黄 彬，胡立坤，张 宇

（广西大学 电气工程学院，南宁 530004）

0 概述

对图像中物体场景深度信息的获取是机器视觉领域中的热点问题，而能否高效快速地获取精确度高的深度信息，与所使用的立体匹配算法关系密切［1］。立体匹配算法通过寻找双目或多目图像对中的对应点并计算其间的二维视差，计算得到所获取目标点的三维深度信息。

文献［2］对立体匹配算法进行归纳总结，将立体匹配过程分为匹配代价计算、代价聚合、视差计算和视差优化4 个步骤。目前常用的立体匹配算法可分为全局算法和局部算法两类。全局算法采用全局优化理论计算视差，并通过全局能量函数得到最优视差值。典型的全局算法有动态规划算法［3］、置信度传播算法［4］和图割法［5］等。全局匹配算法虽然匹配精度高，但时间复杂度也较高。局部算法通过构建局部支持窗口，对窗口内像素做视差计算并进行代价聚合，求出视差最优值。典型的局部匹配算法有绝对误差和（Sum of Absolute Difference，SAD）算法、误差平方和算法和归一化互相关算法等。局部立体匹配算法具有算法复杂度和硬件要求低、实时性高且易于实现的优点，适合于工业和工程应用。

局部立体匹配算法通过测量图像像素的灰度来检测像素间的相似度，当图像受到外部光照变化影响出现辐射度失真时，会严重影响图像匹配的配准精度，大幅增加图像误匹配率。为提高SAD 算法的匹配效率，文献［6］将边缘信息融入传统SAD 算法，改善了算法在边缘保持方面的性能。……