双目图像深度提取属于计算机视觉领域。本文研究目的是对一些已有的双目图像深度提取算法进行改进。在局部算法方面,利用SIFT特征组合绝对差值作匹配代价度量在保持效果的同时加快匹配速度;在全局算法方面,利用图像分割对置信传播作出效果方面的改进。具体的研究内容和改进方面如下:1.研究双目图像提取深度信息的原理,以及立体匹配的匹配代价度量方法和约束条件,约束条件使具有病态性的立体匹配问题变成理论上可解。在此基础上,研究基于窗口的匹配代价聚合方法,固定窗口法和自适应窗口法的多窗口法,并根据图像处理的模板加权重思想实现固定窗口法的一个改进,改进后效果与多窗口法接近,计算量近似是多窗口法的1/9。2.利用SIFT特征提取加快行传播法的计算速度。行传播法是基于颜色相似对图像作行线分割,再利用行线区域进行聚合的局部算法。原算法的匹代价度量是组合绝对差值和Census变换,因Census变换涉及大量逻辑比较运算而使计算时间长。针对这一点,本文利用SIFT特征提取代替Census变换来改进原算法,绝对差值和SIFT特征的组合度量在效果上与原度量接近,但计算时间减少近75%。3.利用图像分割改进置信传播的效果。置信传播是基于马尔可夫随机场来最小化全局能量函数的迭代算法。当迭代次数过多时,视差值平滑过度,造成图像中视差不连续区域效果变差。本文结合分水岭分割和Canny边缘提取阻止图像边缘传播避免平滑过度。迭代20次后,原算法、结合分水岭分割和结合Canny边缘提取的算法的误匹配率分别是4.79%、3.86%、3.25%,效果得到提升。