随着计算机视觉技术的飞速发展,如何获得富有真实感的场景三维模型日益受到人们的关注。传统基于设备的三维重建方法成本较高,且其使用范围有局限性,因而在实际应用中受到限制。而基于图像序列的三维重建方法较单视图以及二视图的重建方法,约束条件少,使用范围广,一部摄像机就能完成真实感场景的重建,是计算机视觉领域的重要研究课题之一。图像匹配是基于图像序列三维重建算法中的关键步骤,传统基于图像序列的三维重建方法都依赖于稀疏特征点匹配算法而实现。虽然使用稀疏特征点已经足够满足于相机的参数计算与位置跟踪,但是却远远不能满足于最终三维结果模型的可视化效果。因而,如何获得更多更可靠的图像匹配点是一个值得研究的问题,本文针对图像匹配扩散问题展开研究,主要工作和结果如下：(1)研究基于邻域的准稠密匹配扩散方法。探究并实现了传统的准稠密匹配扩散方法,并且在传统准稠密匹配扩散的基础上,利用自适应支持权重代替交叉相关性度量,有效解决了边缘上的误匹配的现象。(2)提出基于三角形约束的匹配扩散算法。首先在初始匹配阶段引入交叉一致性检验,获得误匹配率较低的初始匹配点集。然后并针对传统匹配方法获得较低匹配分数的问题,利用三角形约束种子点扩散算法,得到更多的种子点以用于后续扩散。最后利用带三角形区域约束的邻域扩散方法实现种子点匹配,避免了扩散迭代过程中错误匹配点的影响,从而获得更多更可靠的匹配点。(3)提出基于匹配扩散的三维建模方法。针对传统稀疏图像序列重建算法在短序列或信息不够丰富的图像序列中未能满足后期三维结果的视觉化效果的问题,向基于二视图初始重建的重建算法中融入图像匹配扩散算法,并有效地用于三维重建,使得最终三维结果视觉效果更加丰富饱满。