特征提取在影像匹配、目标描述与识别、运动估计以及目标跟踪等领域具有十分重要的意义。线特征是指影像的“边缘”与“线”。“边缘”可定义为影像局部区域特征不相同的那些区域间的分界线,而“线”则可以认为是具有很小的一对边缘构成的一条线。对于数字影像匹配中的线特征,不仅需要评价它们,还需要精确地对其进行亚像素定位。近年来,关于直线匹配的文献层出不穷,但大都关注的是匹配算法,并没有重点关注直线提取算法。如何采用一种优秀的直线提取算法,以利于后续的影像匹配；以及如何提高直线特征的精度,关于这方面的文献并不多见。基于此,本文以探索影像匹配中的线特征重复率评价与精确定位方法为目的,通过全面系统的研究分析,得出了一些有意义的结论和算法。具体内容如下：1)介绍了四种典型的直线提取算法,对其进行综合评价。并针对立体影像匹配这一特定目的,借鉴点特征评价准则,提出了利用重复率来评价各种算法；以得到一种高重复率的直线提取算法,利于后续的基于线特征的立体影像匹配研究。2)利用单应性矩阵来建立立体影像上线段之间的关系,从几何关系上,提出了一种判断同名线段的准则,并利用标准影像集验证了本文提出的判断准则。3)针对现有直线提取算法得到的大都是整像素精度的直线特征,本文提出了一种基于Harris兴趣值的子像素直线特征提取算法。即首先利用嵌入置信度的边缘检测算法(简称EDISON算法)提取影像的初始边缘,并细化成单像素边缘；然后对每一边缘点在其法线方向上基于Harris兴趣值进行二次抛物线拟合,得到子像素的边缘点；最后利用最小误差距离边缘分割和最小二乘直线拟合从而得到子像素的直线特征。本文所提出的线特征重复率评价和精确定位方法的理论、算法和有关试验均利用Visual C++6.0及MATLAB7.8.0实现。有关试验结果证明本文方法能为影像匹配、高精度三维重建及相机标定提供高重复率与高精度的直线特征。