love模式识别

上一篇博客中提到了SGM的第一部分，基于分层互信息（HMI）的代价计算，时隔两个月，本文继续说说自己对SGM代价聚合部分的理解。

SGM算法源于《Stereo Processing by Semi-Global Matching and Mutual Information》一文，我认为这篇文章是立体匹配算法中最给力的，放眼KITTI，可以发现目前排名前五十的算法几乎一半都是对SGM的改进，具有最强的实用价值。SGM中文名称“半全局匹配”，顾名思义，其介于局部算法和全局算法之间，所谓半全局指的是算法既没有只考虑像素的局部区域，也没有考虑所有的像素点。例如，BM计算某一点视差的时候，往往根据目标像素周围的矩形区域进行代价聚合计算；Dou

周末喽~！又有时间写写博客了，继续之前的论文读后感，我发现写博客有好几个好处：1.分享。2.备忘。3.锻炼表达能力。不知道有没有童鞋和我有一样的结论，今天写写今年四月份精读过的一篇文章《On Building an Accurate Stereo Matching System on Graphics Hardware》，文章名咋看起来有点像硬件相关文献，为什么叫做一个系统，我想可能是由于作者来自于企业的研究院才这么起名的，但说出它的别名大家就都知道了，就是AD-Census，这是2011年提出来的算法，作

这篇博客主要介绍一下自己对立体匹配文献《Spatial-Depth Super Resolution for Range Images》一文的理解，本文是杨庆雄的又一篇经典文章，发表于CVPR2007，引用次数颇高。再加上，当时在是《Stereo Matching Using Tree Filtering》看到的引用，十分好奇，所以拿来说说自己的分析，与大家分享。1. 相关概念

这是我一个纠结过的问题，曾经反反复复的看相关的知识，Belief-Propagation是一个伴随着“马尔科夫随机场”提出的优化算法，我对优化算法情有独钟，一直觉得搞定了各种优化，机器学习剩下的也就是知识扩展而已，嘿嘿，我也不知道这么想是对是错，最近脑袋糊涂的厉害，请各位见谅。。。。

DoubleBP是一个立体匹配全局算法，来自于论文《Stereo Matching with Color-Weighted Correlation, Hierarchical Belief Propagation, and Occlusion Handling》，PAMI2009年提出，这是我第一篇读的，关于立体匹配方向的论文，当时感觉立体匹配太难了，很多概念都不知道是啥意思，比如说Color-We

前段时间研究了non-local算法在双目立体匹配上的应用，这几天又看到作者在PAMI上发表的这篇文章，于是仔细的拜读了一下，惊讶的发现原来NL算法竟然可以应用在多个方向，其实在《A Non-Local Cost Aggregation Method for Stereo Matching》一文中，已经有过关于refinement方面的论述，但是被自己给“忽略”掉了，原来自己的算法知识面还是很窄，汗

《Segment-Tree based Cost Aggregation for Stereo Matching》是稠密立体匹配的好算法，其基于NLCA进行区域分割方向的改进，理论很新颖，虽然效果差强人意。。。

最近一直在做stereo matching方向的研究，仔细研读了包括局部算法，全局算法，以及半全局算法三个方面的算法文献，对该方向有了比较清晰的了解，这次分享一下我对杨庆雄的经典文献《A Non-Local Cost Aggregation Method for Stereo Matching》（简称NL算法）的一些理解。

最近，在做立体匹配方向相关的研究，先去网上找最新鲜的论文，看到了这篇文献（简称CSCA），来源于CVPR2014，令我惊奇的是，作者竟然提供了详细的源代码，配置运行了一下，效果还真不错，速度也还可以，具有一定的实用价值，所以拿来和大家分享一下。