Ｍ ：
０ 引 言
Ｈ ｒｓ ａ ｉ算法步骤为 ： ｒ
第一步 ： 计算图像 的方 向导数 即图像像 素在水
平和垂直方 向上的梯度 ，以及两 者的乘 积 ，得 到 Ｍ
中４ 个元素 的值 ：
Ｉ １ｌ ２
一 一
征的匹配算法 ，区域匹配算法和梯度 法。局 域算法 的优点是效率高 ，但是它对一些 由于遮挡和纹理 单
ｏ ｅ ａｇ ｒｔ ｍ ， ａ ｌ ｏ ｉ ｍ ａ ｅ ｎ ｌ ｃ ｌｆａ ｕ ｅ ｐ ｉ ｔ ｍａ ｃ ｉ ｇ ａｇ ｒ ｈ ａ ｄ ｔ ｅ ｇｏ ａ ａｇ ｒｔ ｍ ｎ ｔ ｅ ｆｔ ｌ ｏ ｈ ｔ ｔａｇ ｒ ｈ ｂ ｓｄ ｏ ｏ ａ ｅ ｔ ｒ ｏ ｎ ｓ ｈ ｉ ｈ ｔ ｔｈ ｎ ｌ ｏ ｔ ｍ ｎ ｈ ｌ ｂ ｌ ｌｏ ｈ ｉ ｈ ｉ ｉ ｍａｃ ｉ ｇ ｂ ｓｄ ｏ ｒ ｐ ｕ ｓＣｏ ａ ｅ ｅｔ ｏ ｏ ｏ ｕ ａ ｏ ａ ｅ ｄ ａ ｄ ｅｒ ｒｒｔ ， ｍｍ ｅ ｐ ｔ ｅ ａ ｖ ｎ ｅ ｎ ｔｈ ｎ ａ ｅ ｎ ｇ ａ ｈ ｃ ｔ． ｍｐ ｒ ｄ ｔ ｈ ｗ ｎ ｃ ｍｐ ｔｔ ｎ ｓ ｅ ｎ ｒｏ ａｅｓ ｉ ｌ ｐ ｕ ｄ ｕ ｈ ｄ ａ ￣ｇ ｓ ｄ ａ
Ｇａ ｎｎ Ｈａ ｅ ｏ Ｙｉ ｉ ｇ， ｎ Ｘｉ
（ ｌ ｇ ｆ ｌｃｒｎｃ ｎ ｍｐ ｔｒ ｃｅ ｃ ｎ ｃ ｎ ｌｇ ， ｒ ｉｅｓｔ ｆ ｉａＴａｙ ａ Ｃｏｌ ｅｏ Ｅ ｅｔｏ ｉｓ ｄＣｏ ｕｅ ｉｎ ｅａ ｄＴｅｈ ｏｏ ｙ Ｎｏｔ Ｕｎｖ ｒ ｙ ｏ Ｃｈｎ ， ｉｕ ｎ ｅ ａ Ｓ ｈ ｉ ０ ０ ５ ， ｉａ） ３ ０ １Ｃｈｎ

★基金项 目 ： 山西省 自然科学基金 （ ０ ０ １０ ３ １ ２ １０ １ ２ 一 ）资助
设计与研 发
ｗ（，） ｘ 为窗 Ｖ 函数 ，Ｉ ，） ｙ Ｉ （ ｙ 为图像 灰度 ，Ｉ ＋ ， Ｖ ｘ （ ｕｙ ） ｘ ＋
为平 移后的图像 灰度。 立体 匹配是立体视 觉中最 重要 的部分 。常用的 立体匹配算法 ，根据其 用的约束信 息的不同 ，总体 上分为局域算法和全局算 法两种。局域算法是利用 对应点本身 以及其邻近 的局部 区域 的约束信 息的匹 配算法 ，根据其匹配基元 的不 同 ，主要 分为基于特
局域算法 中的基于特征点 匹配 的算法和全 局算法中的基于图割法的匹配算法 ，并对算法从运算速度和误 配率 两方 面进行了比较 ，总结 了两种算法 的优缺点 ，比较 了两种 匹配算法最终获取的视差图 ，以及 已有 的立体匹 配算法所存在 的问题和今后需要改进 的方 向。
关键 词：立体匹配 ；特征 匹配 ；图割法
