计算机视觉是计算机科学和人工智能的一个重要分支。随着科学技术的不断发展,计算机视觉的应用越来越受到广泛重视。计算机视觉是研究用计算机来模拟人和生物的视觉系统功能的技术学科。它的主要任务之一就是研究利用二维投影图像恢复三维景物世界的问题。现有的多数图像采集装置所获取的图像本身是二维的,尽管其中可以含有三维物体的空间信息,但是要从图像认识世界,就需要从二维图像中恢复三维空间信息。计算机视觉三维重建研究内容主要包括图像输入设备、低层视觉、中层视觉、高层视觉和体系结构等五个方面。本文在以数码相机为成像设备的条件下,对计算机视觉三维重建三层视觉中涉及到的边缘检测、特征提取、重建基元等问题展开了理论和实现技术的研究,并提出了相应的解决方案。边缘检测是计算机视觉三维重建多种算法的基础,也是计算机视觉的重要研究方向之一,边缘检测的好坏直接影响到计算机三维重建的效果。本文利用形参均匀B样条平滑公式,建立了一种盈亏修正的图像边缘检测新方法。利用形参均匀B样条修匀公式对盈亏修正后的图像拟合光滑曲面,然后求取曲面的一阶导数极值点或二阶导数的零交叉点获得边缘特征点。该方法稳定可靠,精度较高,同时该方法简洁,便于实时处理。角点特征是图像的重要特征,在计算机视觉三维重建领域起着重要作用。本文提出了基于形状参数的均匀B样条模型的角点特征提取方法。通过该样条模型对原始曲线进行迭代逼近,得到样条曲线的表达式,然后利用曲率阈值确定曲线角点特征。带形状参数的均匀B样条模型的迭代逼近方法提高了曲线的拟合精度,确保了曲率计算的精度,进而使得角点检测的准确度也得到提高。传统的重建方法主要采用点、直线段作为立体匹配和三维重建的基元。这些基元不能够有效地表示空间不规则曲线,所以在应用于空间不规则物体的三维重建时很难取得良好的效果。在仿射相机模型的假设下,本文提出了基于CB样条曲线的空间物体三维重建,利用CB样条曲线仿射不变性,以CB样条曲线为基元来重建空间物体。使用样条曲线作为基元尽可能的减少了重建过程中近似误差的影响,同时提高了拟合的精度并加快了计算的速度。最后,本文给出了k阶指数多项式的均匀样条模型。该模型具有很多与B样条模型相同的性质,并且具有一个可调节的形状参数。由该模型构造的曲线,通过改变形状参数的取值,可以调整曲线接近其控制多边形的程度。该模型可以应用于CAD/CAM领域,作为几何造型的一种新的有效模型;同时可以将其应用于计算机视觉三维重建等方面。