立体匹配是立体视觉系统的核心部分,其主要通过匹配代价、费用聚合、视差计算和优化、视差矫正这4个模块来匹配图像间的像素,以便计算出物体的深度值。但是在实现上立体匹配算法会受到如图像噪声、低纹理、重复纹理、遮挡等一系列因素的影响。目前,比较经典的立体匹配算法主要有:图像分割算法、BP置信传播算法、线性增长匹配算法、自适应窗口、自适应权重算法等等。本文对图像分割算法、BP置信传播算法、线性增长匹配算法这三种方法进行研究实现,综合分析这三种算法,其中线性增长匹配算法以寻找根结点相似点作为搜索策略,同时其对遮挡点的判断处理方法具有可拓展性,因此本文在线性增长匹配算法基础上进行进一步研究。本文主要的创新点有以下几个方面:1、针对线性增长匹配算法获得的深度图严重的线性纹理问题,本文根据待匹配像素点与周围像素的关系划分固定窗口,提出改进的匹配函数,进一步约束根结点的增长。2、针对改进的线性增长算法在处理存在大面积低纹理区的图像时由于根结点定位错误而造成的斑块问题,提出特征点匹配算法。主要选取Harris角点作为特征点,提出“虚影点”假设,结合改进的窗口匹配代价函数,克服由于角点检测定位偏差导致的误匹配问题,以提高角点匹配的精度。3、针对Harris角点匹配算法只能获得稀疏的深度图问题,提出将角点匹配算法结合线性增长匹配算法,利用已匹配的特征点作为根结点,对于停止增长的根结点,进一步利用基于最小生成树的非局部成本聚合算法选定新的根结点,通过线性增长的搜索策略,求取图像的稠密视差。通过试验证明,本文算法最终能够很好地从双目图像中获取到较精确的深度图,解决了立体匹配中遮挡、低纹理区难匹配的问题,但是在算法的执行速度上还需进一步改善。