立体视觉系统是由多个工业摄像机和上位机组成的可视化视觉系统，它可以根据多个视点观察重构出物体的三维形状。显微立体视觉系统是20世纪90年代发展起来的一种先进的立体视觉系统，它以显微镜为观察主体，可以重构出微结构的三维形状，广泛应用于微操作、微装配、生物医药等微观领域。立体匹配是显微立体视觉的重要部分，它直接影响了重构的精度，现在已成为十分活跃的研究领域，有众多学者参与研究，但目前仍然没有一个定性的方法可以完美地解决这个问题。本文在前人研究的基础上，提出了将神经网络应用到立体匹配方法中，形成了一种新的研究方法，有效地提高了立体匹配的准确性。本文对显微视觉系统的成像机理、显微彩色图像的预处理和显微立体匹配方法做了细致的研究。首先，分析研究了显微立体视觉系统的成像机理，利用光学、物理方法对系统做了视觉建模，作为后期三维重构的基础；利用已建立的基于LMS统计的标定方法，对显微视觉系统做了标定；分析研究了显微彩色图像的预处理问题。采用已有的彩色图像预处理方法，对图像进行滤波、增强和分割，其中图像滤波采用矢量中值滤波和矢量方向滤波相结合的方法；图像增强采用对R、G、B三个通道进行灰度变换的方法；图像分割采用了阈值分割、区域增长以及交互式图像分割方法；本章最后通过实验验证了各种方法的优势和劣势，结合本实验对象的特点，选择了最为合适的显微彩色图像预处理方法。然后，分析研究了已有的区域匹配算法，利用彩色图像各颜色分量存在的内部关联建立色彩相似度和基于Rank变换的汉明码距离，把这两种彩色图像的特点分别与ZNCC算法和ZSAD算法相结合形成新的彩色图像匹配算法，并对两种新算法的准确率做了实验结果对比。接下来，详细地描述了离散型和连续型两种Hopfield神经网络结构，通过对网络的稳定性证明，得出了网络达到稳定的条件；研究了彩色图像在立体匹配时存在的各种约束条件，并融合色差因子、Rank变换和ZNCC算法给出优化匹配关系，结合计算机立体视觉固有的约束条件，建立了Hopfield网络需要的能量函数并对其进行优化。最后，利用VC++6.0作为实验平台，实现了本论文提出的匹配算法。实验结果表明，该算法与ZNCC算法相比在匹配准确性和抗噪能力方面具有更优的性能，视差计算结果更为准确。