立体匹配技术通过场景关联图像生成稠密视差图,对于3D电视、机器导航、虚拟现实等领域应用意义重大。基于置信传播优化算法的立体匹配技术通过对邻域节点视差标记的置信度传播获得精确的稠密视差图,是一种匹配度较高的全局优化算法。但是,立体匹配难点会造成匹配准确性严重下降,且复杂的算法也会难以达到匹配的高速性要求。为此,本文针对上述两个问题重点研究立体匹配置信传播算法在实现高精度立体匹配和快速图像配准两个方面的方法。主要工作内容总结如下:(1)针对图像中不同物体之间的视差跳变造成深度不连续区域的误匹配问题,提出一种引入平滑先验模型的置信传播能量函数构造方法。先验模型引入到绝对差之和相似度量方法中,接着将新的度量方法与梯度度量方法组成联合非相似度量方法,用该方法计算能量函数数据项,再将计算得到的可靠视差值作为能量函数的约束条件,并通过仿真实验验证改进算法的有效性。实验结果表明引入平滑先验信息后的视差图在深度不连续区域的误匹配率明显降低。(2)在置信消息的迭代更新过程中,深度不连续区域节点传播的消息是错误且无意义的,提出结合初始代价值曲线,对深度不连续区域的节点进行检测。对于深度不连续区域的节点,阻挡其错误的消息传播,能够降低在视差不连续区域的误匹配的同时减少算法运行时间;对尚未收敛的节点,才进行置信度更新计算,阻止其在已经收敛的节点处再进行置信度更新计算,提高算法效率。将优化方案与三大加速技术相结合作为本文的改进的置信传播算法,并通过仿真实验验证改进算法的有效性。实验结果表明,相对于标准的置信传播算法,改进的置信传播算法降低了运行时间,且提高了深度不连续区域的匹配精度。(3)设计并实现了场景图像的欧式重建,获取真实尺度的场景模型,验证本文优化方案在实践方面的可行性。