论文翻译，利用半全局匹配算法计算匹配代价实现立体匹配

分别对两幅图寻找两幅图中的最大特征值点。然后使用你n*n的模板进行特征点匹配。调整阈值可以得到很好匹配效果。

匹配窗口大小和形状是影响区域立体匹配算法效果的关键因素之一。根据相位一致性能反映灰度变化快慢情况和抗干扰能力较强的特点,对图像进行相位一致性检测,再根据监测的值确定像素的特性,然后按不同特性采用不同窗口进行匹配,并结合非参量测度和灰度值构成复合费用函数值,得到最终的视差图。实验结果表明,本算法有较好的匹配效果。

对于基于块进行立体匹配的深度学习方法而言，网络结构的设计对匹配代价的计算至关重要，同时，卷积神经网络（CNN）在图像处理时的耗时问题也亟待解决。提出一种基于“缩小型”网络的CNN立体匹配方法。利用CNN训练左右图像块的相似性，计算出立体匹配的匹配代价。其中，CNN特征提取阶段，通过对每个层增加相应的批归一化层，可以使训练使用更大的学习率，加快网络训练收敛速度。另外，网络设计中全连接层采用“逐层缩小”的形式，结合上述网络优化和损失函数改善，在保证精度的同时提高了运行速度。使用KITTI数据集对算法进行验证，实验结果证明，相比目前国内外先进方法，本文算法在精度方面有一定优势，相比部分方法，速度有较大提升。

针对目前主流方法对图像中纹理单一区域匹配效果不佳的问题，提出了一种自适应的基于区域增长的立体像对稠密匹配算法。该算法利用灰度共生矩阵，在区域增长过程中的匹配窗内计算其纹理数量，然后根据纹理数量的多少自适应调节匹配窗的大小。当匹配窗内纹理数量足够多时，该匹配窗就能够表征该匹配窗中心点的特征，因此可以减少误匹配发生的几率。实验结果证明,该算法具有良好的性能。

SAD立体匹配算法 源码

只是一个很简单的立体匹配，可以运行。如果是做计算机视觉方面的东西，还是有一定的参考价值。下载下来直接可以运行

智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真代码

鉴于摄像机采集的图像一般都存在一定程度的旋转和平移，一般的匹配算法都存在较高的误匹配率，引入极线约束，提出一种改进的SIFT特征匹配 算法，并在MATLAB中实现算法，实验结果证明该算法有效

图像特征匹配算法评价框架，石波，索春宝，图像特征匹配技术在图像拼接、数字摄影测量等领域有着广泛的应用，因各类应用对其需求的多样化而快速发展，不同的图像特征匹配算