立体视觉是计算机视觉的一个重要分支，立体视觉不论是在军事侦察，工业检测，物体识别，机器人导航，虚拟现实还在是影视动画、动漫游戏中都有着非常广阔的应用前景。在立体视觉中，立体匹配占据了整个视觉过程中相当大的比重，是立体视觉中的重要环节，其匹配的优劣直接决定着三维重建的效果和整个视觉系统的质量，因此立体匹配成为计算机视觉领域一个非常重要的研究热点。立体匹配按照优化方法不同可以分为局部立体匹配和全局立体匹配两大类，全局算法精度虽高，但是计算量大，很难满足实际需要。局部匹配算法因算法简单易于实现等优点而被许多学者所采用。但局部立体算法精度较低，不能够满足后期工作的有效开展。一直以来，各位学者专家为了提高匹配精度进行了不懈的努力，先后提出了固定窗算法、自适应窗算法、自适应权重算法等立体匹配算法。其中自适应权重算法凭着较高的匹配精度受到了越来越多学者的广泛关注。本文针对立体匹配研究中的难点问题——重复或弱纹理特征缺失，遮挡区域和不连续区域难匹配等问题，旨在充分利用图像的颜色信息，在深入分析传统局部匹配算法基础上，提出改进方案，改进的算法提高了在重复区域、遮挡区域、深度不连续区域的精度，有利于后期三维重建的展开和立体视觉系统的整体效果。本文所做的工作主要有以下几个方面：1.在对基于区域的局部立体匹配分析的基础上，针对固定窗及自适应窗的不足，给出基于颜色分组的立体匹配算法，利用同一色彩区域相邻像素具有很大的视差相似性的特点，基于颜色对窗口进行分组，同时将梯度绝对差值和绝对强度差值以某种比例结合，改进匹配代价，基于颜色相似性提出视差校正算法，根据颜色相似性的结果对初始视差图进行视差校正，对改进后的算法进行测试并对实验结果进行分析。2.在深入分析研究自适应权重算法的基础上，提出基于颜色变化约束的区域生长算法，利用区域连通性和颜色相似性构建权重因子，对改进后的算法和原算法进行对比，对改进算法的性能进行分析。3.在讨论Mean-Shift均值漂移算法原理的基础上，基于Mean-Shift和遮挡点改进自适应权重算法，采用均值漂移算法对图像进行分割，同时结合遮挡区域难匹配的问题，改进权重支持聚合，结合颜色分割信息在视差搜索方面做了改进，最后结合区域生长和遮挡点提出了一种快速匹配算法，一定程度上改善了遮挡区域的匹配精度。