自适应权值的立体匹配算法——AdaptWeight

我在本科期间研究的方向一直是计算机视觉，研究生加入双目视觉项目组后，感觉有的知识还是比较无知，所以萌新开始狂补知识点，刚好研究到自适应权的立体匹配算法。
* 如有疑问，请留言；如文中有错误的观点，请留言指正，感谢*

---

无论是2005年在CVPR上提出的《 Locally Adaptive Support-Weight Approach for Visual Correspondence Search》，还是2006年在PAMI上提出的《 Adaptive Support-Weight Approach for Correspondence Search》，核心思想都是为匹配窗口中的每个像素赋予一个权值。

1. 其中，提到了格式塔原理。在格式塔原理中，相似原理和接近原理广泛使用于视觉查找中。
2. 在论文中，不同于之前的方法采用找到一个最理想的支持窗口，而是根据颜色的相似和几何距离来调整像素的权值。前者——颜色的相似采用的是格式塔原理中的相似原理，即在某一方面相似的各部分趋于组成整体；后者——几何距离采用的是格式塔原理中的接近原理，即几何距离，也就是空间上位置相近的各部分趋于组成整体。其中，像素的颜色越相似，它的权值越大；像素距离越近，它所分配到的权值也就越大。
3. 在算法过程中根据相似性分类时，采用的是采用Lab颜色空间。CIELab提供了三维的信息，分别是L（亮度——L=0时为黑色，L=100时为白色）、a（红色和绿色之间的位置——a为负的时候指绿色，而a为正的时候指红色）、b（黄色和蓝色之间的位置——b为负的时候指蓝色，而为正的时候指黄色）。
4. 之所以采用CIELab空间，而不是采用RGB颜色空间，是因为Lab颜色空间更接近人类视觉感知系统。

---

*现在刚研究完这两篇论文，正在编写代码实现
后期会更博贴出实现结果和代码。*