随着三维激光扫描技术的日益成熟,基于深度图像的模型重建技术已成为计算机图形学研究的热点,如何快速实现深度图像的精确配准是大场景模型重建的关键问题。本文致力于深度图像配准的系列研究,将研究结果应用于古遗址的三维重建。主要研究工作如下：1)针对大场景深度图像数据量大和噪声较多的问题,在深度图像配准前需对模型进行预处理。先使用K一近邻算法对模型去噪,再利用结合曲率采样和随机采样的混合采样方法对模型进行简化处理,为后续模型的配准工作提供鲁棒性好,数据量小的模型。2)提出了一种基于平面特征的多组特征区域配准的改进算法。算法采用了Stamos平面分割的方法,将模型拟合成多个平面。结合这些平面的信息,将一个平面及其相邻接的两个平面组合成一个特征区域；然后利用多组特征区域中平面的特征对深度图像进行粗略配准。算法应用于西汉张安世墓坑的数字化过程,实验表明算法提高了大场景深度图像的粗配准效率。3)针对深度图像粗略配准的精度不够及ICP算法耗时长的问题,提出了一种基于分块求解的改进ICP算法。将粗略配准后深度图像中的重叠区域划分成小块,按一定的算法选择多个块,对每个块利用ICP算法求变换参数,选择其中与其它变换参数距离最近的变换参数作为最优解。实验表明所提算法有效的提高了利用ICP算法对深度图像精确配准的效率。4)针对深度图像配准后重叠区域存在冗余数据及大场景深度图像中细节信息表现不够充分的问题。本文采用了图像融合技术,消除配准后深度图像中的冗余数据,并丰富大场景深度图像中的细节信息。以本文中的算法为基础,针对大场景深度图像配准的需求特点,设计实现了深度图像配准系统,此系统可完成深度图像的预处理、配准及融合等工作。