Die Rekonstruktion von flächig strukturarmen Bereichen ist ein wichtiger Forschungsschwerpunkt im Bereich der Multi-View Stereo (MVS)-Technik. In den letzten Jahren haben traditionelle MVS-Methoden durch die Konstruktion von Ebenenmodellen außergewöhnlich gute Ergebnisse bei der Rekonstruktion solcher strukturarmer Bereiche erzielt. Diese Methoden stoßen jedoch oft auf Probleme wie das Überqueren von Objektgrenzen und begrenzte Wahrnehmungsbereiche, die die Robustheit der Ebenenmodellierung beeinträchtigen. Aufbauend auf früheren Arbeiten (APD-MVS) schlagen wir die DPE-MVS-Methode vor. Durch die Einführung von dual-niveau Präzisionskanteninformationen, einschließlich feiner und grober Kanten, verbessern wir die Robustheit der Ebenenmodellierung und erhöhen somit die Rekonstruktionsgenauigkeit in strukturarmen Bereichen. Zudem nutzen wir Kanteninformationen, um die Abtaststrategie in herkömmlichen PatchMatch-MVS-Verfahren zu verfeinern und einen adaptiven Patchgrößenanpassungsansatz vorzuschlagen, um die Matching-Kostenberechnung sowohl in stochastischen als auch in strukturarmen Bereichen zu optimieren. Diese zusätzliche Nutzung von Kanteninformationen ermöglicht eine präzisere und robuster werdende Zuordnung. Unsere Methode erreicht Spitzenleistungen auf den Benchmarks ETH3D und Tanks & Temples. Besonders hervorzuheben ist, dass unsere Methode alle veröffentlichten Verfahren auf dem ETH3D-Benchmark übertrifft.