随着图像处理、通信以及视频编码等各种研究领域的不断进步,立体视频的研究进入了一个新的快速发展期。立体匹配技术是一种通过寻找同一场景在不同视角图像中的相同点的一一对应关系,并由此获得视差图,重建场景三维模型的技术。回顾近几十年的双目立体匹配的技术发展,早期的研究者逐点进行分立的研究,意图为每一个像素点找到其最佳匹配,然而结果却并不理想。近年来,随着马尔科夫随机场理论的提出及其发展,其理论为计算机视觉领域和图像处理领域提供了更好的研究工具。本文主要研究两种目前较为主流的算法动态规划和置信传播算法,并分别优化,以期获得更好的算法效果和更快的算法速度。本文分析了动态规划算法在立体匹配领域中的应用,并根据动态规划的特性配合针对性的预处理和后处理步骤。该算法使用左右图分别作为主视图,计算匹配代价后迭代计算对应的视差图,修正误匹配点后得到精确的视差图。其中,计算匹配代价同时考虑像素相似度和纹理相似度,迭代过程使用动态规划算法,兼顾速度和精确度,并针对动态规划算法的条纹特性以及同一扫描线上的精确度不对等,使用插值优化算法提取左右视差图的高精度区域合成最终的视差图。实验结果表明,同传统动态规划算法相比,基于插值优化的动态规划立体匹配算法在遮挡区域表现优异,并且依然保持不变的时间复杂度。本文提出了基于升降采样的金字塔优化的置信传播算法。通过分析置信传播算法的理论基础,针对置信传播算法的大量冗余迭代所带来的高时间复杂度和空间复杂度进行了金字塔优化,有效减少了算法占用的冗余空间和计算时间。本文提出了基于置信传播的序列图像快速立体匹配视差估计算法。序列图像本身拥有几乎一致的背景,在序列图像的立体匹配中直接使用上一帧的视差图作为当前帧的迭代起始将会大大加快迭代的速度。实验结果证明,该方案相比单帧图像的置信传播立体匹配,速度上有较大提升,同时算法效果并未下降。