CN114466187A - 时空信号的采样方法、重构方法及其装置 - Google Patents
时空信号的采样方法、重构方法及其装置 Download PDFInfo
- Publication number
- CN114466187A CN114466187A CN202111682422.8A CN202111682422A CN114466187A CN 114466187 A CN114466187 A CN 114466187A CN 202111682422 A CN202111682422 A CN 202111682422A CN 114466187 A CN114466187 A CN 114466187A
- Authority
- CN
- China
- Prior art keywords
- filter
- signal
- time
- filters
- value
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000005070 sampling Methods 0.000 title claims abstract description 98
- 238000000034 method Methods 0.000 title claims abstract description 97
- 238000012544 monitoring process Methods 0.000 claims abstract description 98
- 239000011159 matrix material Substances 0.000 claims abstract description 83
- 238000003491 array Methods 0.000 claims abstract description 81
- 238000009825 accumulation Methods 0.000 claims abstract description 63
- 238000001914 filtration Methods 0.000 claims abstract description 18
- 230000006870 function Effects 0.000 claims description 77
- 230000000875 corresponding effect Effects 0.000 claims description 48
- 230000009466 transformation Effects 0.000 claims description 48
- 238000006243 chemical reaction Methods 0.000 claims description 25
- 238000004590 computer program Methods 0.000 claims description 7
- 230000002596 correlated effect Effects 0.000 claims description 7
- 238000004891 communication Methods 0.000 claims description 4
- 230000003247 decreasing effect Effects 0.000 claims description 3
- 230000001131 transforming effect Effects 0.000 abstract description 7
- 230000035508 accumulation Effects 0.000 description 43
- 238000010586 diagram Methods 0.000 description 17
- 230000003287 optical effect Effects 0.000 description 15
- 230000008569 process Effects 0.000 description 13
- 238000012545 processing Methods 0.000 description 5
- 230000000007 visual effect Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000001186 cumulative effect Effects 0.000 description 3
- 238000001208 nuclear magnetic resonance pulse sequence Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical group C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 241001290864 Schoenoplectus Species 0.000 description 1
