A partir da disponibilização comercial de imagens de alta resolução, modelos 3D de superfícies geradas a partir de imagens aéreas e de satélite tornaram-se uma alternativa mais atraente para aplicações como planejamento de telecomunicações, monitoramento de desastres e planejamento urbano. A exatidão dos modelos 3D da superfície terrestre baseados em pares de imagens estereoscópicas depende da exatidão com que pontos homólogos são localizados em ambas as imagens. Os métodos automáticos de localização de pontos homólogos em imagens digitais baseados em área, combinados com técnicas de crescimento de região, são capazes de produzir uma nuvem densa e exata de pontos homólogos. Entretanto, o processo de crescimento de região pode ser interrompido em regiões da imagem cujo efeito de uma variação abrupta da paralaxe no eixo x aparece de maneira importante. Neste caso, novas sementes devem ser introduzidas, normalmente por um operador humano. A partir dessas novas sementes, o processo será reiniciado. Dependendo do tipo da imagem utilizada e da estrutura 3D da região mapeada, a intervenção humana pode ser considerável. Propõe-se então uma alternativa completamente automatizada no qual se combinam as técnicas do SIFT (Scale Invariant Feature Transform), mínimos quadrados e crescimento de região. Experimentos realizados em pares de imagens aéreas e de satélite cobrindo diversos tipos de terrenos mostraram a eficácia do método proposto, especialmente em regiões com mudanças abruptas de elevação, como fachadas de prédios altos.