针对多视图图像三维重建前,图像数据存在背景冗余且干扰目标对象识别以及重建效率低的问题,该文提出一种基于segment　anything　model(SAM)的改进前景自动分割方法.首先通过调用SAM图像编码器计算输入图像的图像嵌入;根据图像像素计算像素坐标作为提示嵌入,自动预测前景掩码;SAM前景预测所得的掩码可能存在细小的漏分错分和边缘锯齿,引入高斯滤波对掩码图像进行优化;以人工构筑物、植物及其植物器官为例,将掩码应用于原始图像,利用分割后的图像进行多视图立体视觉三维重建与神经辐射场重建.基于多种图像数据的实验结果表明,该方法针对以对象为中心的多种图像数据可以有效剔除背景的干扰,取得高质量的分割结果,且在三维重建过程能够节省重建所需时间,提高三维重建效率.