立体匹配是计算机视觉领域中的一个关键问题,它通过一台或多台相机对同一景物成像获取一系列不同视角下的图像,然后在这些图像中查找对应点,获得它们之间的几何位移,并根据几何投影原理计算出物体的三维坐标信息。它广泛应用于机器人视觉、三维重建、立体测绘及工业自动化等领域,对它的研究具有重要的理论价值和实践意义。　　虽然人们对立体匹配技术已经进行广泛的深入的研究,提出各式各样的立体匹配算法解决立体匹配当中的对应问题,但是立体匹配问题的研究仍然面临着诸多挑战例如遮挡、辐射差异、低纹理区域以及几何畸变等因素,这些因素会对匹配准确率产生较大的影响,导致难以获得精确可靠的视差图。为解决这些问题对匹配的影响,学者们提出一种基于小基高比的立体匹配方法。在基于小基高比的立体匹配当中,小基高比可以有效减少立体像对中的遮挡、辐射差异、几何畸变及阴影对匹配的影响,提高匹配准确率。　　本文以小基高比立体匹配为研究对象,以获得高精度的高程信息且同时有效降低算法的时间复杂度为研究目标,从实用角度出发,深入研究小基高比立体匹配中的匹配效率、视差准确率及高程精度等问题。本文的主要创新工作归纳如下:　　首先,针对小基高比立体匹配的匹配效率及匹配准确率问题,提出一种基于积分图像的快速小基高比立体匹配方法。结合自适应窗口公式特点,对其进行简化,提出一种快速自适应窗口方法;同时为提高视差匹配准确率,提出将自适应窗口与多窗口相结合累积匹配代价,并在视差计算过程中引入可靠性约束拒绝错误匹配;在此基础上为获得稠密视差图,提出一种基于图分割的迭代传播方法。　　其次,针对小基高比立体匹配当中存在的相关基本等式,提出一种基于相关基本等式的视差校正方法以减少立体匹配当中的“粘合”现象。为使等式求解问题变得适定可解,分别提出四种正则项以规范其求解过程;同时为平衡解的近似程度及其平滑性,推广了基于双参数法的正则参数选择方法;最后提出一种自适应步长选择方法,利用梯度下降法优化目标泛函获得等式的近似解。　　再次,针对快速向前看算法导致解路径损失最优性问题,提出一种基于动态规划的快速立体匹配方法。为提高匹配成本的鲁棒性,增强匹配的可靠性,提出一种基于自适应权重的累积策略并用积分图像对其进行加速;结合基于动态规划能量函数的特点,利用遮挡惩罚是一个恒定不变量,提出一种基于快速向后看的动态规划方法;在此基础上为去除视差图中的“条纹”现象,提出一种基于方向滤波的视差后处理方法。　　最后,针对小基高比立体匹配当中的深度精度问题,提出一种基于迭代二倍重采样的亚像素级匹配方法。为获取高精度的亚像素级视差同时使算法具有较低的计算复杂度,提出一种基于二倍重采样的亚像素级匹配方案,该方案以整数级视差为指导,对匹配窗口进行二倍采样,然后反复迭代直到算法收敛或者达到给定的最大迭代次数为止。　　本文研究了小基高比立体视觉的基本原理,分析了小基高比立体视觉的可行性,同时设计实现了小基高比立体匹配方法,为计算机视觉及小基高比摄影测量提供了新方法和新思路。