我在本科期間研究的方向一直是計算機視覺，研究生加入雙目視覺專案組後，感覺有的知識還是比較無知，所以萌新開始狂補知識點，剛好研究到自適應權的立體匹配演算法。
* 如有疑問，請留言；如文中有錯誤的觀點，請留言指正，感謝*

無論是2005年在CVPR上提出的《 Locally Adaptive Support-Weight Approach for Visual Correspondence Search》，還是2006年在PAMI上提出的《 Adaptive Support-Weight Approach for Correspondence Search》，核心思想都是為匹配視窗中的每個畫素賦予一個權值。

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廣泛使用於視覺查詢中。
2. 在論文中，不同於之前的方法採用找到一個最理想的支援視窗，而是根據顏色的相似和幾何距離來調整畫素的權值。前者——顏色的相似採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趨於組成整體；後者——幾何距離採用的是格式塔原理中的接近原理，即幾何距離，也就是空間上位置相近的各部分趨於組成整體。其中，畫素的顏色越相似，它的權值越大；畫素距離越近，它所分配到的權值也就越大。
3. 在演算法過程中根據相似性分類時，採用的是採用Lab顏色空間。CIELab提供了三維的資訊，分別是L（亮度——L=0時為黑色，L=100時為白色）、a（紅色和綠色之間的位置——a為負的時候指綠色，而a為正的時候指紅色）、b（黃色和藍色之間的位置——b為負的時候指藍色，而為正的時候指黃色）。
4. 之所以採用CIELab空間，而不是採用RGB顏色空間，是因為Lab顏色空間更接近人類視覺感知系統。

*現在剛研究完這兩篇論文，正在編寫程式碼實現
後期會更博貼出實現結果和程式碼。*