- 102100029469 WD repeat and HMG-box DNA-binding protein 1 Human genes 0.000 description 1
- 101710097421 WD repeat and HMG-box DNA-binding protein 1 Proteins 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 239000003990 capacitor Substances 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 210000001525 retina Anatomy 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
- H04N19/102—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or selection affected or controlled by the adaptive coding
- H04N19/117—Filters, e.g. for pre-processing or post-processing
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/60—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using transform coding
- H04N19/63—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using transform coding using sub-band based transform, e.g. wavelets
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Image Processing (AREA)
Abstract
本申请提供了一种时空信号的采样方法、装置和电子设备,该采样方法包括:利用信号采集器阵列采集监测区域中多个局部空间位置的时空信号;利用滤波器矩阵中的滤波器对信号采集器阵列中与滤波器关联的多个信号采集器输入的多个时空信号进行滤波变换得到变换值,对变换值进行累积得到累积结果;其中,滤波器矩阵包括一个或多个滤波器阵列,每个滤波器阵列包括按照空间位置排列而成的多个滤波器,多个滤波器具有相同尺度的监测范围;在累积结果到达预设累积条件后,根据累积结果输出采样数据。
Description
技术领域
本申请涉及图像技术领域,具体涉及一种时空信号的采样方法及其装置和时空信号的重构方法及其装置。
背景技术
随着人工智能技术的发展和算力的提升,自动驾驶与视觉跟踪领域取得了巨大进展,这些应用不得不处理许多复杂的场景,比如,高速运动场景、光照过亮的户外场景。然而,基于帧范式的传统相机由于时间分辨率过低无法清晰的捕捉这些复杂场景。
发明内容
有鉴于此,本申请实施例提供了一种本文提出了一种时空信号的采样方法及其装置和时空信号的重构方法及其装置,能够在保证有效表达场景信息的同时还对噪声有着更强的抵抗能力
第一方面,提供了一处时空信号的采样方法,包括:利用信号采集器阵列采集监测区域中多个局部空间位置的时空信号;利用滤波器矩阵中的滤波器对信号采集器阵列中与滤波器关联的多个信号采集器输入的多个时空信号进行滤波变换得到变换值,对变换值进行累积得到累积结果;其中,滤波器矩阵包括一个或多个滤波器阵列,每个滤波器阵列包括按照空间位置排列而成的多个滤波器,多个滤波器具有相同尺度的监测范围;在累积结果到达预设累积条件后,根据累积结果输出采样数据。
在一些实施例中,多个滤波器的监测范围的中心不同,多个滤波器中的每个滤波器的监测范围的中心位于信号采集器阵列中的不同位置。
在一些实施例中,多个滤波器按照监测范围的中心从上至下从左至右的顺序等间隔的排列成阵列。
在一些实施例中,利用滤波器矩阵中的滤波器对信号采集器阵列中与滤波器关联的多个信号采集器输入的多个时空信号进行滤波变换得到变换值,包括:
根据滤波器的滤波系数对滤波器关联的多个信号采集器输入的多个信号强度值进行加权变换,其中,滤波系数根据滤波器的母函数、滤波器与多个信号采集器的相对位置以及滤波器的尺度确定。
在一些实施例中,根据滤波器的滤波系数对滤波器关联的多个信号采集器输入的多个信号强度值进行加权变换,包括:每个信号采集器根据信号采集器所连接的滤波器的个数,对时空信号先放大再等分后输入滤波器;每个滤波器将监测范围内关联的多个信号采集器输入的信号强度值按照滤波系数缩放变换。
在一些实施例中,滤波系数分别根据滤波器所在位置和滤波器所在阵列的尺度对母函数进行平移与放缩得到。
