本文地址：http://blog.csdn.net/mounty_fsc/article/details/51388407

论文笔记《RobustWide Baseline Stereo from Maximally Stable Extremal Regions》

这篇文章有两部分内容：

1. MSERs的定义与检测
2. 相应的匹配算法(暂时同去了解)

1 MSERs定义

注意Extremal Region和Maximally Stable Extremal Region这两个概念。
Extremal Region：为一个连通的区域，区域内的所有像素要么大于要么小于周边的像素。
Maximally Stable Extremal Region：在一组嵌套的ER中，变化最小（最稳定）的那个ER。

详细说明：

1. I <script type="math/tex" id="MathJax-Element-1">I</script>为映射，D<script type="math/tex" id="MathJax-Element-2">\mathcal{D}</script>为图像二维坐标， S <script type="math/tex" id="MathJax-Element-3">\mathcal{S}</script>为灰度值
2. pAq <script type="math/tex" id="MathJax-Element-4">pAq</script>表示 p <script type="math/tex" id="MathJax-Element-5">p</script>与q<script type="math/tex" id="MathJax-Element-6">q</script>相邻
3. Q <script type="math/tex" id="MathJax-Element-7">\mathcal{Q}</script>表示图像中的区域， ∂Q <script type="math/tex" id="MathJax-Element-8">\partial \mathcal{Q}</script>为 Q <script type="math/tex" id="MathJax-Element-9">\mathcal{Q}</script>的边界区域
4. |⋅| <script type="math/tex" id="MathJax-Element-10">|\cdot|</script>可表示为像素的个数

2 MSERs检测算法

1. 对所有像素安像素值排序。使用BINSORT算法 O(n) <script type="math/tex" id="MathJax-Element-11">\mathcal{O(n)}</script>（条件为一般像素的范围是{0,…,255}）
2. 使用union-find算法（并查集，不相交集），求各个阈值下变化的ER。ER及面积是像素值的函数（像素值{0,…,255}，为N个阈值，为N个水平面）
3. 对于某个ER，变化最小的那个像素值（阈值）被选出，以及对应ER的范围，即为MSER。

这个算法与分水邻算法在结构上是一致的，但是两者的输出是不一样的。

3 详细说明

4 MSERs算法存在的问题

1. 实际使用时，会产生许多重叠的区域，如，如图上部分所示的包含关系。
2. 一种可能图中下部分左边，两个MSER都是从同一个ER扩展得来（由于是局部最小值，可能有多个局部最小值）
3. 另一种可能是图中下部分右边（想象成三维图，二维图不够准确），是由不同的ER区域扩展得来的。