双目立体视觉是计算机视觉的重要研究方向之一,该技术被广泛应用于工业、农业、医学等领域,对于提高生产效率及生活质量有重要意义。微光双目视觉是指在光强微弱的环境下进行图像获取和立体匹配。由于在黑暗环境中拍摄的图像会受到随机噪声的影响,因此如何获取精确的微光图像立体匹配深度图是一个具有挑战性的问题。本文针对这一问题,围绕立体匹配算法展开研究,主要分为以下两个部分:本文提出了一种结合区域信息来增强局部噪声像素鲁棒性的匹配算法。该算法改进了传统的半全局匹配算法,改进分为两个方面:首先,双目视觉获取的两幅图像进行图像分割获取区域信息,通过加入结构软约束解决动态传播路径不完全的问题。其次,在特征提取模块通过将Census算子由二元改进为三元降低噪声的影响。该算法分别在Middlebury公开数据集,通过加噪处理的仿真数据及真实采集的微光数据上进行了验证,实验结果表明,本文提出的改进算法降低了微光双目受噪声的影响,提高了微光立体匹配的准确度。此外,本文针对微光数据对神经网络算法进行调研,考虑到金字塔立体匹配算法(PSM,Pyramid Stereo Matching)在匹配代价计算模块融入了不同位置和尺度的环境信息,本文提出了将该算法应用在微光数据上,并在预处理及后处理部分进行了相应的改进。该算法分别在KITTI公开数据集,通过加噪处理的仿真数据及真实采集的微光数据上进行了验证,实验结果表明,该算法在微光立体匹配上有好的匹配性能。