双目立体视觉依靠同一物点在两幅不同图像中的成像点差异感知物体的三维信息。立体匹配技术在整个立体视觉建立过程中起着至关重要的作用，其实质就是计算出两幅不同图像中对应点的关系。国内外研究者从事这方面的工作起于上世纪70年代，并于此后提出了诸多有效的匹配算法。81863

美国学者John R。 Jordan III和Alan C。 Bovik[7]通过研究颜色和色度信息对立体匹配图像的影响，发现色度信息的合理使用能大大提高匹配精度，并使匹配间的不确定性大大降低。Hajebi[8]对红外图像进行研究后，首次提出一种先提取边缘特征点再得到稠密视差图的匹配方法，虽然考虑了图像的极限约束，但因红外图像成像特性导致有效特征不足，使得该方法存在局限性。

清华大学学者邱阳、白立芬和李庆祥等学者[9]在硬件上实现了一种边缘和区域联合匹配的匹配算法，该算法先提取边缘信息，再利用得到的信息粗匹配，最后利用区域图像实现精确匹配，不仅大幅减少了高频噪声，还显著提高了匹配精度。陈炎华、赵美蓉、林玉池等学者[10]提出了一种红外图像边缘增强算法，该算法适用于红外双目立体视觉，先使用脉冲耦合神经网络和空间矩获取边缘信息，再利用特征完成立体匹配，整体效果不错。论文网

显著目标提取就是从图像中将某个特定区域或显著目标与其他部分分离并提取出来。近年来，研究者们提出了许多有效的显著目标提取算法。Hou等学者[11]提出了通过频域内分析得到频谱残差再得到显著目标图的算法。此算法将图像缩小到64像素，先利用傅里叶变换得到对数幅度谱，再将对数幅度谱和均值滤波器卷积，接着和自己相减得到频谱残差，最后利用傅里叶反变换和高斯滤波器平滑处理得到显著目标图，该算法虽简单但效果很好。Zhang等学者[12]基于香农的信息论理论提出了著名的SUN算法，先利用包含自然图像统计特性的概率密度函数得到图像的自信息，再得到显著目标图。