好的点： 1. 联培通过了，接下来就是各种手续，应该都可以顺利搞定，要避免心烦要胆大就好。 2. 终于见到ACCPET是什么样子了，期望能去参会，也期望另一篇的结果早出来。

还需努力的点： 1. 尽管雅思过了，但是PETS5还是没过！这说明什么！英语是硬伤，要下狠心学习。 2. 还是没文章，没文章，没文章！！！感觉自己变懒了，碰到一些困难就前进不了。。。 这样不对的。多看，多想，多动手。少玩，少烦，少懒惰。

错误原因： 1. 双线性插值搞错了，插错像素了！！！ 要注意！！！ 2. bmp 和 jpg！ 我都呵呵呵了！ 还只能是山无棱天地合 才会有好结果啊！

参数调整————filter based occlusion： 1. filter的半径 5： 有错 11 2. min(matchcost,threshold)的大小 0.0001 0.0002 0.0003 参数调整————compass based occlusion： 1. 模板的长度 2. h,v的融合 发现，匹配之中，pippolion的图像左下角深度信息不对。暂未找到原因！ 很心烦。

1. compass: 采用原图像 效果好了许多 可以再进一步研究 搞一下：EMD距离 EMD ： [链接] 2. filter-based： 采用原图 效果也好了一些 graphcut 全局的调通了 关键是几个参数的设置 filter 找到问题所在： 设置匹配的最大结果 即可 3. segmentation: 还没做实验

深度计算： 放射性质的掩码矩阵计算编写完成，比之前的精确度要高。 由Guided filter 换为 bilateral filter， 计算精确度也高了一些。 存在问题： 模板的半径计算不准确，暂时没想到是什么原因。 太大的半径计算效果不太好 用filter 还是 global 需要想想，为什么filter效果不好。 分割： 把 groundtruth 换为 计算出的...

尝试根据不同深度，选取不同的mask: 问题： 模板匹配困难！不能完全匹配上，往往有一个或者几个像素，导致整体的匹配值错误！ 对不同深度值，采取同一模板，即最大的模板进行匹配。 采取的模板过大，会造成位置错误，也会产生错误的匹配，尤其是在尖角的地方！

深度添加的方法： 直接作为特征添加，采用直方图来表示特征。 对于支撑与被支撑之间的分割，难以做出判断。 相邻块之间，用深度连续度来联系。 对于不连续的两个块，无法判断之间的深度相似性。 面的法向量作为特征。 交互分割的一个区域可能包含不止一个平面，如何判断某一区域与该交互区域的相似度。 读一些相关文章，...

对于.h5文件里的相关参数，可以将 groundtruth 和 disparity 的关系对应上 Given a depth Z, the disparity or slope of the epipolar lines d in pixels per grid unit is： d = B ∗ f / Z − Δx

[LABELS ENERGY ENERGYAFTER] = GCMEX(CLASS, UNARY, PAIRWISE, LABELCOST,EXPANSION)

涉及鼠标的回调函数，参数适用全局变量来记录。 注意：1. 全局变量时需先声明；2. 左右键分别代表一类； 3. 计算涉及的区域占据的superpixels

Generating object segmentation proposals using global and local search

几个画图软件 inkscape ：有界面，类Visio风格 asymptote ： 无界面，类C风格 Ubuntu下 文件分享 FileZilla 安装 Segmenting Scenes by Matching Image Composites 源代码 BSD GraphCut

思路1： 针对匹配模板的位置不确定性，最大化匹配的掩码0。将模板分为8个象限，每个象限中，有被遮挡的可能，即有0存在，则将整个象限的掩码设为0。注意8个象限的交接区域，最大化时需进行特别的设定。

实验记录 资源： Berkeley PB library 介绍： 网址：[链接] 安装： 相关：matlab写的，可以用来学习PB Detector的原理以及使用，帮助理解！可以改进之前的论文！ 资源：Graph cuts (MATLAB) 介绍：MATLAB wrapper for graph cuts multi-label energy minimization. This package provides source and precompiled Matlab...

59 15 3 59 13 3

实验记录 继续实验Hu矩，在昨天的基础之上，提取Hu矩前，加入边缘检测。尝试各种边缘检测，canny, sobel等； 检测边缘，计算边缘图像Hu矩 对每个d，计算边缘图像Hu矩 比较两个Hu矩大小，取最相似的Hu矩对应的d作为深度 进行传统立体匹配，匹配程度较低的（方差大于一定阈值），记为不可信的区域 将不可信的区域的深度图...

相关资源： 不规则物体形状匹配综述——[链接] 方法包括有：基于轮廓——CCH（链码直方图）、PGH（成对几何直方图）、CFSS（五种简单形状描述符结合）、HAUSDORFF距离；基于区域——Hu不变矩。 相关代码可以在matlab关于冈萨雷斯图像处理工具箱中找到： （链码： [链接]）

效果： 整张图的模糊区域的深度信息能够较好的完整保存，边缘区域大部分都得到了正确的深度信息，仍有小部分边缘区域深度信息错误，需要进一步探寻解决办法