一种基于点过程的脉冲数据超分辨率计算方法技术

本发明专利技术涉及一种基于点过程的脉冲数据超分辨率计算方法，通过条件强度函数λ

【技术实现步骤摘要】
一种基于点过程的脉冲数据超分辨率计算方法


[0001]本专利技术属于脉冲图像传感器的图像处理
，尤其是一种基于点过程的脉冲数据超分辨率计算方法。

技术介绍

[0002]传统探测方式将场景变化量化为图像帧，对静态背景区域重复采样、数字化和输出。随着分辨率、帧频的提高，带来数据传输和处理瓶颈，是限制图像传感器分辨率、帧频、功耗特性的关键性问题。脉冲图像传感器模拟视觉神经的感光和脉冲信号处理，采用电脉冲像素阵列表达外部环境光信息，以低数据量高速传输量化的场景信息，从源头上大幅降低冗余数据。然而，与传统的图像传感器相比，脉冲图像传感器的像素结构复杂，空间分辨率提升受限。
[0003]时空点过程由连续时空域上的一系列事件构成的随机过程，这些事件随时间、空间的变化而变化。针对连续时间域上的脉冲序列，时序点过程可以对众多真实场景中产生的数据建模与预测。与传统将脉冲数据重建为一帧帧的图像之后执行图像超分辨率算法不同，基于点过程实现脉冲数据的超分辨率算法避免了传统超分辨率插值带来的伪影和失真问题。同时，该算法输出的低脉冲数据量表达高时空分辨率的图像信息，可应用于轻量化高速智能图像处理，但是目前尚未出现应用此技术对图像处理的方法。

