立体视觉是计算机视觉的重要研究方向,在视频监控、人机交互、三维测量、机器人导航以及3D影片等领域得到了广泛的应用。在立体视觉的研究中,立体匹配是最关键技术,其匹配精度与速度直接影响后续处理的效果。传统匹配算法一般从图像数据客观特性出发完成匹配工作,面对实际环境时,算法存在速度慢、效率低、抗干扰能力差等问题。本研究借鉴人类主动视觉机制,把视觉显著性模型引入到立体匹配中,提出了三种基于视觉显著性的立体匹配算法及视差优化算法。新方法利用人眼的主动视觉特性改进传统算法缺陷,提高了匹配精度,节省了匹配时间,增强了抗干扰性能。主要工作内容如下:(1)实现了一种针对彩色图像的视觉显著性检测方法。该方法充分利用图像颜色信息,借助超复数傅里叶变换和多尺度叠加技术,准确定位图像中被聚焦的目标区域。利用该方法实现了基于金字塔分解的多聚焦图像融合,实验表明能够获得很好的视觉效果。(2)针对基于特征点的立体匹配中不区分像素重要性,匹配效率低等问题,提出了一种利用视觉显著性改进的特征点匹配方法。算法根据左右视图的相似性,选择其中显著度大的特征点,以平移后重合的概率最大作为匹配准则,完成双目视图匹配。实验表明新方法相对于SIFT算法匹配效率高,重点凸出且效果好。(3)局部立体匹配算法中SAD准则匹配效率高,但该法存在对光照变化敏感的缺陷。为解决这个问题,提出了一种融合像素点Sobel特征、相角特征和视觉显著性特征的SAD局部立体匹配算法。借助于图像显著图对光照变化鲁棒的特性,算法能有效定位图像中目标区域和边缘。实验表明新方法对光照变化不敏感,得到的视差图完整,算法时间复杂度小,有利于实时系统应用。(4)局部立体匹配方法中自适应权重法匹配精度最高,但存在如何合理选取权重特征、相似性度量方法对光照敏感以及视差图描述不全面等问题。为此提出了一种新的自适应权重匹配方法,不仅考虑像素颜色、亮度、坐标位置,还用像素显著度描述像素重要性;依据综合特征计算像素点的权重,并采用新的比值度量方法描述对应点间的相似性;为解决左右视图的遮挡问题,制作左右两幅视差图,最终融合为一幅最优视差图。实验结果表明改进的方法匹配精度高,能够很好表现目标边缘以及微小视差。