黄超凡，张鹏博

（四川大学计算机学院,成都 610065)

0 引言

立体匹配是计算机视觉中的重要问题，视差图可广泛用于三维重建、自动驾驶等三维应用。它的输入是一对经过图像矫正的两幅图像，输出是两幅图像中场景同名点的视差图（沿水平方向的位移），视差图一般用一幅灰度图表示。由于光照影响，相机参数不同，图像噪声以及遮挡和无纹理区域等因素，建立同名点对应成为一个病态问题。如何度量左右图中的像素点对是场景同名点的成像？为了简化判断和加强约束条件，立体匹配过程显示或隐式的建立在两点基础假设上[1]。1、朗伯体表面（Lambertian Surface），场景同一点从不同视点的成像没有辐射差异，表现为亮度恒定；2、视差平滑性，点的视差在邻域附近是平滑变换的，往往假设为局部区域视差不变。实际成像往往由于相机参数设置和光照不同等造成辐射差异，视差在深度不连续处（常为遮挡区域）也违背了视差平滑性假设。

近年来立体匹配技术已有了充分发展，许多高准确度和高效率的方法被提出。这些方法一般分为两类：全局立体匹配算法和局部立体匹配算法[2-3]。全局算法一般建立一个能量函数，在整幅图上求解优化结果，经典的全局算法有基于置信传播的Belief Propaga⁃tion[4]、基于图割的 Graph Cut[5-6]、基于动态规划的 Dy⁃namic Programming[7]、基于扫描线优化的 Scanline Opti⁃mization[8]；全局算法能生成高质量的视差图，但计算量巨大。局部算法相对全局算法计算效率高，部分算法已经达到了实时效果[14]，近年来局部算法已经能达到全局算法的质量[9]，经典的局部立体算法[10-14]。……