[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

摘要

本发明提出了一种动态视觉传感器的地址事件流数据去噪方法，主要解决了现有技术对动态视觉传感器输出的地址事件流数据进行去噪的不足，包括如下步骤：构造概率无向图模型；获取概率无向图模型的能量函数；对地址事件流数据进行事件区域划分；对每一个事件区域进行去噪处理。本发明利用动态视觉传感器输出的地址事件流数据中事件之间的相关性，构建包含有事件行地址信息、列地址信息和激活时间信息的概率无向图模型，然后将地址事件流数据划分为多个事件区域从而进行去噪，旨在保证动态视觉传感器输出的地址事件流数据信息的完整性的同时，提高地址事件流数据的去噪效率，可用于动态视觉传感器输出的地址事件流数据去噪。

主权项

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)将去噪之后的地址事件流数据Y初始化为地址事件流数据X；(3b)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；(3c)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。