三维重建是一种可以通过多张二维图像重建对象的3D几何形状和空间位置信息的方法,它是计算机视觉领域的研究重点之一。传统的图像三维重建系统通常会遇到干扰,例如摄像时的环境变化,阴影,光照或其它物体的遮挡,这样无法准确识别和定位3D物体。为了克服以上普遍存在的问题,基于重建对象的纹理特性、梯度变化以及对象的模糊程度得到的深度敏感信息可以有效地融入计算中。因此,在三维重建中如何准确的利用图像深度感知信息是近几年的研究热点。本文通过对图像显著性检测及深度敏感信息提取的相关算法及技术的广泛研究,对深度敏感信息提取研究现状进行了分类和概括,同时提出一种基于深度敏感信息的显著性检测算法。所提出模型的突出优点是将深度感知信息结合到二维视觉显著性检测模型上,更好的呈现了图像深度信息的影响,该方法提出一种深度对比度和“空间中心先验”信息的新的显著性检验因子,并结合到二维显著性检测模型中。将该方法与公开数据库中的7种最先进的显著性检测方法进行了比较,结果表明图像深度感知因子对于提取复杂场景中的显著性前景确实具有很好的效果。在获取图像深度感知信息后,利用一种多视图运动结构(SFM)算法计算每个摄像机的位置和姿态进行三维重建,根据处理深度图像获取的数据,对多视图图像进行特征匹配,用改进的随机抽样一致(RANSAC)算法对匹配的三维点云进行剔除错误匹配,接下来对点云数据进行三角划分,同时使用光束法平差优化整个模型,将深度敏感信息应用于三维重建。对本文提出的方法进行实验分析,为了更好地评估各种算法的检测性能,除了典型的显著性检测评价指标之外,本文提供了一种新的评估指标,结合了来自多个尺度的图像深度信息,称其为多尺度深度边缘MDE(Multi-scale depth edge)。最终以多视图图像为数据源,结合图像深度敏感信息,得到三维重建模型,结果表明,本文的方法是实用且可用的。