1、“.....当上述两个值满足方程时，点被认为是可靠点，视差值保留，反之点被视为不可靠点，清除已有的视差值。为提高算法的稳定性与精度，本文使用基于像素梯度的变化算法，相比与传统的变化算法，本文将使用像素的阶梯度幅度进行比较，改进立体匹配的难点主要在于运用快速并且有效的方法在左右视图中找出相对应的立体匹配像素点......”。

2、“.....很多学者已经进行了大量的研究，但是现今仍然面临着很多挑战性的难题。立体匹配方法主要分为局部立体匹配算法和全局立体匹配算法。全局算法精度较高，但是复杂度法。首先分别计算灰度梯度和变换者的匹配代价，其中，灰度的计算公式如下其中是以点为中心的的窗口......”。

3、“.....它是通过查找并比较两幅或多幅从不体匹配像素点。虽然在计算机视觉领域尤其是视差图优化等方面，很多学者已经进行了大量的研究，但是现今仍然面临着很多挑战性的难题。立体匹配方法主要分为局部立体匹配算法和全局立体匹配算法。全局算法精度较高，但是复杂度高实时性差。而局部算法复杂度低效率高，但是误匹配率却显著提高......”。

4、“.....计算公式如下所示代表联合匹配代价，为权重参数。视差计算与精化为使初始视差图的精度进步提高，采用交叉匹配的方法。通过计算左右图中对匹配点的视差差异来确定该点是否为可靠匹配点，将可靠匹配点。为提高算法的稳定性与精度......”。

5、“.....通过比较不同图像之间的匹配像素点来计算匹配像素之间的视差值，通过后续的维视差转化为维的深度信息，从而得到维场景模型。立体匹配在机器人导航虚拟现实无人驾驶等领域得到了广泛的应用。种新型的局部立体匹配算法的研究论文原稿。度信息，从而得到维场景模型。立体匹配在机器人导航虚拟现实无人驾驶等领域得到了广泛的应用......”。

6、“.....匹配代价的计算基于局部区域像素灰度差的匹配代价计算本文立体匹配算法是将灰度和梯度及改进的变换相融合来计算联合匹配代价的局部立体匹配算，体匹配局部匹配算法变换法交叉匹配中图分类号文献标识码文章编号概述立体匹配是现今计算机视觉研究领域重要的研究热点之，它是通过查找并比较两幅或多幅从不同视角拍摄的同场景的图像......”。

7、“.....通过后续的维视差转化为维的深差保留，并清除不可靠匹配点，可靠性判定方法如下其中是以左图中的点作为参考点计算的最佳视差值，为右图点的最佳视差值，当上述两个值满足方程时，点被认为是可靠点，视差值保留，反之点被视为不可靠点，清除已有的视差值......”。

8、“.....相比与传统的变化算法，本文将使用像素的阶梯度幅度进行比较，改进的变换如下所示其中点为点的邻域点中，表示利用改进变换后点的像素值，表示和表示分别表示运用算子计算的点和点梯度值经变换后计算潜在匹配，种新型的局部立体匹配算法的研究论文原稿，王军政，朱华建......”。

9、“.....并计算联合匹配代价确定初始匹配视图，最后利用交叉匹配方法进步精炼初始视差图，大大提高了重复纹理区域的匹配精度，且具有较好的稳健性。参考文献，的变换如下所示其中点为点的邻域点中，表示利用改进变换后点的像素值......”。