立體視差估計一直是研究及應(yīng)用立體視覺的關(guān)鍵性問題，因此針對此問題已經(jīng)提出了許多方法。根據(jù)采用的匹配基元的不同，視差估計方法主要歸納為兩種類型：基于區(qū)域和基于特征的方法。

基于區(qū)域的視差估計

基于視差估計是把一幅圖像中某一點的灰度鄰域作為匹配基元，在另一幅圖像中搜索具有相同(或相似)灰度值分布的對應(yīng)點鄰域，從而實現(xiàn)兩幅圖像的匹配并得到各個點的視差。在搜索過程中，通常是以相關(guān)函數(shù)作為兩個搜索領(lǐng)域的相似性測度?；趨^(qū)域的匹配法在平坦而紋理豐富的區(qū)域可以達到較高的匹配精度，由于直接對圖像像素進行匹配，因此匹配結(jié)果不受特征檢測精度和密度的影響，可得到密集的視差場。盡管人們對基于區(qū)域的視差估計進行了大量研究并提出很多改進措施，目前仍存在以下不足：

1.過分依賴于圖像灰度統(tǒng)計特性。由于直接利用圖像的像素灰度值進行匹配，使得匹配效果對于景物表面結(jié)構(gòu)、成像以及光強和對比度的變化等比較敏感。如果景物表面缺乏足夠的紋理細節(jié)，由于信息量小，容易出現(xiàn)誤匹配；

2.當(dāng)左、右兩幅圖像中存在重復(fù)結(jié)構(gòu)的紋理特征或相關(guān)像素鄰域內(nèi)存在深度間斷、遮擋現(xiàn)象時，常常會引起匹配的混淆；

3.由于基于區(qū)域的匹配法需要對搜索區(qū)域內(nèi)的每一位置進行窮舉匹配，而且在每一位置上要進行逐點的運算，因此該方法的運算量較大。雖然采用外極線約束條件以及由粗到細的匹配層次結(jié)構(gòu)等可以在一定程度上減少匹配的運算量，復(fù)雜性仍然很高。

基于特征的視差估計

與基于灰度的視差估計不同，基于特征的視差估計不是直接利用圖像灰度，而是通過能表示景物自身特性的特征來實現(xiàn)匹配。由于特征更多地強調(diào)空間景物的結(jié)構(gòu)信息，因此基于特征的匹配法可以較好的解決歧義性問題，且對光線、對比度變化等不敏感?；谔卣鞯钠ヅ浞ㄍǔ０▋蓚€步驟：特征提取和特征匹配。

特征提取主要是利用特征提取算子提取圖像特征，這些特征通常都是圖像中灰度變化明顯的點、線、面或是圖像的結(jié)構(gòu)關(guān)系。特征提取是整個基于特征匹配方法的基礎(chǔ)，提取特征的多寡、特征定位精度的好壞、特征信息可信度的高低等都會直接影響到后面的匹配結(jié)果。通常特征提取的對象有兩類，一類為點特征，如零交叉點、邊緣點、角點等；另一類為圖像的結(jié)構(gòu)特征，如直線段、灰度段、二次曲線等。

特征匹配是在左右圖像對的特征之間尋找對應(yīng)關(guān)系，通常這種關(guān)系是一一對應(yīng)的。特征匹配的方法有很多種，既可以直接利用特征點鄰域的灰度信息，也可以利用特征提取時獲得的特征信息，如特征的強度、方向、特征間的相互關(guān)系等等。常見的特征匹配方法有相關(guān)法、松弛法、動態(tài)規(guī)劃法以及多分辨率法等，其中，多分辨率法可以與其他方法結(jié)合使用，減少計算時間。

基于特征的視差估計的優(yōu)點在于：

1.由于圖像特征相對于圖像灰度而言，屬于較高級的圖像結(jié)構(gòu)信息，包含信息量多、魯棒性強，受噪聲及光線、對比度變化等影響較小，具有較好的匹配準(zhǔn)確度；

2.由于邊緣特征往往出現(xiàn)在視差間斷區(qū)域，因此基于特征的匹配法能較好地處理立體匹配中的視差不連續(xù)問題；

3.計算量小，速度快。這是因為它只對特征進行搜索匹配，而不是圖像中的所有像素點，因此在匹配過程中算法的空間復(fù)雜度和時間復(fù)雜度都較小。

基于特征的視差估計也存在以下不足：

1.特征在圖像中的稀疏性決定基于特征的匹配法只能得到稀疏的視差場，視差場的疏密程度取決于特征量的多少。如果要獲得密集的視差場，必須通過插值來實現(xiàn)，而插值本身又是一個復(fù)雜的病態(tài)過程；

2.特征的提取和定位結(jié)果直接影響匹配效果，如果特征提取效果不好會很大程度上制約匹配精度的提高。