2009年以来,以阿凡达为代表的3D电影在全球的兴起,带动了立体相机、立体电视等产业市场的高速增长,也推动了多媒体研究领域中立体视觉媒体相关处理技术研究的进步和发展。其中,立体图像处理是对双目立体格式的图像进行加工处理的技术,是支撑和引领相关行业发展的核心技术。充分利用立体图像的双目特性,提高图像处理的质量和效率,将极大推动计算机视觉智能研究的进步和立体视觉消费产业的发展。同传统的图像处理技术相比,立体图像处理技术的关键在于对双目左右视角相关性的挖掘和利用。把传统图像处理技术和视角相关性高效地融合,才能提高立体图像的处理质量。本文针对目前立体图像处理领域的应用需求,从分析立体图像处理的特性入手,对立体图像处理中的深度获取、显著性分析和交互式对象分割三个关键技术展开研究。论文的主要创新和贡献点包括以下几个方面：1.提出了一种新的立体匹配方法,通过结合视角相关性与颜色相似性,有效地解决了现有方法过度依赖颜色分布而导致的精度不足和鲁棒性较差等问题。现有的局部立体匹配方法主要基于单个视角内容的颜色相似性。这类方法过度依赖于图像颜色和深度分布的一致性,在实际应用中的精度和鲁棒性都不高。本文通过分析立体图像左右视角的相关性,并与单视角的颜色相似性线索相结合,提出了一种将两者进行互补的代价聚集方法。该方法不仅提高了立体匹配的精度,在实际应用中也表现出更好的鲁棒性。2.提出了一种基于立体视觉的显著性分析方法,其检测结果要明显优于现有最好的方法。 目前的视觉显著性分析主要以二维平面图像作为视觉输入,未能有效地挖掘场景深度信息的潜力,并且缺少相关的数据集支撑基于深度的显著性研究。本文以立体图像作为视觉输入,重点讨论了利用立体图像中隐藏的深度信息进行显著对象检测的问题。通过考察深度图像和显著对象空间结构的特性,本文提出了一种基于深度各向异性对比度的显著区域检测方法,并与现有的基于二维图像的方法进行了结合。在实验评测中,本文方法的精度和F值都比现有最好方法高出15%以上。此外,针对目前缺少基于深度的显著对象检测数据集的现状,本文公布了目前国际上最大的基于深度的显著对象检测数据集,以推动本领域的相关研究。3.提出了一种服务于立体图像的一致性分割方法,大幅提升了立体图像左右视角联合分割的处理效率。现有的视角一致性分割方法大多是基于区域的,没有考虑到立体图像视角内容间的相似性,导致计算冗余度过高。针对该问题,本文提出了一种基于轮廓的一致性分割方法,其计算效率达到现有最快方法的10倍,并且具有更好的一致性分割精度。此外,本文方法采用了对一致性约束独立求解的思路,因而可以与任何现有的单视角分割方法无缝结合,共同处理立体图像分割问题。4.提出了一种基于颜色和深度自适应融合的对象分割方法,显著地提升了对象分割的精度。 目前的图像分割方法大多是基于颜色信息的,未能对深度信息的特性进行充分的挖掘。本文通过考察深度图像的特点,提出了一种基于测地距离的对象分类模型,并进一步通过分析深度与颜色信息在图像分割中各自的特性,对颜色与深度信息进行了自适应融合。该方法在两个相关评测平台上比现有最好方法分别取得了2%和3%的F值提升,并且精度和召回率指标都高达95%以上。在以上关键技术研究的基础上,本文还给出了一系列立体图像智能处理的案例,从而展示了本文研究成果在相关应用领域中具有很好的支撑作用和应用前景。