立体匹配是当今计算机视觉中的研究热点,是机器视觉中最重要也是困难的步骤,是人工智能和模式识别中的基础性问题,它是解决不同场景中对应点匹配的问题;由于存在遮挡、噪声等因素,立体匹配在数学上被认为是病态的问题。近年来,研究者通过引入不同的算法来解决这一问题,并得到了较好的效果,本文在对现有的立体匹配算法进行了研究的基础上,针对算法的实时性和精确度提出了改进算法,主要做了以下研究工作:(1)分析了目前常见的立体匹配算法,主要包括基于动态规划的算法、基于置信度传播(Belief Propagation)的算法、基于图割(Graph Cuts)和基于图像分割的算法,并总结了它们各自的优缺点。(2)提出了一种基于动态规划及Mean Shift图像分割的立体匹配算法,实验结果表明,该算法提高了算法的精确度,改善了视差不连续区域的匹配精确度。(3)提出了一种基于图割与图像分割的立体匹配算法,首先构建新的能量函数,将图像分割信息融入到能量函数中,然后根据能量函数构建基于二值变量图,用α扩张算法迭代地求出图最小割,实验结果表明该算法有效提高了算法的精确度。(4)针对目前双目视觉立体匹配算法计算量过大、实时性不强的问题,提出了一种快速立体匹配算法。实验结果表明误匹配像素百分比与目前常用的基于区域的匹配算法相当,而计算速度却提高了一个数量级,并且边缘特征较好,是一种有效可行的高实时性立体匹配算法。