近年来随着立体成像技术的快速发展，3D电影和虚拟现实等技术已经融入了人们的日常工作、学习和生活中。立体图像质量评价是立体成像技术领域的关键问题之一。由于立体图像的数据量较平面图像有大幅度增加，论文首先通过主成分分析方法对立体图像对进行降维处理，得到能够体现立体图像本质特征的特征向量，即立体图像的主成分特征空间；然后采用基于统计学习理论的二叉树支持向量机模型对立体图像质量等级进行分类。由于二叉树支持向量机系统的性能受其结构影响，因此本文采用样本在特征空间的可分性度量值确定二叉树支持向量机结构。此外，由于支持向量机的模型参数主要根据实验者的经验和数据的先验知识进行设定，参数的选择对模型的分类结果影响很大，因此，在二叉树支持向量机系统中每个支持向量机子分类器的训练过程中，实验采用遗传算法对参数进行选择、交叉和变异等操作，通过不断地进化，筛选出最佳的模型参数，进而得到最优的二叉树支持向量机模型。实验结果表明，遗传算法方法优化后模型的分类准确率可达94%，该方法可以获得较好的立体图像客观评价的分类效果，更符合人眼主观感受。经过遗传算法优化的二叉树支持向量机能够得到更符合主观评价结果的分类等级，为立体图像质量客观评价提供了一种新的方法。