双目立体视觉可以通过模仿人眼对空间进行感知,广泛应用在三维测量、机器导航、人机交互等领域。立体匹配是三维重建实现过程中的重要组成部分,开发高精确度的立体匹配算法是实现精密空间重建的基础。在现有的立体匹配算法中,算法精度易受遮挡、光照、深度不连续区和弱纹理区域等因素的影响,因此高精度视差图的获取仍然十分困难。针对在弱纹理区和深度不连续区域存在匹配精度较低等问题,本文对局部立体匹配算法进行了改进,并提出将自组织映射(Self-Organizing feature Map,SOM)神经网络引入立体匹配中,将图像分割和置信度传播算法相融合,以获取高精度的立体匹配视差图。本文的主要内容包括:(1)针对基于分割匹配算法精确度受分割效果影响的问题,提出了将SOM分割方法应用于匹配算法中,通过获取精确的分割图像来提升匹配结果的精确度。通过实验比较了SOM分割方法和其它基于聚类的分割方法,并比较运用SOM分割方法与其它分割方法在立体匹配精度上的实际功效,证明算法的可行性和优越性。(2)针对匹配代价使用单一相似性测度使得匹配精度较低的问题,提出了将多种相似性测度融合的匹配代价计算方法。该算法改进了传统的Census匹配方法,并将三种优势互补的相似性测度相融合建立联合匹配代价,再通过匹配代价聚合和视差计算获取初始视差图。通过实验证明了改进的局部匹配算法提升了在重复纹理区域和弱纹理区域的匹配精度。(3)利用可信像素点筛选对区域像素进行分类,获取精确的视差平面模板,并依据获取的视差平面模板应用基于区域的置信度传播算法进行全局视差优化。通过与同类算法的对比实验表明,本文提出的算法在弱纹理区和深度不连续区域有较好的匹配效果。