Continuous 3D Label Stereo Matching using Local Expansion Moves

作者提出了基于graph cuts的local expansion moves，来进行精确的立体匹配。

目标：在结合了slanted patch matching和curvatureregularization的分段MRF（解决fronto—parallel bias）上推断每一个像素点的3D平面标签。

Localexpansion moves拓展了传统的expansionmoves，包括两个方式：localization和spatialpropagation。

通过localization，根据local α-expansions使用不同的α-labels；

通过spatial propagation，设计localα-expansions来把当前分配的labels分配给邻域区域。

一.介绍

• Slantedpatch matching

 估计每一个像素处的一个平面方程，由方程计算出视差。

d=ax+by+c

 d是视差，a,b,c是平面方程参数。根据方程1，匹配窗是斜的，优点是会使窗内的视差值是线性变化的，并且可以精确的测量patch的不相似度。

• Curvatureregularization

 使用正切平面标签。可由传统线性和截断线性模型这样的分段项表示，可以解决平面外的smooth表面。

• Localexpansion moves

   允许在GC优化的时候使用spatialpropagation；

   local expansion moves由许多α-expansions呈现，α-expansions是为不同位置的一小部分区域定义的。

   每一个local α-expansion尝试改善当前局部区域的labels，使用基于GC的能量最小的方式；

    同时，这个过程还包括将一个局部区域的当前像素值传播给周围的像素。

• 该 方法的优点

1. Local expansion moves 方法带来了 submodular  moves ，保证每一次 最小 割的时候得到最佳的 labeling ；

2. 这个最佳性和空间传播允许随机搜索来生成初始 proposals

3. 这个方法由于 GC 和 local expansion move 的应用，带了比 BP 更高的检测精度

4. 这个方法应用了快速代价滤波技术，降低了数据项的计算复杂度，达到近似 O(1)

5. 该 方法可以在 CPU 和 GPU 下，实现各个α - expansion 的并行处理。