自从实施国家重大专项“高分辨率对地观测系统”以来,我国在遥感科学领域取得了一系列举世瞩目的成就。然而,在相当长的一段时间内我们是以发射传感器获取遥感数据为目的而往往忽视需求分析和应用研究,从而导致与遥感数据获取能力形成鲜明对比的是遥感信息处理能力十分低下。所以,如何实现对海量高分辨率遥感数据进行精确处理并从中智能化地挖掘空间信息,成为真正实现对地观测系统的经济社会价值的关键问题。在此背景下,国家重点基础研究发展计划(973)项目和国家自然科学基金资助了很多旨在从高分辨率遥感数据中自动提取三维几何信息的课题,包括973子课题“高分辨率遥感影像的自然地表与人工地物三维重建”、自然科学基金课题“数字摄影测量与遥感”和“基于单立体模型的多视影像密集匹配理论与方法”等。本论文依托以上三项课题展开研究,主要目的是研究从高分辨率光学遥感影像中自动提取三维地表模型的理论和方法。本文具体的研究工作包括以下四个方面:(1)研究了半全局优化方法。很多的图像处理问题都可以转化为pairwise的马尔科夫随机场(Markov Random Field,MRF)标号问题,而pairwise的MRF随机场上的能量函数最小化问题是解决很多图像处理问题的基本模型。半全局匹配作为一种有效且高效的能量函数求解方法已经在立体匹配中取得巨大成功。但是作为一种优化方法,半全局优化的理论本质还没有被系统分析和阐明。本文探究了半全局优化方法与MRF、动态规划和置信度传播的关系,抽象出影响半全局优化结果的七大因素并进行逐一分析。使用半全局方法求解特定问题时必须充分顾及这些因素才能取得理想的结果。(2)研究了基于物方多视密集匹配的数字表面模型(Digital Surface Model,DSM)自动生成方法。现有的DSM自动生成流程通常采用基于像方的两视或多视密集匹配方法,这种工作流程过程复杂,而且计算冗余度会随着影像重叠度的提升而不断增大。针对该问题,本文提出半全局铅垂线轨迹方法(Sem-Global Vertical Line Locus,SGVLL),该方法有两点贡献:其一,采用了一种新的像素级DSM生成流程。不同于传统的基于像方匹配的DSM生成流程,本文流程在物方实现,可以在密集匹配的同时直接获取DSM,因此处理更为简单,结果却和传统的基于像方的处理流程结果一样可靠。其二,对铅垂线轨迹法进行了重大改进,引入了粗略地形的引导,并设计鲁棒的高程步距自适应算法和遮挡检测方法,提高了物方代价计算的鲁棒性,通过改进半全局优化能量函数进一步降低了误匹配率。(3)研究了 DSM精化方法。针对利用本文提出的多视密集匹配生成的DSM细节不够丰富,表面粗糙度大,以及难以重建大片云水区域的问题,展开DSM精化方法研究。概括起来,主要有两项贡献:其一,提出了基于DSM可靠度的大片云水区域自动检测方法,并用泊松融合方法实现了 DSM的无缝修补;其二,提出了原始影像引导的深度图半全局精化方法(Semi-GlobalRefinement,SGR),以及均值漂移法深度图融合方法,实现了对原始DSM质量的显著增强。(4)研究了中低分辨率DSM自动滤波方法。虽然已经有很多的点云滤波方法可以从中提取数字地形模型(Digital Terrain Model,DTM),但是绝大多数方法都是专门针对高密度点云设计,并不适用于中低分辨率DSM。当前应用情势下,依然存在大量中低分辨率DSM需要处理并从中提取DTM,然而目前一般是通过人工编辑的方法完成的,生产效率很低。因此研究中低分辨率DSM的自动滤波方法有助于提高生产效率。中低分辨率DSM滤波的难点在于需要保留的山体与需要滤除的地物在地形特征上难以区分,因此本文提出两步半全局法(Two-step Semi-Global Filtering,TSGF)首先识别出山区和平坦区域,然后保留山体而滤除平坦区域的地物。该方法的贡献主要体现在三个方面:其一,建立了一种“两步滤波法”框架,实现了大尺度中低分辨率DSM的自动滤波。其二,使用SRTM和半全局滤波法实现平坦区域掩膜的自动获取。其三,用分割约束的半全局DSM滤波方法,实现了中低分辨率DTM自动提取。综上所述,基于粗略地形引导与半全局优化的思想,本文提出了 DSM生成、精化和滤波的自动处理算法。为了验证这些算法的有效性,一方面我们对每种算法涉及的关键环节进行了独立的对比试验,另一方面采用多组不同平台、不同分辨率、不同地物覆盖类型的高分辨率遥感影像数据对每种算法进行整体试验,并用国内外同行相应的主流算法进行定性和定量对比,所有实验均表明了本文所提出算法的有效性,从而也验证了本文建立的粗略地形引导下影像匹配与地表重建的半全局优化理论与方法的正确有效性。