[1] M W CAO, L CAO, W JIA et al. Evaluation of local features for structure from motion. Multimedia Tools and Applications, 77, 10979-10993(2018).

[2] C WU. VisualSfM： A visual structure from motion system. http：//www.cs.washington.edu/homes/ccwu/vsfm(2011).

[3] P MOULON, P MONASSE, R PERROT et al. OpenMVG： open multiple view geometry(2017).

[4] J L SCHÖNBERGER, J M FRAHM. Structure-from-motion revisited, 4104-4113(2016).

[5] Y FURUKAWA, J. AccuratePONCE. IEEE Transactions on Pattern Analysis and Machine Intelligence, 32, 1362-1376(2010).

[6] [6] 6蒋华强， 蔡勇， 张建生， 等. 基于改进SFM的三维重建算法研究［J］. 电子技术应用， 2019， 45（2）： 88-92.JIANGH Q， CAIY， ZHANGJ S， et al. Research on 3D reconstruction algorithm based on improved SFM［J］. Application of Electronic Technique， 2019， 45（2）： 88-92.（in Chinese）

[7] [7] 7李敏. 基于非朗伯光度立体的三维重建研究［D］. 杭州： 浙江大学， 2020.LIM. Non-lambertian photometric stereo for 3D reconstruction［D］. Hangzhou： Zhejiang University， 2020. （in Chinese）

[8] Y YAO, Z X LUO, S W LI et al. MVSNet： depth inference for unstructured multi-view stereo(2018).

[9] J L SCHÖNBERGER, E L ZHENG, J M FRAHM et al. Pixelwise view selection for unstructured multi-view stereo(2016).

[10] R CHEN, S F HAN, J XU et al. Point-based multi-view stereo network, 1538-1547(2019).

[11] Y YAO, Z X LUO, S W LI et al. Recurrent MVSNet for high-resolution multi-view stereo depth inference, 5520-5529(2019).

[12] X D GU, Z W FAN, S Y ZHU et al. Cascade cost volume for high-resolution multi-view stereo and stereo matching, 2492-2501(2020).

[13] [13] 13张庆鹏， 曹宇. 室内场景下弱纹理物体三维重建算法的研究［J］. 激光与光电子学进展， 2021， 58（8）： 0810017. doi: 10.3788/lop202158.0810017ZHANGQ P， CAOY. Research on three-dimensional reconstruction algorithm of weak textured objects in indoor scenes［J］. Laser & Optoelectronics Progress， 2021， 58（8）： 0810017.（in Chinese）. doi: 10.3788/lop202158.0810017

[14] [14] 14阳兰， 胡立坤， 吴浩楠. 融合彩色和光照信息的尺度不变特征变换图像匹配算法［J］. 广西大学学报（自然科学版）， 2018， 43（6）： 2197-2205.YANGL， HUL K， WUH N. Scale invariant feature transform image matching algorithm combining color and exposure information［J］. Journal of Guangxi University （Natural Science Edition）， 2018， 43（6）： 2197-2205.（in Chinese）

[15] C HARRIS, M STEPHENS. A combined corner and edge detector(1988).

[16] D G LOWE. Distinctive image features from scale-invariant keypoints. International Journal of Computer Vision, 60, 91-110(2004).

[17] [17] 17尚明姝， 王克朝. 一种改进的Harris与SIFT算子结合的图像配准算法［J］. 微电子学与计算机， 2018， 35（6）： 132-134， 140.SHANGM S， WANGK C. Advanced image registration method based on Harris and SIFT algorithm［J］. Microelectronics & Computer， 2018， 35（6）： 132-134， 140.（in Chinese）

[18] [18] 18卢鹏， 刘楷贇， 邹国良， 等. 基于多特征融合和卷积神经网络的无参考图像质量评价［J］. 液晶与显示， 2022， 37（1）： 66-76. doi: 10.37188/CJLCD.2021-0175LUP， LIUK Y， ZOUG L， et al. No reference image quality assessment based on fusion of multiple features and convolutional neural network［J］. Chinese Journal of Liquid Crystals and Displays， 2022， 37（1）： 66-76.（in Chinese）. doi: 10.37188/CJLCD.2021-0175

[19] [19] 19鲍文霞， 余国芬， 胡根生， 等. 基于马氏距离谱特征的图像匹配算法［J］. 华南理工大学学报（自然科学版）， 2017， 45（10）： 114-120， 128. doi: 10.1109/cisp-bmei.2017.8302019BAOW X， YUG F， HUG S， et al. Image matching algorithm based on mahalanobis-distance spectral features［J］. Journal of South China University of Technology （Natural Science Edition）， 2017， 45（10）： 114-120， 128.（in Chinese）. doi: 10.1109/cisp-bmei.2017.8302019

[20] [20] 20彭杰， 李磊民， 石繁荣. 无阈值改进随机抽样一致性点云配准算法［J］. 制造业自动化， 2020， 42（10）： 72-76. doi: 10.3969/j.issn.1009-0134.2020.10.016PENGJ， LIL M， SHIF R. No-threshold improved random sample consensus point cloud registration algorithm［J］. Manufacturing Automation， 2020， 42（10）： 72-76.（in Chinese）. doi: 10.3969/j.issn.1009-0134.2020.10.016

[21] [21] 21陶易之. 基于增量式运动恢复结构的弱纹理目标三维重建［D］. 武汉： 武汉大学， 2018： 31-45.TAOY Z. 3D reconstruction of Texture-less Object Using Incremental Structure from Motion［D］. Wuhan： Wuhan University， 2018： 31-45.（in Chinese）

[22] K M HE, X Y ZHANG, S Q REN et al. Deep residual learning for image recognition, 770-778(2016).

[23] K M HE, X Y ZHANG, S Q REN et al. Identity mappings in deep residual networks(2016).

[24] [24] 24魏丙财， 张立晔， 孟晓亮， 等. 基于深度残差生成对抗网络的运动图像去模糊［J］. 液晶与显示， 2021， 36（12）： 1693-1701.WEIB C， ZHANGL Y， MENGX L， et al. Motion image deblurring based on depth residual generative adversarial network［J］. Chinese Journal of Liquid Crystals and Displays， 2021， 36（12）： 1693-1701.（in Chinese）

[25] J DENG, W DONG, R SOCHER et al. ImageNet： a large-scale hierarchical image database, 248-255(2009).

[26] M D ZEILER. ADADELTA： an adaptive learning rate method. arXiv prepront(2012).

[27] Z WANG, A C BOVIK, H R SHEIKH et al. Image quality assessment： from error visibility to structural similarity. IEEE Transactions on Image Processing, 13, 600-612(2004).

[28] [28] 28刘杰， 游品鸿， 占建斌， 等. 改进SIFT快速图像拼接和重影优化［J］. 光学 精密工程， 2020， 28（9）： 2076-2084. doi: 10.37188/OPE.20202809.2076LIUJ， YOUP H， ZHANJ B， et al. Improved SIFT fast image stitching and ghosting optimization algorithm［J］. Opt. Precision Eng.， 2020， 28（9）： 2076-2084.（in Chinese）. doi: 10.37188/OPE.20202809.2076