张春林 陈劲杰

摘 要：使用基于RANSAC提纯的改进SIFT算子和SIFT算子分别在两张不同视角的图像中提取并匹配特征点对，通过实验结果验证了基于改进的SIFT算提取特征点的准确率和匹配的精度都要比SIFT算子和Harris算子高，改进SIFT算子提取匹配出的特征点对更加的有利于目标物体的三维重建工作。

关键词：物体特征提取和识别；SIFT；RANSAC；三维重建

中图分类号：TP391 文献标识码：A

文章编号：2096-1472（2018）-11-07-03

1 引言（Introduction）

目前现有的几种常用的图像特征提取算子，例如：SUSAN算子、Harris特征提取算子、SIFT（Scale Invariant Feature Transform）特征提取匹配算子等。Harris特征提取算法则是C.Harris和J.Stephens于1998年提出的一种特征提取算子[1]。具体提取步骤：运算所有的像素点梯度，然后选取两个方向上的梯度都是最大值的点作为Harris角点。这种算子能够提前去除信息较强的角点，是一种很经典的算子。SUSAN算子和Harris算子都是基于像素级别的特征提取算子，提取出来的特征的精度并不是很高，对后面的三维重建势必会造成一定的影响。而David Lowe在总结优化了这几种算子的研究过程中，提出了一种不受图像尺度和旋转变化，甚至不受光线强度和拍摄角度变化的特征提取算子—SIFT算子[2]。所以说SIFT算子是一种比较优秀的特征提取算法。但仍然存在容易误匹配等缺点。

为此，本文提出将RANSAC算法与改进的SIFT算子结合[3]，通过实验对比其与SIFT算子及Harris的在特征提取和匹配效果。

2 基于Harris算法的角点检测（Corner detection based on Harris algorithm）

2.1 Harris特征提取

Harris角点检测算法首先计算所有像素的梯度，随后选取两个方向都是最大梯度的点，并以此作为Harris的角点[4]。……