立体匹配是一种根据平面图像来恢复真实场景深度信息的技术,其做法是从两个或多个相同场景的图像中找出匹配点对,然后根据三角测量原理计算点对所对应的空间物理点的深度。立体匹配系统模拟的是人眼视觉感知原理,只需要用两台或多台摄像机对同一场景进行拍摄,把得到的图像进行立体矫正后就可以投入使用,具有实现简单,成本低廉的优点。其在现代社会中有着广泛的应用,如无人汽车驾驶、场景恢复、虚拟现实,等等。然而,在现实的匹配场景中,受到外界环境噪声、物体相互遮挡、存在深度不连续区域和低纹理区域等因素的影响,要通过立体匹配来实现高精度的深度估计,仍然是一个巨大的挑战。在对已有立体匹配算法进行深入研究的基础上,本文主要从以下两个方面展开工作:首先,考虑到待匹配的两幅图像光照条件不一定相同的情况,本文从局部像素灰度值相对顺序不变的假设出发,提出一种适用于各种光照条件的新算法:基于等级特征的像素匹配代价计算方法。该算法可以在较小的计算代价下,得到特征窗口内各个像素的排序等级来反映这些像素之间的灰度值大小关系,构造对光照变化不敏感的等级匹配特征。其解决了以往方法中无法对全部像素灰度值均进行比较的问题,同时能够简便地对图像的梯度信息加以利用,使得匹配特征包含丰富的图像块结构信息,最终获得更准确反映两个像素在图像上不相似程度的匹配代价。无论是在匹配图像具有相同光照条件的情况下,还是匹配图像有着较大明暗差异的情况下,该算法都可以取得高正确率的匹配结果。其次,考虑到已有的像素匹配代价计算方法的适用范围均有限的情况,本文将三种有着不同优缺点、不同适用范围的已有像素匹配代价计算方法作为基准算法进行融合,提出一种有着更大适用范围的新算法:基于多匹配代价融合的像素匹配代价计算方法。对于两个像素,不同基准算法分别计算它们的匹配代价以及匹配的置信度作为基础匹配信息,新算法将这些基础匹配信息输入到一个随机森林分类器中,让分类器进行分析决断,预测两个像素的真实匹配代价。通过这样的方式有效地综合了三种基准算法的优点,在多种匹配场景中都可以取得比基准算法高的匹配正确率,适用范围更广。