计算机视觉研究领域中最重要一项距离感知技术就是双目视觉技术,通过双目视觉技术景物的三维信息可以灵活地被人们在多种条件下获取。从本质上看,双目视觉技术是一种被动式测量技术,在计算机视觉研究中具有其它种类测量方法所不能取代的地位。而立体匹配技术是双目视觉中最主要也是最难实现的一个环节。人们通过在自然界和工程中实践发现,多尺度特征存在于许多现象或过程之中,尤其是生物的视觉过程。所以,采用多尺度分析方法来描述和分析计算机视觉实现机理能更直观地反映计算机视觉的本质特征。但是实践经验表明：在多尺度分析框架下的图像立体匹配技术还需要解决一些关键问题,尤其需要研究：(1)对于一幅图像,哪些区域需要在高尺度下实现立体匹配；哪些区域需要在低尺度下实现立体匹配?(2)对于水平线上的边缘,通过何种方法提高其立体匹配的准确度?以解决上述两个关键问题为目的,本文详细介绍了立体匹配的一些主要理论,包括立体匹配的基本原理、立体匹配的约束条件以及立体匹配的分类；介绍了窗口傅立叶变换和小波变换,正交小波和双正交小波,离散小波的快速算法。针对关键问题1,本文基于图像的多尺度分析和图像Mean-Shi ft分割,提出了一种采用多尺度平面束的图像立体匹配算法。该算法将图像的结构模型转换成一组多尺度的平面集合束,对该多尺度平面束采用动态规划法进行立体匹配。实验结果表明,该方法与传统动态规划法相比取得了较好的结果。针对关键问题2,本文基于图像的多尺度分析和角点匹配,提出了一种采用多尺度角点约束的图像立体匹配算法。该算法在匹配过程中,针对边缘匹配过程中空间信息量过少的问题,通过构建角点的特征矩阵,进而构造角点约束条件。在此基础上通过建立边缘视差空间,实现了图像的立体匹配。实验结果表明：该算法取得比较好的匹配效果,提出的角点约束条件在很大程度上提高了匹配的速度和正确。