todayq的专栏

该论文提出一种Gabor滤波+Aadaboost特征选择+SVM分类的人脸识别方法。Gabor滤波包括5个尺度8个方向，滤波后所得的magnitude response作为gabor特征，这样对于像素为M*N的图像，总共可提取M*N*40个特征，显然，如此多的特征直接用于分类是不现实的，非常有必要进行特征提取，以降低维度。本文采用了Adaboost算法。对每类人脸，将本类作为正样本，其他类别为负样

将立体匹配问题看成是一个Markov network问题，并用bayes belief propagation求解该markov network包含三个markov random fileda smooth field for  depth/disparitya line process for depth discontinuitya binary process for occ

论文仿真，代码有问题，求指教！

采用导向信息，对cost volume滤波，保存边缘信息的平滑，计算时采用了GPU，速度为25FPScost包括两个因子：1.色彩差异；2.梯度差异处理流程：1.计算cost volume2.导向滤波（见blog）3.互为参考图，纠正错误dispartiy值结果图：

y=[1:3:28];x=log(y);N=size(y,2);itercount=5;c=mean(x);tempx=ones(1,N);tempx=tempx*c;rs=zeros(1,itercount);for it=1:itercount sum1=0; sum2=0; for i=1:N sum1=sum1+(exp(tempx(