畅雅雯，赵冬青，单彦虎

中北大学 仪器与电子学院，太原 030051

立体视觉是计算机视觉的重要研究领域，立体匹配是立体视觉的核心步骤，通过寻找左右两幅图像的匹配点来计算视差，获取场景深度信息。相对传统的接触式测量，立体视觉测量技术可以满足水下、火场等非接触式场景下的测量需求，具有效率高、系统结构简单、成本低等优点，近年来被广泛应用到三维重建、无人驾驶、医学成像等领域[1]。Scharstein等[2]将立体匹配分为匹配代价计算、代价聚合、视差计算和视差精细四个步骤。其中匹配代价计算和代价聚合对获取高精度的视差信息，进行精确三维重建至关重要。

立体匹配中，选取的匹配代价计算方法在不同应用条件中产生的匹配精度不同。常见匹配代价计算方法有：灰度变化差AD算法、非参数Census变换、梯度Gradient及互信息MI等[3]。基于图像的颜色和几何信息算法在纹理丰富区域匹配效果较好，但受光照失真影响较大；非参数变换和梯度对幅度失真不敏感，但在重复结构区域处理效果并不理想。综合考虑颜色、梯度、非参数变换等信息，融合两种或多种代价计算方法通常能够更加准确地描述像素点包含的信息，如Census+MI+Gradient[4]、AD+Census+Gradient[5]、AD+Census[6]等。图像的光照、噪声以及其自身的纹理条件都会影响匹配效果，针对特定测试环境设计相应匹配算法对于准确获得视差信息有着重要的意义。

对于代价聚合，聚合窗口的尺寸影响着匹配结果的可靠性，窗口过小易在弱纹理区域出现误匹配，过大易在深度不连续区域匹配错误。……