Ａ ｂｓ ｒ ｔ ｎ ｈｅ ｒ ｓａ ｃ ｏｆｔ ｒ ｅ ｉ ｅ ｉ ａ ｅ ｏ ｔｕｃｉ ｓｄ ｏｎ ｎｏｃ ｌｒｖｉｉ ｔ ｔｒ ｏ ｍ ａｃ ｎｇ ｉ ｅ ｏ ｔ ａｃ ：Ｉ ｔ ｅ ｅ ｒｈ ｈ ｅ —ｄ ｍ ｎｓｏｎ ｌｒ ｃ ｎｓｒ ｔｏｎ ｂａｅ ｂｉ ｕａ ｓｏｎ， ｈｅ ｓｅ ｅ ｔｈｉ ｓｏｎ ｆ ｔ ｏ ｔｉ ｐｏｒａ ｒ，ｔ ａ ｃ ａ ｙ ａ ｅ ｔ ｈｅ ｒ ｃ ｎｓｒ ｃｉ ｈｅ ｆｎ ｌｒ ｓ ｌｓＴｈｉ ａ ｔｃｅ ｄ ｓ ｒｂｅ ｈｅ ｃ ｍ ｍ ｏ ｌ ｈｅ ｍ ｓ ｍ ｔｎｔｐａｔｉｓ ｃ ｕｒｃ ｆ ｃｓ ｔ ｅ ｏ ｔ ｔ ｕ ｏｎ ｏｆｔ ａ ｅ ｕ ｔ． ｓ ｒｉｌ ｅ ｃ ｉ ｉ ｓｔ ｏ ｎｙ ｕｓ ｄ ｓｅ ｅ ａｃ ｎｇ ａｇ ｉｔ ｍ ， ｏ ａｇ ｉｔ ｓａ ｅ ｄｅｃ ｂｅ ｎ ｄｅａｌｗ ｈｉｈ ａ ｅ ｔ ｅ ｅｅ ａｉ ｆｃ ｔｇ ｙ ｔ ｐ ｅ ｔ ｒ ｏ ｍ ｔ ｈｉ ｌ ｏｒ ｈ ｔ ｏｒ ｈｍ ｒ ｓ ｒ ｄ ｉ ｔｉ ｗ ｌ ｉ ｃ ｒ ｈｅ ｒ ｐｒ ｓｎｔｔｏｎ ｏ ａｅ ｏｒ ｓｅ ｓ
中 图 分 类 号 ： Ｔ ３ １ 文 献 标 识 码 ：Ａ Ｐ ０
Ｒ ｅ ｅ ｒ ｈ ｎｄ ｃ ｓ ａ ｃ ａ ｏｍ ｐａ ｓ ｎ ｆ ｓ ｅ ｅ ａ ｃ ｎｇ ｉ ｒ ｏ ｏ ｔ ｒ ｏ ｍ ｔ ｈｉ ａ ａ ｉｈｍ ｓ ｄ ｌ ｏｒ ｔ ｂａ ｅ ｏｎ ｎｏｃ ａ ｉｉ ｂｉ ｕｌ ｒ ｖ ｓｏｎ
２ ＂ 年 ＇丹 ０ 第 １瓤
电 子 灞
试
Ｊａ ｏ＂ ｎ２ Ｎｏ ， ．
ＥＬ ＥｃＴＲ０ Ｉ｜ 、 ｃ ＴＥｓＴ Ｉ
双 日视觉 中立体匹配算法的研究 与比较★
高一宁， 韩燮 （ 中北大学 电子 与计算机科学技术学院 山西 太原 ００ ５ ） ３ ０ １
摘 要： 在基于双 目立 体视 觉三维 重建 的研 究中 ，立体匹配是其中最重要的部分 ，它 的准确性影 响着最后 的重 建结果 。本文主要讲述 了常 用的立体 匹配 算法 ，并详细介绍了两种算法分类 中的代表性算法 的实现 步骤 ，即
ｄｓ ｄ ａ ｔｇｅ ，ｏｍ ｐ ｒ ｄ ｔ ｎａ ｉｐａｉｙ ｍ ａ ｔｉ ｙ ｔ ｅ ｔ Ｏ ｍ ａｃ ｉ ｇ ｌ ｏｒｔｍ ，ｎｄ ｔ ｏ ｂ ｅ ｈ ｇ ｉｈ ｓ ｉａ ｖ ｎ ａ ｓｃ ａ ｅ ｈｅｆ ｌｄ ｓ ｒｔ ｐ ｏｂ ａｎ ｂ ｈ ｉ ｗ ｔ ｈ ｎ ａｇ ｉ ｈ ａ ｈｅｐｒ ｍ ｌ ｍｓｔ ｅａ ｏｒｔ ｍ ｌ ｈ ｖｅｈａ ａ ｕ ｕｒ ｒ ｃ ｏｎ ｏｒｉ ｐｒ ｅ ｅ ｔ ａ ｄ ｎｄ ｆｔ ｅｄｉｅ ｔ ｓｆ ｉ ｍ ｏｖ ｍ ｎ ． Ｋｅ ｙｗｏｒ ： ｔ ｒ ｏ ｍ ａｃ ｉ ｇ； ｅ ｔ ｅｍ ａ ｃ ｎｇｇ ａ ｈ ｕｔｍ ｅｈｏｄ ｄｓ ｓｅ ｅ ｔ ｈ ｎ ｆａｕｒ ｔｈｉ ；ｒ ｐ ｃ ｔ