摘  要： 鑒于Harris角點匹配時產生的聚簇現象，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。傳統的Harris提取的特征點存在聚簇現象，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，k為默認常數，一般取值為0.04，角點即函數取得局部極大值時的點。
1.2 均勻Harris角點的提取
    首先，按經典Harris角點監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。為防止在局部區域出現角點簇擁的現象，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，如圖1所示。將攝像機所采集到的圖像經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.