立体匹配是计算机视觉领域中的核心问题之一,它主要研究如何从不同视角的两幅图像中获取像素间的对应关系,即视差。近年来,立体匹配的研究取得了巨大的发展和进步,立体匹配技术被广泛应用于自动驾驶、机器视觉、三维重建、增强现实等领域。然而,由于实际应用场景的多样性和复杂性,立体匹配仍然面临辐射畸变、深度不连续、弱纹理、遮挡等方面的困难和挑战。如何在不同的场景下利用立体匹配获得更加精确的视差结果是一个亟待解决的问题。本文主要从以下两个方面展开研究工作:针对不存在辐射畸变的立体匹配场景,为了改善传统立体PatchMatch算法固定的空间传播和平面精化机制,提高在深度不连续等区域的匹配精度,本文提出了一种基于超像素的立体PatchMatch算法,简称SSPM(Superpixel based Stereo PatchMatch)。该算法首先随机初始化像素的平面参数,然后提取图像的超像素信息,并将超像素与平面参数的求解过程相结合。在空间传播中,在超像素区域内传播平面参数,避免深度不连续区域上的无效传播,使参数更新更加充分;在平面精化中,引入超像素区域内的视差分布信息,使采样得到的候选参数更具准确性。实验表明,本文所提出的算法在保证运行效率的前提下取得了较高的匹配精度。针对存在辐射畸变的立体匹配场景,为了扩展SSPM算法及部分局部、全局立体匹配算法的应用范围,同时解决现有代价计算方法精度不高或计算复杂度过高的问题,本文提出了一种基于像素对编码和自适应权重的匹配代价计算方法。在像素对编码中,该算法首先对匹配窗口进行规则划分,构建多个像素对区域,然后采用能够表达像素强度值差异的离散化编码函数提取编码值。像素对区域上相邻像素之间的编码对辐射畸变具有较好的不变性。为了进一步提高匹配的准确性,该算法基于格式塔准则中的接近性原理构建自适应权重,从而将编码应用于匹配代价计算中。所提代价计算方法应用广泛,能够使多种算法也能适用于辐射畸变场景,有效降低这些算法在辐射畸变情况下的误匹配率,提高鲁棒性和准确性。最后,通过实验验证了所提算法的有效性和可行性。