建筑物屋顶轮廓提取与结构化重建是当前摄影测量与计算机视觉的研究热点之一。建筑物屋顶在光学影像上具有纹理多变、边缘特征不稳定、容易受到树木干扰、难以被完整提取的特点;在点云数据中,建筑物结构具有与植被或其他地物粘连、空间形态特征复杂、难以被精确分割的特点;这给建筑物屋顶轮廓高精度提取与结构化三维重建带来了一系列困难和问题。本文选择数据驱动的方式,从高分辨率影像低层级特征（边缘、线段特征）着手,融合LiDAR数据处理结果,针对大量存在的非建筑物屋顶轮廓的线段特征、伪建筑物屋顶轮廓的线段特征设计了一系列的融合去噪方法,并对建筑物屋顶轮廓进行了推理和闭合处理,从而提出了一种建筑物屋顶外轮廓的高精度提取方法,并以此为基础实现了建筑物的全自动结构化三维建模。论文主要工作如下:（1）建筑物屋顶提取与结构化重建的背景探究与策略分析。调研了近年来建筑物提取与重建的国内外研究,制定了从高分辨影像低层级特征着手,包括数据预处理与多源数据特征提取、多源特征融合提取建筑物屋顶轮廓、建筑物精确高程估计与结构化建模等步骤的整体技术框架。（2）在多源遥感数据的数据预处理与特征提取阶段,对LiDAR数据与多视图影像生成的影像点云进行配准,包括粗配准和精配准;提出了一种八方向增强边缘检测算子,得到了更加完整的影像边缘特征、直线段特征;结合影像的NDVI结果,分离点云中的植被,结合生成的n DSM模型进一步确定初步的建筑物区域,利用聚类算法消除离群点,得到了LiDAR中的建筑物点群。（3）在多源数据特征融合提取建筑物屋顶轮廓阶段,将影像上的直线段噪声分为远离建筑物边界的明显错误的非建筑物直线段即第I类噪声和分布在建筑物边界附近容易混淆的伪建筑物直线段即第II类噪声;提出利用点云的建筑物边界生成一定宽度的影像缓冲区实现了对第I类噪声的去除,提出了点云边界等距离映射方法（EMLI）实现了对第II类噪声的去除;针对去噪后轮廓存在难以直接闭合的问题,设计了线段精练规则和空缺补齐规则完成了对稳定线段特征的筛选与闭合,得到了完整的建筑物高精度屋顶轮廓;将初始轮廓投射到其余多视图影像上,对初始轮廓进行进一步的纠正,得到更高精度的建筑物屋顶轮廓。（4）基于建筑物屋顶轮廓进行快速结构化三维重建阶段,针对现有全自动DEM生产存在噪声残留,直接利用DEM获取高程在部分区域存在精度不高的问题,设计利用点云动态内插和局部地平面采样与拟合的方法,提高了屋顶点与对应地面点的高程精度,对屋顶内部细节进行平面三角划分与纹理映射,最终得到了具有较高精度的LoD1-LoD2层次的结构化三维模型。最后,利用ISPRS基准数据集,完成了八方向增强边缘检测算子与常见边缘检测算子的对比实验,结果表明本文提出的八方向增强算子能够得到完整度更高的建筑物边缘,并对同一边缘进行增强表达,但有时在一定程度上降低了边缘的准确度;提出了针对建筑物边界精度的像素评价指标体系（b＿CP、b＿CR、b＿Q）和真实测图误差距离（RMEC）,实现了更加显著和准确的边界质量评价;完成了建筑物屋顶轮廓提取的对比实验,结果表明本文方法提取结果具有更高的边界准确度;完成了建筑物结构化建模对比实验与耗时统计实验,结果表明本文方法得到的LoD1结构化三维模型具有更高的高程精度,同时本文方法相对于传统的实景三维建模方法,在建筑物三维重建效率上有显著的提升。