技术实现思路

[0004]本专利技术的目的在于克服现有技术的不足，提出一种基于点过程的脉冲数据超分辨率计算方法，基于时空点过程建模实现脉冲数据超分辨率，输出高时空分辨率轻量化脉冲数据，可应用于轻量化高速智能图像处理。
[0005]本专利技术解决其技术问题是采取以下技术方案实现的：
[0006]一种基于点过程的脉冲数据超分辨率计算方法，包括以下步骤：
[0007]步骤1、脉冲图像传感器相机将光强信息转化为类似视觉脉冲的时域脉冲序列；
[0008]步骤2、选择条件强化度函数；
[0009]步骤3、根据条件强度函数形成似然函数；
[0010]步骤4、使用似然函数构成参数化时序点过程模型，并通过参数化时序点过程模型对时域脉冲序列进行超分辨率计算。
[0011]而且，所述步骤2中时序点过程中条件强度函数λ
*
(t)为：
[0012][0013]其中，θ
j
为待估参数，t为当前时刻，t
j
为第j个触发的视觉脉冲，若核函数k(t
‑
t
j
)采用高斯核函数，则k(t
‑
t
j
)＝exp(
‑
β(t
‑
t
j
)2)；
[0014]将时序点过程形式化为计数过程函数N(t)：
[0015][0016]计
[0017]其中，计数过程函数N(t)计数的为计数时刻t之前的事件数目，u(t)为单位阶跃函数；数过程函数N(t)的微分为dN(t)，给定一个无穷小的时间窗口[t,t+dt)内，dN(t)∈{0,1}得到：
[0018][0019]得到：
[0020][0021]其中，
*
表示基于历史事件的条件，条件强度函数λ
*
(t)为历史事件的条件下，下一个事件在时间t前不发生，且在[t,t+dt)时间间隔内发生的概率，条件强度函数λ
*
(t)为历史事件的条件下，计数过程函数的微分dN(t)为1的概率：
[0022][0023]其中，f*(t)为条件概率密度函数，S*(t)为互补累积分布函数，历史事件的条件下，计数过程函数的微分dN(t)的期望为：
[0024]E[dN(t)∣H(t)]＝1
×
P(dN(t)＝1∣H(t))+0
×
P(dN(t)＝0∣H(t))＝λ
*
(t)dt
[0025]其中，为历史事件的条件下，dN(t)为1的概率，条件强度函数λ
*
(t)与计数过程函数N(t)的关系为：
[0026][0027]其中，λ
*
(t)的物理意义是描述单位时间的事件率，
△
t为时间间隔。
[0028]而且，所述步骤3的具体实现方法为：对于区间[0,T]内的时域脉冲序列，时域脉冲序列T＝{t1,t2,t3,
…
,t
n
}描述为在时间点t1,t2,t3,
…
,t
n
上发生事件，且区间[T,∞]内不发生事件，联合概率密度函数得到似然函数描述脉冲数据为：
[0029][0030]其中，θ为对数联合似然函数最大化的参数，联合似然函数取对数为：
[0031][0032]条件强度函数λ
*
(t)与条件概率密度函数f
*
(t)的关系为：
[0033][0034]条件强度函数λ
*
(t)与互补累积分布函数S
*
(t)的关系为：
[0035][0036]而且，所述步骤4的具体实现方法为：参数化时序点过程模型通过最优化对数似然函数进行学习，最大化对数似然函数求解λ*的参数θ为：
[0037][0038]根据参数θ得到条件强度函数λ*用于建模单位时间事件率，基于λ*与历史事件插值得到超分辨率脉冲数据；若输入为三维图像脉冲数据，则采用的条件强度函数λ
*
(s,t)将事件率建模为时间、空间以及历史事件的函数为：
[0039]λ
*
(s,t)＝∑θ
s,t
κ(s
‑
s
i
,t
‑
t
i
)
[0040]时空域的对数联合似然函数为：
[0041][0042]本专利技术的优点和积极效果是：
[0043]本专利技术通过条件强度函数λ
*
(t)捕获事件间的时空域相关性，将事件率建模为时间以及历史事件的函数，使用该函数可以用于预测任意时间、地点的事件率。最优化估计λ
*
(t)参数后，实现对脉冲数据T＝{t1,t2,t3,
…
,t
n
}执行超分辨率。本专利技术输出的超分辨率脉冲数据以低数据量表达高时空分辨率的图像信息，可应用于轻量化高速智能图像处理。另外，基于点过程实现脉冲数据的超分辨率算法避免了传统超分辨率插值带来的伪影问题。
附图说明
[0044]图1为本专利技术基于时空点过程的脉冲数据超分辨率算法流程图；
[0045]图2为本专利技术基于条件强度函数建模的点过程转换关系图；
[0046]图3为本专利技术基于似然函数最优化求解条件强度函数的参数流程图。
具体实施方式
[0047]以下结合附图对本专利技术做进一步详述。
[0048]一种基于点过程的脉冲数据超分辨率计算方法，通过脉冲图像传感器相机将光强信息转化为类似视觉脉冲的时域脉冲信号，将图像脉冲数据视作时空点过程，即发生在时间点间点本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于点过程的脉冲数据超分辨率计算方法，其特征在于：包括以下步骤：步骤1、脉冲图像传感器相机将光强信息转化为类似视觉脉冲的时域脉冲序列；步骤2、选择条件强化度函数；步骤3、根据条件强度函数形成似然函数；步骤4、使用似然函数构成参数化时序点过程模型，并通过参数化时序点过程模型对时域脉冲序列进行超分辨率计算。2.根据权利要求1所述的一种基于点过程的脉冲数据超分辨率计算方法，其特征在于：所述步骤2中时序点过程中条件强度函数λ
*
(t)为：其中，θ
j
为待估参数，t为当前时刻，t
j
为第j个触发的视觉脉冲，若核函数k(t
‑
t
j
)采用高斯核函数，则k(t
‑
t
j
)＝exp(
‑
β(t
‑
t
j
)2)；将时序点过程形式化为计数过程函数N(t)：其中，计数过程函数N(t)计数的是时刻t之前的事件数目，u(t)为单位阶跃函数；计数过程函数N(t)的微分为dN(t)，给定一个无穷小的时间窗口[t,t+dt)内，dN(t)∈{0,1}得到：得到：其中，
*
表示基于历史事件的条件，条件强度函数λ
*
(t)为历史事件的条件下，下一个事件在时间t前不发生，且在[t,t+dt)时间间隔内发生的概率，条件强度函数λ
*
(t)为历史事件的条件下，计数过程函数的微分dN(t)为1的概率：其中，f*(t)为条件概率密度函数，S*(t)为互补累积分布函数，历史事件的条件下，计数过程函数的微分dN(t)的期望为：E[dN(t)∣H(t)]＝1
×
P(dN(t)＝1∣H(t))+0
×
P(dN(t)＝0∣H(t))＝λ

【专利技术属性】
技术研发人员：徐江涛，石晓佩，聂凯明，
申请(专利权)人：天津天芯微系统集成研究院有限公司，
类型：发明
国别省市：