ساخت و نمایش فیلم های سه بعدی در سال های اخیر اهمیت و رواج بسیاری یافته است. ارسال تصاویر سه بعدی با کیفیت قابل قبول به پهنای باند وسیعی نیاز دارد. یکی از روش های رایج باز سازی تصویر سه بعدی، ارسال اطلاعات عمق به همراه یک تصویر است. در سیستم های بینایی استریو، دید مختلف ناشی از دو چشم منجر به جابه جایی نسبی اشیای مشابه برای هر چشم می شود. سیستم بینایی انسان این جابه-جایی نسبی بین چشم چپ و راست را برای تخمین اطلاعات عمق تصویر و درک سه بعدی آن به کار می گیرد. از این جهت الگوریتم تطبیق استریو برای ایجاد نقشه مقادیر جابجایی مورد استفاده قرار می گیرد. محاسبه بی درنگ نقشه مقادیر جابجایی چالش هایی را دارد. در پیاده سازی بی درنگ الگوریتم تطبیق استریو عواملی مانند پیچیدگی محاسباتی و حافظه مورد نیاز اهمیت دارند. ا لگوریتم های استنتاج بر پایه روش های عمومی مانند برش گراف و انتشار باور، با وجود ایجاد نقشه مقادیر جابجایی با دقت بالا، زمان زیادی می گیرند. در مقابل روش های محلی نقشه مقادیر جابجایی با دقت کمتر ولی قابل قبول را در زمان بسیار اندک ایجاد می کنند که آنها را برای استفاده در کاربردهای بی درنگ مناسب می سازد. در این پژوهش یک روش جدید برای تطبیق استریو ارائه شده است. در روش ارائه شده ناحیه پشتیبانی بر اساس این فرض که پیکسل های در همسایگی محدود و دارای رنگ مشابه، عضو یک ساختار تصویر می باشند و در نتیجه مقدار جابجایی مشابهی دارند، تشکیل می شود. در ادامه با تعریف تعداد پیکسل های تطبیق شده به عنوان هزینه تطبیق، مقدار جابجایی اولیه تخمین زده می شود. در صورت قابل اطمینان نبودن مقدار جابجایی، از روش مجموع قدر مطلق تفاضلات در ناحیه پشتیبانی برای بدست آوردن مقدار جابجایی کمک گرفته می شود. سپس با استفاده از روش بهبود ناحیه تقاطعی نقشه مقادیر جابجایی اولیه بهبود داده می شود و در پایان با اعمال فیلتر میانه 2 بعدی مقادیر جابجایی نابجا حذف می شوند و نقشه مقادیر جابجایی هموار می گردد. استفاده از تعداد پیکسل های تطبیق شده به عنوان هزینه تطبیق سبب کاهش زمان اجرای مرحله محاسبه هزینه تطبیق می شود. الگوریتم پیشنهادی در مقایسه با الگوریتم تطبیق استریو با تقسیم بندی پیکسل ها و انتشار مقدار جابجایی قابل اطمینان، نقشه مقادیر جابجایی با دقت بالاتری را ایجاد می کند. ارزیابی و مقایسه عملکرد الگوریتم ارائه شده با سیستم ارزیابی میدلبری و نتایج به دست آمده کاهش میانگین خطا از 56/9 به 99/7 درصد را بر روی تصاویر مرجع نشان می دهد. الگوریتم ارائه شده در مقایسه با سایر الگوریتم های محلی نیز دارای نتایج قابل قبولی می باشد.