图像匹配是计算机视觉和图像理解领域的基础研究问题之一，已广泛应用于多源图像数据融合、目标识别、三维重建等诸多领域。论文主要针对双目立体视觉中的匹配问题进行了研究，主要研究成果和创新之处有以下几点：　　 1)在图像校正系统中，提出了一种由粗到精的特征点匹配算法。在粗匹配阶段，本文提出了相似度算法求解特征点相似度约束模型，利用该模型可以得到初始解并将多对多的特征点匹配问题转化为一对一的匹配问题。在精匹配阶段，本文利用改进遗传算法求解特征点空间约束匹配模型，改进策略包括：整数编码、优化初始种群、稳态的选择算子、多点交叉算子等。更重要的是，本文将粗匹配的结果作为改进遗传算法的一个初始解，这将使得匹配结果更加准确。在三个标准测试集上对提出的算法进行了实验和比较，实验结果表明本文提出的算法对于不同视角、不同光照、不同尺度下的宽基线图像具有更高的匹配精度。　　 2)针对经典置信传播算法中存在计算冗余、低精度等问题，提出了一种自适应的置信传播算法，该算法将有限消息序列收敛和低纹理区域检测这两个思想融入到置信传播算法中。在标准数据集上的实验表明，与经典置信传播算法相比，所提出算法的计算时间减少了大约50％，同时，计算精度也有明显提高。　　 3)提出了一种基于视差校正和视差优化的立体匹配算法。该算法将整个匹配过程分为三个阶段：初始匹配、视差校正和视差优化。在视差校正阶段，提出了一种区分遮挡像素和误匹配像素的分类方法。在视差优化阶段，提出了一种渐进的区域融合算法，该算法以大区域和置信系数高的区域为种子区域，然后逐步与其相邻的小区域进行比较与合并，通过不断优化视差平面，得到比较精确的视差图。