计算机视觉研究目的是通过“视觉”获取信息,即利用计算机对采集到的二维图像进行处理,获得三维信息,从而完成对周围环境中物体的形状、运动及位置的识别和理解。随着计算机的发展,这一技术已成功应用到各个领域中。立体匹配是计算机视觉的一项关键技术,也是近年来各个高校、企业的重点科研项目。立体匹配是指在不同的视角下获得的同一景物的各个投影图像间的匹配关系。立体匹配技术被广泛的应用在虚拟场景的重建、医学处理、导航系统等领域。本文对立体匹配技术的整个过程都做了大量的研究工作,首先提出了一种改进的基于特征向量量化的聚类树索引算法,此方法不同于以往的搜索策略,不需要遍历整幅图片,是一种有效的匹配点搜索算法。其次引入了匹配强度这一概念来优化种子点,提高匹配精度,生成了致密的视差图。本文总结了特征提取及匹配的基础知识,详细介绍了SIFT特征点提取及尺度空间的Harris角点检测算法,并对实验结果进行了分析。重点研究了哈希聚类索引算法寻找匹配点;在立体匹配方面介绍了准稠密匹配的原理并在传统的算法上优化种子点。实验证明,经过改进的立体匹配算法在有效性和准确性上都有很大的提高。