[發明專利]一種事件流異常事件濾除效果的評估方法

在審

• 申請號: 202211344796.3
• 申請日: 2022-10-31
• 公開（公告）號: CN115511751A
• 公開（公告）日: 2022-12-23
• 發明（設計）人: 呂恒毅;馮陽;趙宇宸;張以撒;孫銘;韓誠山
• 申請（專利權）人: 中國科學院長春光學精密機械與物理研究所
• 主分類號: G06T5/00
• 分類號: G06T5/00
• 代理公司: 長春眾邦菁華知識產權代理有限公司 22214
• 代理人: 朱紅玲

一種事件流異常事件濾除效果的評估方法，涉及事件流的應用技術領域，解決現有方法需要特殊硬件的支撐，受限于固定圖形發生器，難以評估濾除方法在不同傳感器間的魯棒性；以及存在計算指標時造成結果不準確等問題，本發方法包括對事件流進行固定長度的分割，對一段事件流中每一個事件使用核函數計算；人工選取只有異常事件的區域，計算區分閾值；對濾除后的事件流計算噪聲所占比例，對被濾除的事件計算真實事件所占比例；并進行比較兩項指標均低時表示該濾除異常事件方法性能最好。本發明能夠采用自然圖像對濾除方法進行評估，不再需要固定圖形發生器，降低了評估難度。

技術領域

本發明涉及事件流的應用技術領域，具體涉及一種對事件流中異常事件濾除效果的評估方法。

背景技術

動態視覺傳感器的像素受生物視覺啟發，像素結構主要分為三級，包括電壓-電流對數轉換單元、變化放大單元和比較單元。而由于像素復雜性的增加，會產生異常事件，類似傳統面陣圖像的椒鹽噪聲。但是，動態視覺傳感器輸出的事件流并非如同面陣圖像是一個二維的和傳感器分辨率相同的矩陣，而是三維時空稀疏的散點，這樣使已有的圖像降噪效果評價指標如信噪比無法兼容。

真實事件流的是像素上投影的光強發生改變，像素產生脈沖信號，后經地址事件表達(Adress Event Represent,AER)，以數字形式通過芯片輸出電路對事件進行傳輸，每個事件包含像素坐標、時間戳、光強變化極性等信息。事件流具備時間分辨率高、數據量小、數據形式稀疏等特點。這種數據形式相較傳統面陣探測器的幀形式圖像有更高的分辨率，更低的數據量。但是，這種數據形式不再是矩陣形式而是點云形式，所以傳統的圖像處理的指標與評估方法在此無法兼容。

現有事件流異常事件濾除效果評估方法為以下兩類，一類是借助外界圖像發生器，采集已知圖像，之后對異常事件進行提取，分析降噪的效果，Daniel C等人提出在文獻《基于事件的異步變化檢測圖像傳感器噪聲濾波器評估，(Evaluating noise filteringfor event-based asynchronous change detection image sensors)》提出一種評估動態視覺傳感器降噪的方法；另一類為通過三個指標對降噪方法進行量化，分別是信號比(Signal Ratio,SR),噪聲比(Noise Ratio,NR)和信噪比(Signal to Noise Ratio,SNR),其計算公式如下所示：

其中E^f為降噪后事件數量，E^o為降噪前事件數量，signal為原始事件流，noise為添加噪聲的事件流，E^q可以表示E^f或E^o，當表示E^f時為降噪后的信噪比。

第一類方法中對降噪效果的評價通過兩個指標進行評估，分別是濾波后事件的平均信號概率的提升率以及濾波后總事件信號概率與濾波前總事件信號概率的比值。上述的評估方法需要特殊硬件的支撐，并且傳感器的類型相對單一。第二種方法是以采集到的事件流為真實事件，而后人工增加隨之異常事件，再使用濾除方法處理，之后比較濾除之后的結果，這樣的方法并不嚴謹，因為時間相機中已經包含了異常事件。

上述第一類的評估方法需要特殊硬件的支撐，受限于固定圖形發生器，該方法難以復現，只能使用已采集的數據，這就導致傳感器的類型相對單一，難以評估濾除方法在不同傳感器間的魯棒性。

上述第二類方法使用時間相機中輸出的全部事件流作為真實事件流，人工增加異常事件，這樣的方法會將相機原生異常事件忽略，在計算指標時造成結果不準確。

發明內容

本發明為解決現有方法需要特殊硬件的支撐，受限于固定圖形發生器，難以評估濾除方法在不同傳感器間的魯棒性；以及存在計算指標時造成結果不準確等問題，提供一種事件流異常事件濾除效果的評估方法。