人类从外界获得的信息约有75％来自视觉系统，随着计算机的出现，用计算机来模拟人类的视觉功能成为了一个研究热点。用计算机立体视觉代替人类的视觉功能的优点是不可替代的，是具有十分重要的研究价值的。军事的需求和航天技术也极大的推动了计算机立体视觉及其立体匹配技术的研究和发展。此外，在数字化医学、商业、娱乐、教育以及传媒等领域都有着广泛的应用前景。　　很多专家学者针对计算机视觉中的关键技术——立体匹配问题提出了很多相关算法，主要分为基于局部的立体匹配算法和基于全局的立体匹配算法。　　本文主要针对基于特征的立体匹配算法中稳定性很好的算法，即SIFT（Scale Invariant Feature Transform）算法和SURF（Speeded Up Robust Features）算法中存在的计算量和特征点的稳定性的一些问题，提出了G-SURF（Gradual-SURF）算法。SURF算子为了改善SIFT的计算复杂度高的问题，简化和近似了DoH（Determinant of Hessian），这样不仅保证了算法结果的稳定性，也提高了计算效率。但是SURF这样的近似简化过程，损失了图像中的一些渐变信息。那么G-SURF算法对SURF算法进行了改进，在其处理过程中加入了渐变的信息。　　基于图割的立体匹配算法的总体精度高，并且在不连续区域和低纹理的区域的精度也比其他算法高，但是计算复杂度比较高。针对这一不足，本文提出了基于分层的图割的立体匹配算法来提高算法的计算效率。