目前,结构光三维测量技术和深度图像处理技术在很多领域中都有着广泛应用。本文将二者有机地结合起来,应用于三维目标的测量与恢复,本文在结构光测量、深度图像插值、深度图像滤波、深度图像区域分割、深度图像的三维重建等方面开展了深入的研究。在结构光三维测量方面,首先分析了常见的结构光三维测量方法的基本原理,并在此基础上,采用了一种基于标志条纹的多线结构光编码方法。此方法兼有灰度编码和彩色编码的特点,既可降低灰度编码在解码过程中较高的误码率,又可以降低彩色编码中由衍射和干涉引起的解码错误。之后,以此编码方法为理论基础,构建了实际的多线结构光测量装置,测量结果表明,此系统符合设计指标的要求。采用多线结构光三维测量,存在一定的数据缺失。针对结构光深度图像的特点,在深入分析传统图像插值方法的基础上,提出了两种插值方法。一种是自适应加权插值方法,用于处理结构光垂直条纹区域的深度图像;另一种是均值插值算法,用于处理结构非垂直条纹区域的深度图像。实验结果表明,用这两种方法插值后的深度图像,深度数据连续而稠密。针对深度图像中的折皱型边缘,由于深度值变化缓慢,传统的边缘检测技术不能检测出此类型的边缘。为此,提出了两种深度图像的分割方法。一种是基于法矢分量边缘信息融合的分割方法,从法矢的两个分量中提取出边缘信息,进而将两个信息加以融合,可以有效地提取边缘,分割深度图像;另一种是基于边缘检测算子和形态学的图像分割方法,为深度图像中的跳跃型边缘和折皱型边缘设计了有针对性的边缘检测算子,实现更接近理想效果的区域分割。深度图像的数据量大、拓扑结构复杂,直接进行三角剖分和三维重建精度低、时耗长。为此,引入分治算法的思想,提出了一种基于同构RBF网络的深度图像重建方法。首先利用图像分割技术将深度图像划分为多个区域;其次在每个区域内,采用了同构RBF神经网络,通过不同分辨率样本的训练,以适应不同结构特征的区域重建;最后将各个区域进行拼接生成最终的重建结果。最后,本文分别对规则几何体和人头像进行了三维测量及恢复实验。实验结果表明本文所研究的方法,对于三维目标的重建是有效的,并且具有较高的鲁棒性。本文构建了从多线结构光测量到深度图像处理再到三维重建的完整框架,对于三维目标的测量与恢复具有重要的理论意义和实用价值。