双目视觉是计算机视觉领域一大经典研究方向。在双目视觉中,最具有挑战性的问题就是双目匹配问题。双目匹配通过检测同一水平线上左右两张视觉成像图片中对应点的信息来计算得出视差值,以生成三维深度图像,继而通过视差优化进一步提高三维深度图像的质量。视差优化可以移除各种类型的匹配误差,显著提升视差图像的精确度。本文针对双目视觉立体匹配中的视差优化问题,提出了一种基于稳定树形结构的视差优化算法。现存的视差优化算法大多做图像级别的滤波和平滑填补,无法针对错误像素构建合理的支持域,因此无法移除大块误差。本文从计算视差中支持域的角度出发,用稳定度的概念来衡量支持域的合理性;通过基于稳定度的树结构来评估和重构支持域,用于之后的代价聚合,以减少视差错误并加快优化速度。除了实验室图片,文中还提出了将局部算法被拓展到真实路面图像的方法,以处理高分辨率道路场景的图片。本文介绍了利用超像素来加速以及统一破碎区域的思路,并引入了HSV色彩空间转换针对路面光照明暗变化、树木草地色彩驳杂的问题。实验结果表明,与传统的基于树结构的方法相比,本文算法在保持精确度的同时降低了至少70%的聚合时间,极大地提高了视差优化的速度;在真实道路数据集上,也降低了85%的聚合时间,使得速度能够保持与实验室图片同样的数量级别。同时,本文算法在移除大块视差错误和整合碎片上取得了明显优于其他树结构方法的效果。