建筑物的三维建模在城市规划、虚拟旅游、文物保护等诸多领域具有重要意义,相比于人工建模的方式,采用图像处理算法进行自动化三维建模更适合大规模大批量进行建模的场景。但由于建筑物所处环境的复杂性,当前针对建筑物目标的图像型三维建模还不能满足商业化使用的效率和精度要求,因此这也是当下研究的一个难点问题。通常,建筑物图像中除了目标建筑物以外,还有树木、草地等干扰信息的存在,这些存在很大程度上影响了匹配的正确率,进而也会对最终生成模型的质量造成影响,因此处理这些干扰信息将成为提高重建建筑物模型质量与效率的关键所在。本文在对常见的建筑物建模技术研究的基础之上,将目标分离思想应用于其中,在对图像进行三维重建处理之前,先提取出建筑物的外轮廓信息,以这些轮廓信息为基准,将对应图像中的特征点划分为建筑物特征点与非建筑特征点两类,对两类特征点分别进行匹配处理,这样一方面可以提高匹配的正确率,另一方面也间接地提升匹配效率。论文的主要工作可以分为以下三个方面:第一,在对现有的图像轮廓提取算法的分析基础之上,提出了一种结合视觉显著模型与水平集算法的建筑物图像轮廓提取算法。首先,提取建筑物图像的视觉显著图,其次,在显著图的基础上,以SLIC超像素分块为处理单元,利用各分块的纹理信息对建筑物区域作进一步筛选,最后,借助水平集算法对所得轮廓进行优化处理,并通过实验验证方法的有效性。第二,对建筑物目标采用增量式SFM算法进行三维建模时的特征匹配和视图选取两个关键问题进行了研究。依据建筑物图像所具有的特性,选择SURF算法提取图像中的特征信息,在提取的建筑物轮廓信息的基础上,进一步提出了基于建筑物与非建筑两类目标分离的匹配策略,经实验验证该匹配算法能够提高匹配的准确率;针对增量式SFM算法中关于初始像对选择和最佳视图选取两个主要问题,也结合建筑物目标本身给出了相应的目标分离的解决方案。第三,在OpenCV、Ceres Solver、OpenMVG等开源三维重建平台的基础上,对本文的基于目标分离的建筑物三维建模系统进行了实现。经实验结果验证,本文采用目标分离思想的建筑物三维重建方案是可行的,并且与常规的SFM方法相比,可以在一定程度上提高建筑物三维建模的效率与精度。