摘要
由于在许多计算机视觉任务中的重要作用，图像匹配一直是研究人员积极研究的领域，这导致了更加优秀和更具区分性的特征描述符以及更加鲁棒的匹配策略的出现，部分得益于深度学习的发展和现代硬件计算能力的提升。尽管取得了这些成就，但作为图像匹配流程基础的关键点提取过程并未取得同等的进步。本文介绍了HarrisZ$^+$，这是对HarrisZ角点检测器的一种升级，旨在协同利用图像匹配流程其他步骤的最新改进。HarrisZ$^+$不仅涉及参数设置的调整，还进一步改进了HarrisZ所规定的选取标准，从而提供了更多且具有区分性的关键点，这些关键点在图像上分布更为均匀，并且具有更高的定位精度。包含HarrisZ$^+$在内的图像匹配流程与其他现代组件结合，在不同的近期匹配基准测试中取得了与经典图像匹配流程相比最先进（state-of-the-art）的结果。这些结果非常接近由更近期的全深度端到端可训练方法所获得的结果，并表明通过经典图像匹配方法的研究仍可获得一定的改进空间。