1.一种基于水平树结构的可变权重代价聚合立体匹配算法，其特征在于，包含以下几个步骤：(1)计算匹配代价：分别选取左、右图像为参考图，利用图像的颜色信息、水平梯度信息计算匹配代价；

(2)计算引导图像：对左右参考图像进行窗口大小为3*3的中值滤波获得引导图像，减小图像噪声对代价聚合阶段中的权值计算的影响；

(3)构建水平权值树与垂直权值树：根据四邻域像素之间的颜色差异构建水平权值树与垂直权值树；

(4)计算代价聚合值：把图像中的每个像素当做一个节点，根据步骤(3)得到的权值和代价量正则化匹配聚合算法对步骤(1)获得的每个像素点的匹配代价值进行代价聚合；

(5)计算初始视差图：利用“胜者为王”算法获得初始视差图D；

(6)更新水平权值树与垂直权值树：根据步骤(5)得到的初始视差图，将像素视差信息与颜色信息相结合重新计算相邻像素之间的权值；包括：对于水平树和垂直树中任两个相邻像素s、r,令D(s)和D(r)分别表示两个像素点的初始视差值，更新后的权重Tupdate＝exp(‑w′s,r)其中，R,G,B为三彩色通道，ws，r为像素s、r之间的亮度距离，w′s，r为深度信息与彩色信息相结合对像素距离更新，μ∈[0,1]；β为视差因子，取值为255*0.08,σ为平滑因子，取值为

255*0.08，当s、r为水平方向相邻时，遍历图像所有像素点更新水平权值树，当s、r为垂直方向相邻时，遍历图像所有像素点更新垂直权值树；

(7)重新计算代价聚合值：把图像中的每个像素当做一个节点，根据步骤(6)获得的权值和代价正则化匹配聚合算法对步骤(1)获得的每个像素点的匹配代价值进行代价聚合；

(8)计算视差图：同步骤(5)利用“胜者为王”算法获得视差图D1；

(9)视差优化：首先采用左右一致性检测方法检测步骤(8)获得的视差图D1，将满足左右一致性像素点归类为可靠像素点，不满足的归类为不可靠像素点，对像素点代价量根据下式做更新，获得新的代价量,其中dp为像素点p的视差值,β∈[0,1],根据步骤(8)获得的视差图D1与像素之间的颜色信息依据步骤(6)重新计算相邻像素之间的权值，通过步骤(7)水平树权值传播与代价正则化对新获得的代价量Cnew进行聚合，然后采用胜者为王算法获得最终的视差图。