立体视觉是计算机视觉的一个重要研究领域,其目的是通过二维信息恢复和重构三维场景。立体视觉在航天航空、视频监控、人机交互、医疗影像、移动机器人、工业检测、三维测量和3D电影等领域都有广泛的应用。立体匹配是立体视觉研究的核心内容,立体匹配的结果直接影响到三维重构效果。因为畸变、光照不均匀以及场景自遮挡的影响,立体匹配成为了一个“病态”问题。本课题研究了双目立体视觉原理及立体匹配算法,并基于提高匹配效率的目的,提出了改进算法。
　　在本文的开始阶段首先分析了立体视觉及其匹配技术的研究背景、目的、意义及国内外研究现状,对立体匹配算法的原理、实现步骤以及其他相关理论进行了详细阐述。
　　其次,针对传统局部立体匹配算法在弱纹理区域、遮挡区域匹配不精确以及存在误匹配的问题,提出了一种基于像素分类校正优化的匹配算法。第一步是用局部算法生成初始可靠的视差图,然后进行相关置信度检测和弱纹理区域检测将匹配像素分类,并对分类像素进行校正,再通过基于分割的算法对视差值进行优化,得到最终的视差图。
　　第三,本文分析了置信传播算法的过程,对全局能量函数的建立和优化进行了研究。针对传统置信传播立体匹配算法运算次数较多、效率低下的问题,提出了一种基于像素灰度绝对值差别之和(Sum of Absolute Differences,SAD)和置信传播的快速收敛立体匹配算法。首先使用 SAD作为代价函数来计算初始视差值,并将可靠视差值作为约束项加入全局能量函数中,进行全局的能量函数的优化。然后在优化过程中更新计算每个像素点的置信度时,考虑其收敛性,从而减少了置信传播节点数并提高了置信度收敛的速度。
　　本文以提高匹配效率为切入点,对局部匹配和全局匹配的算法进行了研究并提出相应的改进算法,实验结果表明了改进算法的可行性和有效性。