在开发、利用、保护海洋资源的过程中,水底地形测绘和水下航行器自主作业等诸多任务使命都对水底地形三维数据具有强烈需求,面向水底地形的三维重建研究具有重要的学术意义与实用价值。本文面向高精度水下地形三维重建需求,分别提出图像背景光优化、自适应误匹配剔除和视差优化策略,改善真实水下环境中图像失真、匹配约束失效和遮挡区域重建受限等问题。具体研究工作如下:首先,针对水下图像雾化、颜色失真、对比度降低等导致的特征缺失问题,提出一种基于背景光优化的水下图像增强方法。一方面,考虑水下图像背景光所在区域通常具有较高的色彩饱和度特性,提出结合色彩饱和度的图像背景光优化方法,改善图像雾化现象;另一方面,利用伽玛变化与色彩校正分别提升图像亮度、校正颜色失真,达到增强图像特征的效果。大量试验分析表明,增强后图像峰值信噪比相较于CLAHE（Contrast Limited Adaptive Histogram Equalization）算法提升了13.9%,能够满足面向水下地形三维重建的特征匹配要求。其次,针对水下双目图像匹配过程中极线约束实用性下降的问题,提出一种基于自适应极线约束的误匹配剔除策略。具体地,通过建立带有水下折射因数的水下极曲线约束模型,有效剔除误匹配点;进而,通过结合FAST（Features From Accelerated Segment Test）算子与SIFT（Scale-Invariant Feature Transform）描述子对水下双目图像进行特征匹配,精确获取特征点视差。检测匹配数量表明,所提出的模型能够自适应调整约束范围,解决了水下图像特征稀疏问题;特征匹配性能指标显示,相较于传统SIFT算法,本文算法的匹配精度提升约4.5%,同时可确保匹配实时性。最后,针对匹配后获取的点云信息散乱问题,建立视差-点云-网格重建框架。具体地,结合误匹配点邻域像素有效视差,提出基于高斯权重的误匹配点视差插值框架,实现视差图像平滑;进而借助非平行双目模型,还原三维点云坐标信息;基于Delaunay三角剖分策略,通过提取图像纹理还原三维模型。试验结果表明,相较于SGM（Semi Global Matching）方法,本文算法能够有效填充无效视差,实现高精度水下地形网格重建。综上所述,本文从图像增强、双目匹配和重建效果优化三方面对水下三维重建展开研究。通过引入水体介质对光的折射、衰减等系数,增强水下图像对比度,提升图像质量;通过建立自适应曲线约束模型剔除误匹配点,提高水下双目图像匹配准确率;借助高斯插值方法,实现视差优化,提升水下三维重建效果。