为提升半全局匹配（SGM）算法效率，提出一种基于改进匹配代价计算和路径优化策略的立体匹配算法。代价计算阶段，通过对角线取点方式对局部二值模式（LBP）算子进行优化，降低时间复杂度和数据规模；代价聚合阶段，根据聚合逻辑选择5个方向进行扫描线优化，结合灰度相似性约束和距离约束条件，对聚合路径进行自适应权重赋值；再通过赢者通吃（WTA）策略计算初始视差值，通过左右一致性检测和二次多项式插值算法对视差图作进一步优化。最后算法在Middlebury 2.0和3.0数据平台上进行匹配效率验证，实验结果表明，所提算法相比SGM算法在不损失匹配准确度的情况下，代价计算阶段用时减少63.1%，代价聚合阶段用时减少39.3%，算法整体效率提升54.2%，达到效率提升的目的。

针对地面激光扫描点云和航摄影像密集匹配点云融合存在质量退化与分层的问题，本文提出了一种基于图割算法和引导点云滤波算法的异源点云融合方法。该方法首先利用一种结合几何和颜色信息的图割算法分割密集匹配点云，然后利用分割后的密集匹配点云填补激光点云的孔洞和遮挡区域，接着采用以表面曲率加权的引导点云滤波算法消除混合边界处的缝隙并纠正混合点云中的平面错层。实验结果证明，所提方法对比现有方法有明显的性能提升，融合后的精度和完整性分别提升了5.42%和2.94%，能够较好地支撑激光点云与密集匹配点云的高质量融合。

以三维点云或模型表达的单体化建筑信息是城市规划、市政管理、数字城市建设等多个应用领域的关键信息要素。利用航空影像密集匹配点云,提出了一种针对复杂建筑区域建筑单体的快速提取算法。在对点云进行滤波处理及水平点云提取和聚类的基础上,将点云面域投影至二维平面格网化,并结合立面信息及面域几何特征将非屋顶面的点云面域滤除,进一步基于栅格图像计算点云面域之间的拓扑关系,得到了各建筑单体的点云覆盖范围,最后实现了建筑单体点云的提取。实验结果表明,所提算法对建筑单体点云提取的召回率和查准率平均值分别为92.6%和89.9%,说明所提算法能够有效支撑复杂区域建筑单体的提取。

针对空气中极线几何不再适用于水下双目图像匹配以及尺度不变特征转换（SIFT）算法只能实现稀疏匹配的问题，提出了基于色彩分割的水下立体匹配算法。获取双目摄像机标定参数、参考图和待匹配图；推导参考图的特征点在待匹配图上对应的曲线表达式，同时利用均值漂移算法对参考图进行图像分割；用像素灰度差的绝对误差和算法进行匹配，根据图像分割结果对窗口内像素分配不同权重，并将搜索范围改为在对应曲线上，提高匹配精度。实验结果表明，该算法优于特征匹配SIFT算法，匹配精度有所提高，成功将区域匹配算法应用于水下图像稠密匹配。

针对特征点的稠密匹配问题，提出了一种视差生长与张量相结合的多基线稠密匹配算法。利用 SIFT特征提取方法在三视图中提取特征点，并用欧氏距离的方法进行粗匹配，使用所提取特征点的梯度方向特征计算梯度主方向角度差直方图，来去除误匹配，用得到的三视图匹配对计算三焦点张量和视差初值，用来引导稠密匹配。选取得到的两视图匹配点对作为根点进行视差生长，同时利用三焦点张量的点对应，得到三视图稠密匹配，并用视差初值引导匹配，以提高稠密匹配的精度。实验结果表明，本文方法计算出了稠密匹配，最后得到了精确的稠密视差图。