立体匹配作为立体视觉深度感知中的一个研究重点,其主要目的是为了获得准确的三维场景信息。同时,由于立体匹配具有对光照不敏感、在室外环境中更加鲁棒的特点,因此被广泛应用于三维重建、图像重聚焦、视图插值等领域。然而,当前的立体匹配算法中还存在着缺少二维信息与三维信息的融合、弱纹理区域容易产生误匹配、计算复杂性高和不能有效利用多尺度信息等问题,限制了算法精确性的进一步提升。为此,本文针对上述问题进行了以下四个部分的深入研究:(1)基于树的非局部代价聚合立体匹配算法研究。为了解决将二维信息与三维信息相结合的问题,首先提出了迭代颜色-深度最小生成树代价聚合立体匹配算法。该算法在构建最小生成树结构时引入了三维信息,并通过给出弱纹理敏感匹配代价计算方法,使在弱纹理区域容易产生误匹配的问题得以改善。在此基础上,提出了改进的分割树代价聚合立体匹配算法。该算法在构建分割树结构时不仅引入三维信息和弱纹理敏感匹配代价计算方法,还通过改进分割策略使其更加符合视差一致性准则。实验结果表明,上述算法在保持实时性的同时,在整数精度上的准确性优于其它同类算法。(2)空间块匹配虚拟像素代价聚合立体匹配。该算法以最近邻场为基础,首先在传统块匹配立体匹配中移除视角传播步骤以便减少错误视差;再通过采用四邻域空间传播提高算法的准确性;最后结合虚拟像素代价聚合策略,有效降低算法在弱纹理区域的错误率。实验结果表明,该算法在亚像素精度的准确性要好于其它同类算法。(3)代价聚合作为能量函数数据项的全局算法。为了有效改善立体匹配算法计算复杂性高的问题,首先提出了加速全局优化精确立体匹配算法。算法将非局部代价聚合作为能量函数的数据项,把相邻像素间的约束作为平滑项,对整个能量函数进行优化。在此基础上,通过改进优化算子使算法的优化效率获得了提升。随后提出了网格立体匹配与跨尺度代价滤波相结合的快速立体匹配算法。该算法将跨尺度代价滤波的模型作为网格立体匹配模型能量函数的数据项,解决了立体匹配算法中不能有效利用多尺度信息的问题。同时,通过使用网格立体匹配模型降低算法的计算复杂性,最后将法线和深度约束作为平滑项,对整个能量函数进行优化。实验结果表明两种全局立体匹配算法均获得了更加精确的视差估计。(4)带有自适应平滑先验的极限全局化立体匹配。该算法将传统半全局算法中的一维扫描线优化转变为二维扫描线优化问题,并将图像像素之间的相似性关系作为平滑先验,基于能量函数进行代价聚合,通过多CPU并行化处理减少了算法的计算时间。与同类算法相比,带有自适应平滑先验的极限全局化立体匹配算法具有更高的匹配准确性。