立体匹配算法是计算机视觉中的关键问题。立体匹配的目的主要是通过找到两幅二维图像中的对应点,获得视差信息,从而计算得到深度信息。立体匹配的算法主要分为局部算法和全局算法。全局算法需要对一个能量函数进行迭代,而局部算法主要着眼于支持窗口和支持权重的优化。近年来,几种关于树结构的局部匹配算法被提出。这类算法将参考图像构造成特定的生成树结构,并通过对应的树型滤波实现代价聚合。它们摆脱局部支持窗口,利用树结构的特征,通过树型滤波,得到精确的稠密视差图,且时间复杂度极低。然而,树结构算法可能造成视差跨区域传播,并且其权重函数不够稳定。另外,由于稳定点不足,树结构算法的后处理聚合结果准确性不足。本文针对树结构立体匹配算法在各方面的缺点,提出以下三种改进算法。首先,为了解决树结构算法造成视差跨区域传播的问题,本文提出一种基于区域分割的树结构匹配算法。引入分割约束,将参考图像分割成多个大小相近的区域,通过避免大面积平坦区域的产生,以消除视差跨区域传播的可能性。第二,为了增强树结构权重函数的稳定性,本文提出一种基于改进的外极线距离变换(M-EDTransform)的树结构立体匹配算法。算法将改进的外极线距离变换与颜色信息一起作为计算分量以求解权重函数,从而获得更稳定且更精确的树结构,提升了立体匹配算法的匹配精度。最后,为了提升后处理算法的精度,本文提出一种基于稳定点区域投票的树结构后处理算法。将像素点划分为稳定点,不稳定点以及误匹配点三类,通过区域投票,提升稳定点的占比,再通过树型滤波计算最终的稠密视差图。本文算法的实验部分采用网站Middlebury上的测试数据集,将本文算法与对应的经典算法进行对比。实验证明,本文算法在精度方面提升明显,且表现稳定。