一种大噪声自适应的角点检测技术

在自主机器人视觉中,大噪声条件下图像边缘角点的识别,对于视觉目标的形状识别有着重要的作用.使用最小均方误差准则,可以有效的滤除噪声的影响.针对大噪声条件下噪声强度的平均值和均匀性都未知的特点,提出了一种基于最小均方误差的新的大噪声自适应角点识别算法.这种方法计算变长点集的残差平方和,使得角点出现在特征曲线的极小值处,避免了使用阈值的弊端.并利用折半查找策略,降低了时间复杂度.在单角点识别的基础上,针对多角点识别,讨论了利用这种算法降低时间复杂度的方法.通过分析表明这些算法能够较为有效地提高大噪声条件下单调边缘单角点识别的正确率,降低了时间复杂度.