杨鸣新，陈 喆，陈 镇

（1.武汉市房产测绘中心，湖北 武汉430015；2.长江科学院 空间信息技术研究所，湖北 武汉 430010）

立体视觉进行三维重建的核心内容是同名点提取和匹配，同名像点匹配后可估计影像的左右视差和上下视差，进而计算得到影像上每一点的三维坐标。传统立体视觉理论基于特征点匹配算法，对于非特征点区域无法进行处理；同时，立体视觉是基于高度重叠的影像，要求特征点同时存在于两幅图像上，对于非重叠区域该方法失效。在影像透视收缩严重时，完全基于影像灰度和纹理结构的匹配方法匹配精度降低。

单幅图像恢复表面形状（Shape from shading，简称SFS）理论[1-3]基于假设的光照模型和物体表面反射模型建立图像的反射图方程，仅靠单张数字影像就可以恢复物体表面的形状信息。许多研究人员将立体视觉与SFS结合起来解决三维重建问题，用立体视觉恢复高频部分、SFS方法恢复低频部分信息。Frankot和Cheelappa[4]首先根据立体视觉原理找到稀疏同名像点并配准，计算该点的高度值，这些特征点的高度值作为SFS算法的初始值；然后用迭代的SFS方法恢复格网点高度。Samaras等人[5]在立体视觉匹配算法中采用最小决策长度（Minimum Description Length，简称MDL）作为相似性测度，在非边缘点区域匹配误差较大。Jin等人[6,7]提出基于变分法，同时估算朗伯体表面的形状、反射率、光源方向，该方法需要稳定的收敛算法来保证解的正确性。Haines和Wilson[8]采用马尔科夫随机场将SFS与立体视觉结合起来；Chow和Yuen[9]提出基于朗伯体表面，将SFS和立体视觉结合起来，用较少的特征点进行匹配并计算深度信息。……