在视觉检测技术中,图像匹配是一个关键步骤,即给定同一场景的两幅图像,寻找同一场景点投影到图像中的像素之间的对应关系。在立体视觉中,图像被同时从不同视角获得,匹配给出深度线索。在运动图像序列中,图像在不同时间获得,而匹配给出移动线索。与传统的算法(例如模拟退火法、M-估计法等)相比,图割算法不仅总体精度高,而且在不连续区域和低纹理区域的精度也比其它算法都高。即使有些算法(例如模拟退火法)的精度与图割算法的精度接近,但图割算法在优化过程中收敛更快。本文在对匹配算法作了深入研究的基础上,提出了一种利用图像分割的基于图割理论的立体匹配算法。首先把参考图分割成多个区域,然后用平面公式在一个分割中建立视差。视差模板是从初始视差分割中提取的。每一个分割被分配到精确的视差模板。构造一个全局能量函数,测量在像素和分割水准上的分配的品质,把匹配问题转化为能量函数最小化问题。然后利用网络流知识,通过构造网络,使能量与网络割的容量相联系。之后再利用基于图割理论的匹配算法,通过最大流-最小割定理(即一个网络的最大流量等于其最小割的容量)得出能量函数的最小化,从而实现对图像的匹配。实验表明,本算法对低纹理区域和接近视差边界区域有很好的匹配效果,同时,又解决了传统的基于全局算法中计算量过大,实时性不好的问题。因而,本算法能很好地满足高精度、高实时性要求。