立体匹配是从同一场景获得的两幅或者多幅图像中寻找相应的匹配点,计算视差值,进而获得图像各点的深度信息,从而达到三维重建的目的。立体匹配是计算机视觉领域的研究热点,虽然目前已经涌现了许多立体匹配算法,但仍然有许多问题亟需解决,特别是在光照不均、低纹理区域、深度不连续区域等方面,效果往往不够理想。本论文对上述问题进行了详细的分析和研究,致力于提高匹配精度,降低误匹配率。论文首先介绍了基于双目视觉的三维重建算法的研究背景和意义,总结了国内外立体匹配技术的发展历程和现状;然后重点分析了立体匹配的基本原理:1)双目摄像机的成像原理和摄像机的标定方法;2)立体匹配算法实现过程中的约束条件和评价标准,并对传统的局部立体匹配算法的实现过程进行了分析。其次,针对基于双边滤波的立体匹配算法时间复杂度较高的缺点,本文利用自适应流形滤波对初始匹配代价进行聚合,在保边缘的同时降低了时间复杂度。具体作法是:使用颜色项和梯度项作为匹配代价函数,建立匹配代价空间,并利用自适应流形滤波实现匹配代价的聚合过程,以有效地保持图像边缘。在视差优化方面,利用背景填充法对左右一致性检测标记出的误匹配点进行视差填充,并利用权重中值滤波算法对填充后的视差图进行优化。仿真实验结果表明,本文算法在能够在保持较高匹配精度的同时,降低时间复杂度。论文最后针对传统局部立体匹配算法在深度不连续区域和低纹理区域匹配精度不高的问题,提出了一种基于SIFT描述子的自适应权重立体匹配算法。算法首先采用梯度域的幅值和相位获取初始匹配代价;然后利用相似性区域判决准则获得各个中心点的自适应矩形聚合窗口,并利用各点SIFT描述子的L1范数进行自适应聚合权重计算。仿真实验结果表明,改进后的立体匹配算法能够有效提高低纹理区域和深度不连续区域的立体匹配精度,获得较高精度的视差图。最后,利用本文立体匹配算法得到的视差图重建出三维图像,说明本文算法得到的视差图能够得到较好的重建效果。