像。本文围绕鱼眼图像结构化场景的准稠密匹配问题进行了研究。所完成的主要工作有：1.给出了一种基于平面单应约束的结构化场景准稠密匹配方法。首先采用基于仿射不变量的方法检测和匹配稀疏平面种子区域,然后根据平面间的几何约束和对应点相似性约束,利用区域增长的方法实现准稠密扩散匹配。最优种子区域优先扩散策略的应用大大减小了初始错误种子区域对扩散过程的影响,而对不可靠扩散点的后处理也有效地提高了最终三维重建的精度。实验结果表明,相比传统的准稠密匹配方法,对结构化场景来说,采用本文方法得到的结果更加精确和稳定。2.给出了一种平面特征聚类方法,使得通过聚类特征计算得到的平面单应约束比单个最优特征的计算结果更精确。依据位于同一平面上的区域应蕴含相同或相近的平面约束关系这一特征,让同一平面上的种子区域首先聚为一类,进而依据类内区域信息共同计算所属平面初始单应约束。探讨了区域间距离阈值对聚类效果的影响,同时还给出度量聚类效果的评价标准。将采用单个最优特征和采用聚类特征计算得到的单应约束作为初始几何约束,分别进行了对应点匹配扩散实验。实验结果表明,基于聚类后更新的平面单应约束作为初始几何约束的对应点扩散,迭代次数少,扩散过程快,结果更稳定。