立体匹配是在两个或多个相同场景的二维图像中找到对应的匹配点,根据匹配点的对应关系,求出该场景的视差图。由于受到噪声、遮挡、深度不连续区域和低纹理区域等这些因素的影响,通过立体匹配获取高精度的稠密视差图,对科研人员和工程技术人员,仍然是一个巨大的挑战。大量的立体匹配的算法已经被提出,旨在获得不同场景更加准确的视差图。传统的立体匹配算法一般分为两类,基于特征的立体匹配算法和基于区域的体匹配算法。近来,深度学习的方法被用到各种计算机视觉任务中,而且取得了不错的效果,同样也被用到了立体匹配中。这三种方法,都有各自的优势和不足。本文主要针对高分辨率图像立体匹配算法进行研究。对于立体匹配而言,匹配算法处理特定图像所需要的时间是衡量匹配算法的性能好坏的一个重要的性能指标。特别是高分辨率图像,由于图像的像素数目极多,有些匹配算法可能需要数小时、数天甚至更长的时间。本文对高分辨率图像立体匹配算法的研究,目的是提高算法所获取视差图的精度、减少整个匹配过程所需要的时间等。本论文的主要工作和创新点如下:(1)将四模Census变换引入到高分辨率立体匹配算法中。相比非参数变换Census变化而言,四模包含了更多的图像特征信息,而且具有更好的抵抗图像外界噪声的能力。相比基于三色相似度的特征提取方法,减少特征提取所需要的时间,在一定程度上提高了立体匹配所获得视差图的精度。(2)提出离散视差平面近似的方法,将离散视差平面近似的方法应用到高分辨率图像立体匹配算法的视差推断过程中,减少立体匹配所需要的时间,并提高了匹配视差图的准确性。(3)本文对原始的四模Census变换进行了改进,将图像变换窗口中的中心像素的亮度值保留,使改进的四模Census变换可以更好的反应图像变换窗口的特征信息,进一步提高了基于块匹配的高分辨率图像立体匹配算法求解视差的准确性。