双目立体视觉技术是计算机视觉的一个重要分支，它可以在多种条件下灵活的获得景物的立体信息，相对于单目视觉而言有着不可比拟的优势，是图像处理和计算机视觉领域的前沿研究方向。立体匹配是立体视觉技术中最难也是最为关键的一步，本文深入研究了基于区域的立体视觉匹配。　　 利用区域相关法对立体图像进行匹配，提出一种对称多窗口改进的SSD算法，在深度不连续问题上，与SSD算法--固定窗口方法进行了比较解决，叙述了它们的优缺点，但没有考虑平滑条件约束，视差分布比较散乱。针对此问题，本文研究了基于马尔科夫随机场(Marko.Rando.Fields)的能量方程最优问题，将立体匹配问题转化为能量最小化问题，最小化方法主要讨论了图像切割算法(Grap.Cuts)、树重权值数据挖掘算法(Tree-reweigh.messag.passing)、带圈信度传播算法(Loop.belie.propagation)来解决能量方程的最小化问题，最小化能量函数是计算机视觉中一种有效的方法，能对图像处理中的不确定性约束进行编码，比如深度阶跃、遮挡等进行编码，但其存在计算量大，实时性不佳的缺点。　　 论文的主要研究工作有：　　 (1)、提出基于对称多窗口(SMW.symmetri.multi-windows)的改进型快速算法在立体视觉匹配中的应用。先利用单向检测方法(singl.matchin.phase，SMP)进行匹配判断，本文针对有遮挡现象存在的图像，首先利用对称多窗口方法的自调整特性减少错误匹配概率，并利用唯一性约束条件和视差连续性约束条件对误匹配进行纠正，避免了重复计算，有效地减少了计算量，并用真实的图像来进行实验，结果表明本文算法可以有效减少遮挡区域的错误匹配点，能够自动识别，并进行深度平滑，同时具有匹配时间短的优点。　　 (2)、根据贝叶斯规则和马尔科夫随机场性质，对图像进行建模，由最大后验估计(MAP)推导出能量方程的一般形式，将立体匹配问题转化为能量方程最小化问题。该能量方程由数据条件和平滑条件组成，提出一种新的能量方程数据条件SD，与目前已有的BT、AD方法进行了比较。　　 (3)、图像切割算法中分别采用基于α扩展的图像切割和基于α-β交换迁移的图像切割算法，数据条件分别用本文提出的SD和目前已有的AD、BT方法，该能量方程的平滑条件采用Potts模型和线性模型，并给出了相应的实验结果及分析，比较实验结果。　　 (4)、连续树权值数据挖掘算法的能量方程的数据条件分别用本文提出的SD方法，并与目前已有的AD、BT的方法进行比较，该能量方程的平滑条件分别采用Potts模型和线性模型，给出了相应的实验结果及分析。　　 (5)、带圈信度传播算法中分别采用基于多刻度的信度传播的立体匹配方法和基于连续信度传播的立体匹配方法。针对现有的算法计算量大、实时性不强的特点，基于多刻度的信度传播的立体匹配方法的能量方程的数据条件提出了SD方法，并与现有的AD、BT方法进行比较；其该能量方程的平滑条件--本文提出了抛物线模型，并与Potts模型进行了比较，给出了实验结果，证明了此算法的有效性。基于连续信度传播的立体匹配方法是从连续树权值数据挖掘算法推导出来的，原理与连续树权值数据挖掘算法相同。