随着计算机技术的发展，三维重建成为计算机视觉的研究热点，并在医疗行业、电影行业、游戏产业、工业建筑等领域得到了广泛的应用。三维重建的最终目的是恢复场景的三维模型，基于图像的三维重建是获取三维模型的主要手段之一。由Furukawa提出的基于面片的三维重建算法(PMVS)是各方面性能表现最好的多视图三维重建算法之一，本文主要对PMVS算法进行研究和改进。　　PMVS算法采用Harris和DoG算法进行特征点提取，生成的用于面片扩散的初始面片较为稀疏，导致扩散工作量大，所用时间长。针对该问题，本文引入了准稠密匹配方法对PMVS算法进行改进，改进的PMVS算法通过准稠密匹配方法处理得到较为稠密的初始面片。实验数据表明引入准稠密匹配方法的PMVS改进算法如预期一样提高了算法时间效率，具有可行性。但PMVS改进算法实现的三维重建的效果在完整度（重建模型面片数量）上较原PMVS算法有一定程度的下降，这是由于准稠密匹配方法得到的初始面片分布不均匀导致。针对该问题，本文进行了进一步优化。首先在PMVS特征点匹配阶段加以单应约束，并提出对稀疏匹配点自适应的非极大值抑制处理方法来保证准稠密匹配种子点的可靠性，提高准稠密匹配点的准确性;然后对得到的准稠密匹配点集进行重采样处理，生成分布均匀的初始面片，使得面片能够充分扩散，重建出完整度较好的三维模型。　　实验表明，本文提出的改进PMVS算法相对原PMVS算法在Temple和Dino两个数据集上重建时间分别减少8.85％和9.21％，在重建效率上有所提高。重建效果方面，本文实验结果提交Middlebury三维重建效果测评网站反馈结论为:针对Temple和Dino两个数据集的重建精度(Accuracy)分别为0.9mm和0.54mm，重建完整性(Completeness)分别为97.8％和98.4％。该结果表明，本文提出的改进PMVS算法相对原PMVS算法重建效果基本相当，重建质量在可接受范围内。