from：
我的主要研究方向是立体匹配(Stereo Matching)，，是计算机视觉(Computer Vision)下的一个研究热点。研究匹配有一年多了，对这方面(特别是局部算法)比较了解，以后会陆续发布我已经实现的经典算法以及我自己设计的算法。深知在孤立无援时一个人探索有多么困苦，网络之大，说不定就帮了谁。
如有疑问，请留言。如需代码，请留下邮箱。(环境：VS2008+OpenCV2.0 可执行)
算法简称： AdaptWeight全称： Adaptive Weight — 自适应权重出自论文： 2005年发表在会议CVPR上 –Locally Adaptive Support-Weight Approach for Visual Correspondence Search。2006年稍作改动发表在杂志 IEEE TPAMI上 –Adaptive Support-Weight Approach for Correspondence Search作者： Kuk-Jin Yoon and In-So Kweon 韩国人
算法简介：
局部立体匹配算法中里程碑式的作品。从CVPR和PAMI就能看出它的分量。AdaptiveWeight的方法一经提出，正式宣告在匹配精度方面，自适应窗口算法(Adaptive Window)的彻底out。并在之后广为流行起来。核心思想是为匹配窗口中的每个像素赋予一个权值，权值是根据它们与窗口中心点的颜色差和距离得到的。本质上是完成了一种近似的图像分割。
实验结果：对4幅标准实验图使用该算法，结果如下。参数很重要，这里选择的 rc=13,rp=31，比用原文提供的参数效果更好。
注：未做左右检测。
算法评论：方法就是一个词简单。思想简单，易于实现。作者只是把前人早就提出的一个东西应用在了匹配中，可以说是照搬。看懂了论文你甚至会觉得没什么东西，但是有些好论文就是这样看起来不起眼，实际上很有意义。所谓的宝贝不也是放对了地方的垃圾吗？那你怎么不是第一个把垃圾整理到地方的？我发现这俩韩国人就专爱干这种事，发表这篇文章后他们把另一个小技术应用到匹配中又发了篇好文章。。能嫁接好也是一种本事…嫁接确实是科研的一个重要方法。
重新开始吧!下次我会吸取教训，不让自己犯同样的错误的;
