摘  要： 鑒于Harris角點匹配時產(chǎn)生的聚簇現(xiàn)象,，引入鄰近點剔除策略,，可以提取到較為均勻的匹配角點。在此基礎上,，進一步對計算基礎矩陣的8點算法進行改進,，通過對匹配點進行分組求解基礎矩陣，以每組得到的基礎矩陣求平均值作為最終值,。實驗結果表明,，該方法求解的基礎矩陣具有較高精度。
關鍵詞： Harris算子,；均勻角點,；8點算法；基礎矩陣

　在計算機視覺與圖像處理中,，基礎矩陣（F矩陣）[1-2]可用來表示最基本的對極幾何關系,，基礎矩陣是聯(lián)系同一場景所拍攝的兩幅圖像之間的重要橋梁，對基礎矩陣F的估計是三維重建,、運動估計,、攝像機標定、匹配與跟蹤的基礎[3],。求解基礎矩陣時,，首先是提取特征點，再對其進行匹配,。傳統(tǒng)的Harris提取的特征點存在聚簇現(xiàn)象,，本文在Harris角點提取中加入了鄰近點剔除策略，最終能得到分配較為均勻的匹配特征點對,。在使用經(jīng)典8點法[4]計算基礎矩陣時,，采用平均值法計算基礎矩陣，從而有效提高基礎矩陣的精度,。
1 角點提取方法
1.1 經(jīng)典Harris角點檢測算法

    其中,，M為亮度自相關矩陣，gx為x方向梯度,，gy為y方向的梯度,，G（s）為高斯模板，R為響應函數(shù),，k為默認常數(shù),，一般取值為0.04，角點即函數(shù)取得局部極大值時的點,。
1.2 均勻Harris角點的提取
    首先，按經(jīng)典Harris角點監(jiān)測算法計算圖像中存在角點的R值，將R值從大到小進行排序,，選取較大的部分點作為最終的角點,。為防止在局部區(qū)域出現(xiàn)角點簇擁的現(xiàn)象，本文采用鄰近點剔除策略減弱或消除這種方法,。具體做法是：選用一個5×5模板對圖像進行處理,，若在該模板下存在不止一個角點，則只保留R值相對較大的角點,。
1.3 角點提取效果對比
    試驗中采用鳳凰祼眼3D立體相機（phenix SDC-821）構成雙目立體視覺系統(tǒng),，如圖1所示。將攝像機所采集到的圖像經(jīng)分離之后得到左右圖像,。圖2是所得圖像未進行鄰近點剔除所得146對匹配點圖像,，圖3為所得圖像通過鄰近點剔除所得的138對匹配點圖像，明顯可以看出圖3所獲得的匹配角點對分布更為均勻,。

2 基礎矩陣的計算
    加入鄰近點剔除策略之后,，計算各圖像的匹配點對，對其進行分組（每8對為一組）,，由8點算法[6]可求得第i組的基礎矩陣Fi,，以每組得到的基礎矩陣求平均值作為最終值，如式（2）所示：

    本文對基本矩陣的求解進行了研究,，對使用Harris檢測算子提取的角點,，通過引入鄰近點剔除策略從而提取到分布較為均勻的角點。通過對匹配點對進行分組求取基礎矩陣,，以平均值為最終值能有效的保證基礎矩陣F的精度,，用平均余差來計算基礎矩陣的精度，實驗結果表明,，采用改進的8點算法對均勻角點求解基礎矩陣,，其精度可以明顯較高。
參考文獻
[1] 吳福朝．計算機視覺中的數(shù)學方法[M]．北京：科學出版社,，2008.
[2] 陳付幸,，王潤生．基礎矩陣估計的聚類分析算法[J]．計算機輔助設計與圖形學學報，2005,，17（10）：2251-2265.
[3] 孫亦南,，劉偉軍，馬永壯,，等．一種加權計算基礎矩陣的高精度算法[J]．計算機工程,，2005，31（15）：186-188.
[4] Longuet-Higgins H C. A computer algorithm for reconstructing a scene from two projections[J]. Nature,， 1981,， 293（9）： 133-135.
[5] 劉忠紅,，儲珺．特征提取與模板匹配結合的圖像拼接方法[J]．微計算機信息，2010,，1：117-118.
[6] HARTLEY R. In Defense of the 8-point Algorithm[J]. In： Grimson E（Ed.）,， Proceedings of the  5thInternational Conference on Computer Vision， Cambridge： IEEE Computer Science Press,， 1995： 1064-1070.