[发明专利]一种动态视觉传感器的地址事件流数据去噪方法

权利要求书

1.一种动态视觉传感器的地址事件流数据去噪方法，其特征在于，包括如下步骤：

(1)构造概率无向图模型：

(1a)假设动态视觉传感器输出的地址事件流数据X包含M个事件，该X经过去噪之后的地址事件流数据为Y，且X中的每一个事件x_i,j,t与其时空邻域内的事件x_{i±Δi,j±Δj,t}、x_i,j,t±Δt、x_{i±Δi,j±Δj,t±Δt}具有相关性，x_i,j,t与Y中对应的事件y_i,j,t具有相关性，其中i、j和t分别代表单个事件的行地址、列地址和激活时间，Δi、Δj和Δt分别为行地址的偏移量、列地址的偏移量和激活时间的偏移量，M≥2；

(1b)将X中的每一个事件x_i,j,t与Y中的每一个事件y_i,j,t构成的联合概率分布P(X,Y)作为概率无向图模型，该概率无向图模型包含有四个团块：{x_i,j,t,y_i,j,t}、{x_i,j,t,x_{i±Δi,j±Δj,t}}、{x_i,j,t,x_i,j,t±Δt}和{x_i,j,t,x_{i±Δi,j±Δj,t±Δt}}；

(2)获取概率无向图模型的能量函数E(X,Y)：

根据概率无向图模型每个团块内部变量之间的相关性，设置团块{x_i,j,t,y_i,j,t}、{x_i,j,t,x_{i±Δi,j±Δj,t}}、{x_i,j,t,x_i,j,t±Δt}和{x_i,j,t,x_{i±Δi,j±Δj,t±Δt}}的能量函数分别为E_xy、E_space、E_time和E_st，并将该四个团块的能量函数组合为概率无向图模型的能量函数E(X,Y)；

(3)对地址事件流数据X进行事件区域划分：

(3a)按照输出顺序将地址事件流数据X中包含的M个事件划分为N个事件区域R₁,R₂，…,R_l，…,R_N，前N-1个事件区域包含的事件数量均为Δm，第N个事件区域包含的事件数量为m_N，其中R_l表示第l个事件区域，l＝1,2,...,N，Δm≥2，m_N＝M-(N-1)×Δm；

(3b)将第l个事件区域R_l包含的事件表示为其中表示第l个事件区域R_l中的第p个事件，p＝1,2,...,m，m表示R_l内的事件的总数：

(4)对每一个事件区域R_l进行去噪处理：

(4a)令l＝1；

(4b)读入事件区域R_l，利用概率无向图模型的能量函数E(X,Y)计算事件区域R_l的能量

(4c)令p＝1；

(4d)利用与团块能量E_xy、E_space、E_time和E_st计算事件区域R_l中除事件之外的区域的能量

(4e)判断是否小于若是，则标记事件为噪声事件，并执行步骤(4f)，否则，标记事件为有效事件，并执行步骤(4f)；

(4f)判断p是否小于等于m，若是，令p＝p+1，并执行步骤(4d),否则，执行步骤(4g)；

(4g)判断l是否小于等于N，若是，令l＝l+1，并执行步骤(4b)，否则，将所有标记为噪声事件的事件进行删除，得到去噪之后的地址事件流数据Y。