立体匹配是计算机视觉的重要研究领域。通过对立体匹配算法因遮蔽、边缘深度不连续和弱纹理等容易造成误匹配率高的区域进行分析,本文利用多层卷积神经网络对传统立体匹配算法进行优化,以期进一步提升立体匹配精度,开展了以下三个方面的研究工作:(1)本文提出了一种基于全连接网络和边缘感知视差传播的立体匹配算法。算法利用全连接神经网络和代价聚合得到初始视差图,对没有通过一致性检测的视差点利用EDP算法和测地距滤波重构出非平稳像素区域的匹配代价并进行像素填充,获得最后的结果视差图。实验结果表明,算法能够有效降低误匹配率,提高视差计算精度,同时能较好的保留图像边缘细节信息。(2)本文提出了一种基于多尺度特征提取网络的立体匹配算法,将之前算法中特征提取网络加以优化,选用多尺度特征网络来提取图像特征,计算相应的多尺度匹配代价,构造出初始匹配代价。数值实验证明,算法可以有效保护图像的细节信息,进一步提高匹配精度,同时适用于不同尺寸大小的立体图像,算法的鲁棒性得到增强。(3)本文提出了一种基于边缘约束代价聚合的立体匹配算法。该算法是针对之前算法中代价聚合策略的优化。首先利用边缘提取网络提取图像的边缘信息,并利用其进行一个逐步的代价聚合优化过程。数值实验表明,算法能有效提高匹配精度,同时减少深度不连续等边缘区域易发生的过度平滑、边缘模糊等现象,提高了整体算法的自适应能力。