随着计算机技术的不断发展和数字化设备的不断更新,越来越多的领域提高了对三维模型重建精度的需求。然而,利用建模软件手工测量并构建三维模型是一项十分耗费时间成本和人力成本的工作。研究如何通过算法直接、快速地获取对象的三维模型,是该领域的热点问题。但是,使用算法重建出的三维模型,依然存在着重建速度较慢,三维模型质量无法保证等问题。针对上述问题,本文对基于视频图像的大型户外场景三维重建算法进行了研究和改进,其主要内容如下:首先,在视频图像预处理阶段提出了一种层次化的视频图像关键帧提取技术,该技术采用浅层提取和深层筛选相结合的改进方法。浅层提取采用改进的关键帧采样提取算法,并考虑图像清晰度评价的因素,共同提取出一组图像清晰、存在部分冗余的视频图像序列。深层筛选通过将图像灰度化、图像分割找到兴趣区域,再结合基于直方图欧式距离的图像相似性度量算法剔除图像序列中的冗余图像。实验表明,这种层次化的视频图像关键帧提取技术可以剔除90%以上的视频图像帧,重建效率比传统的方法提高6—15倍。其次,在视频图像序列的三维重建阶段提出了一种基于时空序列特性的图像特征点匹配方法,通过图像之间的“关联”特性,限制了参与特征点匹配的图像数量,再使用从运动恢复结构算法将匹配到的特征点对恢复到三维空间中,并对相机的位置和姿态进行标定。通过多视点立体视觉算法将点云聚簇并扩散为稠密的三维点云。最后利用泊松表面重建算法将稠密点云网格化,并进行纹理映射,完成三维重建。最后,使用基于GPU的并行化加速方法,充分利用GPU在并行化处理和大规模计算方面的优势,对从运动恢复结构算法和多视点立体视觉算法进行并行化的分析和优化,从算法和硬件两个层面上缩短了三维重建的时间,相比于串行的三维重建算法,重建效率提高了近9倍。并结合三维重建的实际应用场景,讨论三维重建技术在文物保护、数字化研究和展示中的意义。