计算机视觉是研究如何使计算机能够像人类一样通过视觉获取信息,是一个重要的研究领域,具有重大的理论意义和广泛的应用背景。数十年来,对计算机视觉的研究已取得重要成果并得到广泛的应用,比如机器人避障检测、汽车导航、目标跟踪与识别等。双目视觉是计算机视觉的一个重要分支,它建立在对人类双目视觉的研究基础上。按照人类双目视觉系统的原理,利用放置于不同位置的摄像机,对同一目标物体同时拍摄数字图像,通过对图像的处理,重构出图像中的景物的三维空间信息。一个完整的双目视觉系统包括四个核心模块：摄像机定标,图像校正,立体匹配和三维重建,其中立体匹配是系统中最主要的内容。立体匹配的目标是求解给定的参考图像的视差图,通过在给定的图像组中寻找像素的对应匹配点,根据匹配像素对计算出参考图像中像素点的视差,然后把视差按照一定的比例关系转换为灰度值,最终得到视差图。匹配算法的执行可以分为四个步骤：(1)匹配代价的计算,(2)代价聚合,(3)视差计算/优化,(4)视差改良。按照执行步骤的不同,匹配算法可以分为全局匹配算法和局部匹配算法两大类。全局算法结合数据项和平滑项构造一个能量函数,通过最小化能量函数求解图像像素的视差,其主要执行步骤(1),(3)；局部匹配算法是以待匹配像素点为中心构造匹配窗口,通过计算窗口之间的相似度求解像素的视差,其执行步骤(1),(2),(3)。步骤(4)是一个独立的过程,主要是对求解的视差图进一步的优化。一般上说,全局算法的精度高,但是效率低,局部算法效率高,精度却低于全局算法,但是随着局部算法的不断优化与改进,目前的局部算法的精度也能达到全局算法的水平。从三维空间获取照片的过程中,会有一些客观因素影响照片的属性,比如光照,所拍摄物体的几何形状等,这些因素构成了立体匹配算法的难题,其中遮挡区域,光照强度不平衡是立体匹配最大的难点问题,这些难题也是研究人员一直重视的焦点。在本文我们提出了两种算法分别解决遮挡和光照的问题,并提出一种创新型应用。1.基于自适应权重与遮挡检测的局部匹配优化算法。这个算法是我们对Adaptive Weight算法的优化,通过对遮挡和非遮挡区域赋予不同的权重,降低遮挡区域对聚合代价的影响,同时我们对视差不连续区域也提出更有效的处理方法,降低了误匹配率,提高了算法的性能。除此之外,我们在优化算法的基础上提出以超像素为单位的匹配方法,并将通过此方法求解的视差应用于显著区域检测,算法的效率高,效果好。2.基于互信息与梯度的局部匹配算法。我们提出利用互信息和梯度作为匹配基准,计算聚合代价,通过“最大者最优”策略,选择最优视差。新方法能够对光照强度不同的图像对求得良好的视差图。最后我们根据提出的两种匹配算法,提出一种更加有效的方法。根据这个方法,在匹配图像时可以不用考虑光照强度不均的问题。对于光照强度相同的图像,可以得到很好的视差图,对于光照强度不同的图像,也可以得到良好的效果图。