人类视觉系统无法完全认知自然世界中纷繁复杂的景物,这就要求人类借助于计算机来对各种复杂图像进行观测与正确分析。在科技信息飞速发展的今天,计算机视觉相关领域的应用涉及人们生活的方方面面。现阶段,双目立体视觉系统因其接近于人类视觉结构的图像系统,而成为计算机视觉领域中的一个研究热点。立体匹配是双目立体视觉系统中十分重要且关键的一个环节,立体匹配的实质是以双目立体视觉系统中所获取到的左右两幅图像为研究目标,以一幅图像为参考图像,在另一幅匹配图像中寻找像素匹配对应点,从而找出对应像素点之间位置的偏差,根据三角测量原理最终获取到原场景的三维信息。然而,立体匹配中寻找像素匹配对应点的过程是一项具有很大挑战的工作,本文的研究重点将围绕双目立体匹配这一问题展开。为降低立体匹配问题中视差图像误匹配率,本文提出一种基于特征融合的立体匹配算法。首先,构建匹配代价计算模型,此模型是将基于客观计算特征的灰度差绝对值和(Sum of Absolute Intensity Differences,SAD)和灰度梯度差绝对值和(Gradient Absolute Difference,GRAD)与基于数据驱动的深度学习特征进行加权融合;然后,在初始匹配代价聚合过程中,采用引导图像滤波器来保持图像边缘,去除噪声;最后,通过胜者全赢算法得到初始视差图,再利用左右一致性校验方法和加权中值滤波器优化初始视差图,去除弱纹理区域和遮挡区域的误匹配点,最终得到稠密的视差图。通过Middlebury立体匹配评估平台上的实验结果表明,基于特征融合的立体匹配算法能够有效降低视差图的平均绝对误差和均方根误差。为进一步提高视差图精度,并在更多的误差评估标准下获得更好的结果,本文以基于特征融合的立体匹配算法为基础,提出基于特征和决策双重融合的立体匹配算法。首先,利用基于特征融合的立体匹配算法中构建的匹配代价计算模型计算出初始匹配代价;然后,将引导图像滤波器与基于半全局的十字形交叉窗口匹配代价聚合模型进行加权融合,构建出新的匹配代价聚合模型;随后,利用胜者全赢算法计算初始视差图;最后,运用左右一致性校验方法找出误匹配点和遮挡点,再利用亚像素求精与加权中值滤波方法进一步优化初始视差图。通过Middlebury版本3立体匹配评估平台实验表明,基于特征和决策共同驱动的立体匹配算法计算出的视差图精度比单独使用基于特征融合的立体匹配算法所得视差图精度要高,且基于特征和决策共同驱动的立体匹配算法所得视差图在误匹配率2.0、平均绝对误差以及均方根误差方面均在基于特征融合的立体匹配算法基础上进一步降低,充分证明了本文所提出算法的有效性与合理性。综上,能否有效解决立体匹配问题是影响双目立体视觉系统发展的重要因素,立体匹配对于双目立体视觉系统有着重要而深远的意义。