[发明专利]一种基于合群度和边界特征的事件相机去噪方法

说明书

本发明公开了一种基于合群度和边界特征的事件相机去噪方法，包括：通过事件相机获取原始事件流数据并转化为点集形式，获取每个事件点的最近邻点；计算每个事件点的合群度，当合群度小于所有事件点合群度的算术平均值时，将该事件点作为背景噪声剔除；当最大边界张角大于180°且边界点权重值大于设定的边界阈值时，该事件点为边界特征事件点，提取边界特征事件点构成的目标独立的边界轮廓事件流数据；将原始事件流数据和边界轮廓事件流数据分别映射至像素平面，实现去噪效果的图像可视化。本发明有效去除了事件相机原始事件流数据中的背景噪声，极大简化了目标边界轮廓的数据结构，降低了数据传输的带宽，提高了事件相机去噪方法的处理效率。

技术领域

本发明属于图像处理技术领域，特别涉及一种基于合群度和边界特征的事件相机去噪方法。

背景技术

事件相机(Event Cameras)是一种新型动态成像仿生传感器，与传统的CMOS(Complementary Metal Oxide Semiconductor)相机相比，这种传感器的信息采集速度不受曝光时间和帧速率的限制，像素的响应时间在微秒级，甚至纳秒级，输出信号不是结构化的图像帧，而是运动(存在亮度变化)物体激发的事件流。当单个像素点位置的对数光强绝对变化超过特定阈值时，在该像素位置产生一个具有时间戳、像素坐标、极性的独立事件。事件相机具有高动态范围，高时间分辨率，低功耗的出色性能，并且不会受到运动模糊的影响，在目标跟踪和识别、图像去模糊、机器人实时交互等领域有广泛的应用前景。因此，基于事件相机的图像处理研究成为近年来不断发展的热点研究领域。

但在实际应用中，由于事件相机的自身结构和环境因素的影响，输出的事件流易受到干扰产生背景噪声和多重边界，影响图像质量和可视化效果。因此对事件相机输出数据进行去噪预处理是必要的。

目前，针对事件相机的去噪方法主要分为两类：

一类是利用动态时间窗口和累积固定数量事件相结合的方式将事件流转化成帧图像，再利用传统的去噪方法实现图像的去噪。如Xie X,Du J,Shi G,et al.DVS imagenoise removal using k-SVD method[C]∥International Conference on Graphic andImage Processing，2018，10615:106153U.中Xie等将20ms内累积的事件流转化成二值图像后，再采用K-SVD方法对生成的图像进行去噪处理。Munda G,Reinbacher C,Pock T.Real-time intensityimage reconstruction for event cameras using manifoldregularisation[J].International Journal of Computer Vision，2018，126(12):1381-1393.中Reinbacher等利用事件点间相邻时间戳诱导的流形对事件流进行图像重构，采用变分模型对重构的灰度图像进行去噪处理。但这类方法没有充分地利用事件相机特性，例如异步数据流和高时间分辨率，从而降低了对事件相机输出数据的处理效率。