虚拟现实（VR）、计算机辅助设计（CAD）和科学计算可视化应用通常要求能够对复杂的场景结构进行交互式显示和观察。随着虚拟现实应用的发展，人们要求实时地生成高质量的画面。用传统的图形学方法，首先要建立场景的三维几何模型，然后对场景物体表面的材料、光照、纹理等进行描述。这样的处理过程非常耗时，往往需要很昂贵的硬件开销，并且还要在场景的复杂程度和图形的真实感两者之间进行折中。因而研究人员提出了基于图象的造型和绘制方法。二种方法各有优缺点。为了减少最终绘制的场景复杂度，作为实时图形生成技术重要的一部分

近年来，随着计算机硬件的不断快速更新，计算机的处理能力也不断变强。同时场景三维模型的获取技术越来越成熟，我们获得场景的三维模型数据的方式更多也更加方便了。而目前在基于单目和双目的三维重建技术中，单目技术较双目操作简单、而且取材方面更有利于推向市场。本文主要讲述基于单相机的三维重建，然后通过基于累积图的快速NCC匹配的种子扩张算法来进行高精度的三维场景重建。本章对经典的NCC相似度量函数进行优化，以此减少计算时间。而种子像素扩张算法即先选择初始的种子像素，利用视差图进行窗口比较从而获得高置信度的

数字化的建筑信息大量存在和应用于建筑设计、城市规划等领域。目前,由于建筑信息模型的数据量急剧膨胀,为克服"数据丰富而知识匮乏"现象,对其进行基于内容的模型分类十分必要。提出一种结合空间句法理论和基于SVM决策分类的模型分类方法,首先对建筑信息模型建立RCARG(Room Connectivity Attributed Relational Graphs)模型,提取出建筑信息模型的模型固有特征,并结合空间句法理论而扩充出模型空间构形特征,在常用的DAG-SVMS分类算法的基础上增加特征向量均衡化的

城市可见光图像中高大的建筑和树木造成的阴影及部分树木区域出现的颜色失真问题使得传统的颜色量化方法不能准确描述地物谱差异，最终导致分类精度下降。针对可见光图像中的阴影和颜色失真问题提出了一种改进办法：第一阶段针对阴影导致的被掩盖区域谱信息缺失问题，对阴影区域进行采样、分析，通过双阈值提取阴影区域并以面向对象分类方法获得绿色区域阴影。第二阶段通过融合树木区域在多源信息[激光雷达强度、多次回波的数字表面模型（DSM）]中的差异特征，剔除冗余，获取准确的树木区域，弥补颜色失真使得树木区域提取不完全的缺陷