立体匹配是立体视觉中的一个重要问题,即在立体像对中寻找同名点并建立其对应关系的过程。随着人类双目视觉原理被揭开,人类可以模仿自身的视觉,用计算机的手段感知和认识世界。在使用立体匹配获得同名点关系后,利用摄影测量中核线几何和三角测量的原理,人们就可以重建所拍摄的实际场景。经过数十年的发展之后,立体匹配的研究进入了实用阶段。人类可以将立体匹配用于大量生产三维场景、正射影像及高精度地形图。此外,立体匹配也被应用在娱乐、自动驾驶、安保等诸多领域当中。立体匹配的研究历史与现代计算机的历史相当,而其大规模发展的时代也正是计算机技术大发展的时代。尽管如此,立体匹配仍然有诸多问题等待解决。当今关于立体匹配的研究越来越广泛,也越来越深入。新的理论不断提出,新的算法也不断涌现。这其中,如何处理尺寸巨大、场景复杂的航空影像,是一个需要关注的问题。本文试图解决这一问题,在考虑了航空影像的特点后,设计一种能够处理大规模影像、计算量较小、且具有可扩展性的算法框架。本文所提出算法框架的实现思路是从已经相当成熟的特征点匹配开始入手,逐步生成覆盖大部分像素的视差图。通过特征点匹配算法,可以得到一个十分稀疏、但精确度较高的同名点点集；在此基础上,构建不规则三角网,作为对视差图的初始估计；选用广为人知的半全局匹配算法构建视差图,获得像素级的、最终的匹配结果。考虑到航空影像的巨大尺寸,本文采取了分部半全局匹配算法,并在处理过程中将图像暂时分成区块,并逐个区块处理,以节省内存。在代价计算环节,本文采用CENSUS和互信息(MI)的加权和作为匹配代价,以达到抗辐射畸变的效果。最后,本文使用C++语言和OpenCV开放视觉库编写了测试程序,并使用Middlebury College提供的近景测试数据和使用大飞机拍摄的大幅面航空影像数据从定性和定量的角度评价了该算法框架,包括精度、时间和资源占用情况。