立体视觉作为计算机视觉中的一个重要分支,一直是计算机视觉研究的重点和热点之一。立体匹配是立体视觉中的一个难题,是当前制约立体视觉发展的瓶颈问题。由于外极线约束是立体匹配算法中常用的约束条件之一,因而立体图像对的外极线校正成为加速立体匹配的常用技术之一。通过立体图像对的外极线校正,立体匹配算法的搜索范围从二维的图像平面降低到一维的扫描线上,从而大大提高匹配算法的搜索速度和精度。本文对立体图像对的校正问题进行了研究,主要完成了以下工作：(1)在双目图像校正算法研究过程中,介绍了经典的Hartley图像校正算法,并针对两种不同的选点方式分别进行实验,结果表明,在精确的匹配点和基础矩阵的条件下,该算法具有很好的性能。同时,本文还根据分层校正算法的思想,提出一种基于免疫单克隆策略的图像校正算法,并将该算法与未采用免疫单克隆策略的校正算法以及Hartley算法进行对比,实验结果表明,本文提出的算法在垂直视差的校正精度和图像变形方面具有明显的改进。(2)在三目图像校正算法研究过程中,本文对双目图像校正过程中结合使用SIFT算法和RANSAC鲁棒估计算法求解图像对之间的匹配点和基础矩阵的方法进行扩展,提出了求解三幅图像之间的匹配点和基础矩阵的方法,并将该算法应用于三目图像校正研究过程中,实验结果表明,该方法简单有效,具有一定的鲁棒性。(3)本文将三目图像校正算法划分为两种校正思路,在这两种校正思路中,各选取一个具有代表性的算法进行研究和实验。第一种校正思路的Heinrichs方法依赖于基础矩阵的精确求解,实验效果并不理想,而第二种校正思路的Sun方法取得了令人满意的校正效果,通过对Sun算法进行实验,本文提出了一种改进想法,并通过实验进行验证,结果表明,当原始图像对上的外极线接近于平行时,通过增加Heinrichs校正变换中的剪切变换可以进一步提高图像的校正精度,并且不会增加图像畸变。