스테레오 정합에 직렬 유전자 알고리즘 적용의 일반적인 문제를 해결하기 위한 두 가지 방법을 제안한다. 먼저, 메모리 소비와 탐색의 비효율성 문제를 줄이기 위한 간소화된 개체군기반 증가 학습전략을 채택하고, 넓은 영역의 일관성 있는 변이들을 얻기 위한 변이 연속성을 위해 이웃한 화소간의 거리를 제어하는 구조를 삽입하였다. 또한 저사양 하드웨어 환경에서 사용될 수 있는 확률벡터를 위해 프로그램이 가능한 하드웨어인 GPU에서 수행될 수 있는 새로운 병렬 모델을 제안한다. 제안된 알고리즘을 CPU와 GPU에서 실험을 통해 수행 및 검증하였다. 실험결과에서 제안된 알고리즘이 이완처리를 포함한 전통적인 BMA 방법과 이를 수정한 버전보다 실행속도 및 안정성에 있어 보다 우수한 성능을 보였으며, GPU를 활용을 위한 제안된 방식의 계산시간이 보다 큰 영상에서 매우 효과적임을 보여준다.
스테레오 정합은 스테레오 시각 분야에서 가장 활발히 연구되는 분야이다. 본 논문에서는 물체의 위치 인식을 위한 유전 알고리즘을 이용한 스테레오 정합을 제안한다. 정합 환경을 최적화 문제로 간주하고 진화 전략을 이용하여 최적해를 탐색한다. 따라서, 유전 연산자는 스테레오 정합에 맞게 설계하였고 개체는 변위집단을 대표한다. 영상의 수평화소라인을 염색체로 간주하였다. 비용함수는 스테레오 정합에서 사용하는 일반적인 제약조건들의 조합이다. 비용함수가 명암도, 유사도, 변위 평활성으로 구성되었기 때문에 정합을 시도할 때 매 세대마다 이 모든 요소들을 한번에 다룬다. 염색체를 정의하기 위해 LoG연산자로 경계선을 추출하였으며 실험을 통하여 제안한 방법을 검증하였다.