在一些实施例中,多个滤波器阵列的监测范围的尺度大小按照从小到大的顺序呈指数增长的方式设置。
在一些实施例中,第一方面的方法还包括:将同一时刻位于同一个波器阵列的滤波器生成的脉冲信号按照空间位置排列成二维数据矩阵;将多个滤波器阵列对应的二维数据矩阵按照尺度拼接到一起生成三维数据矩阵。
在一些实施例中,第一方面的方法还包括:根据采样时间的先后顺序,将每个采样时刻得到的三维数据矩阵叠加形成四维数据矩阵。
在一些实施例中,采样数据为编码值,四维数据矩阵为实数矩阵;或者采样数据为脉冲信号,四维数据矩阵为脉冲信号矩阵。
在一些实施例中,累积结果包括累积值,根据累积结果输出采样数据,包括:每次采样采用多个比特表示累积值。
在一些实施例中,第一方面的方法还包括:在累积值累积到预设阈值后,将累积值清空。
在一些实施例中,累积结果包括累积值,输出采样数据,包括:每次采样在累积值达到预设阈值时释放一个脉冲信号,若累积值为正数采用第一预设值来表示,若累积值为负数,采用第二预设值表示;每次采样在累积值未达到预设阈值时采用第三预设值来表示。
在一些实施例中,第一预设值为1,第二预设值为-1,第三预设值为0。
在一些实施例中,滤波器矩阵包括多个滤波器阵列时,多个滤波器阵列具有不同尺度的监测范围。
在一些实施例中,监测范围的形状为圆形或正多边形,监测范围的尺度大小与圆形的半径或正多边形的边长正相关。
在一些实施例中,多个滤波器密集放置,其中密集放置是指滤波器的设置位置与每个信号采集器位置对应。
在一些实施例中,多个滤波器密集放置时,多个二维滤波器阵列的检测范围的尺度按照二维滤波器阵列的排列顺序包括以下至少一项:3*3、5*5、7*7。
在一些实施例中,滤波器的滤波函数为DOG小波函数;所述DOG小波函数中尺度参数按照二维滤波器阵列的排列设置为(0.24,0.348),(0.348,0.5046),(0.5046,0.7317),(0.7317,1.1615)。
在一些实施例中,多个滤波器稀疏放置,其中稀疏放置是指根据多个滤波器的监测范围的尺度大小等间隔地放置多个滤波器,其中尺度与间隔正相关。
在一些实施例中,多个滤波器阵列中的滤波器的个数低于信号采集器阵列中的信号采集器的个数的2倍。
在一些实施例中,滤波器的滤波函数为HARR小波函数。
在一些实施例中,多个滤波器阵列在空间上位于同一平面或多个平面。
第二方面,提供了一种时空信号的重构方法,包括:根据监测区域中的时空信号的采样数据得到滤波变换后的变换值,其中采样数据是由与用于采集时空信号的信号采集器阵列连接的一个或多个滤波器阵列生成的多维矩阵,其中一个或多个二维滤波器阵列中的每个滤波器连接信号采集器阵列中的多个信号采集器;利用滤波系数和变换值对采样数据进行逆变换确定监测区域中的时空信号。
在一些实施例中,根据监测区域中的时空信号的采样数据得到变换值,包括:利用相邻两次采样之间的多维矩阵获得输入信号对应的变换值;和/或利用多次采样中的脉冲间隔获得输入信号对应的变换值。
在一些实施例中,利用多次采样中的脉冲间隔获得输入信号对应的变换值,包括:根据输出的采样数据分别对每个滤波器统计一定时间内的输出的有向脉冲数量或者统计输出一定个数的有向脉冲所消耗的时间;利用时间和有向脉冲数量获得输入信号对应的变换值。
在一些实施例中,根据输出的采样数据分别对每个滤波器统计一定时间内的输出的有向脉冲数量,包括:确定一个时间窗口k,对于某个时刻t,计算滤波器从时刻t到t+k内输出的有向脉冲数量,其中,对于第一预设值对应的有向脉冲,将有向脉冲数量加一,对于第二预设值对应的有向脉冲,将有向脉冲数量减一。
在一些实施例中,统计输出一定个数的有向脉冲所消耗的时间,包括:确定一个期望有向脉冲数量k,对于某个时刻t,从时刻t开始,记录滤波器释放的脉冲总数,直到滤波器释放脉冲数量达到k,此时记录下对应的时刻tk;基于时刻t和时刻tk确定时间。
在一些实施例中,利用时间和有向脉冲数量获得输入信号对应的变换值,包括:将有向脉冲数量与阈值的乘积除以时间得到时间内时空信号变换后的变换值,其中有向脉冲数量与阈值的乘积为信号强度值变换后的变换值的累积值,每个滤波器对应一个变换值,同一层滤波器阵列对应相应尺度下的变换值矩阵,一层或多层二维滤波器阵列包括多层二维滤波器阵列,多层二维滤波器阵列对应多尺度下的变换值矩阵。
在一些实施例中,利用滤波系数和变换值使用逆变换确定监测区域中的时空信号,包括:根据多个滤波器阵列对应的多尺度下的变换值矩阵,使用逆变换确定某个时间段内监测区域的时空信号,其中,逆变换由滤波器对应的母函数决定,母函数为小波函数,逆变换为离散小波逆变换。
第三方面,提供了一种时空信号的采样装置,包括:采集模块,用于利用信号采集器阵列采集监测区域中多个局部空间位置的时空信号;变换累积模块,用于利用滤波器矩阵中的滤波器对所述信号采集器阵列中与所述滤波器关联的多个信号采集器输入的多个时空信号进行滤波变换得到变换值,对变换值进行累积得到累积结果;其中,所述滤波器矩阵包括一个或多个滤波器阵列,每个滤波器阵列包括按照空间位置排列而成的多个滤波器,所述多个滤波器具有相同尺度的监测范围;输出模块,用于在所述累积结果到达预设累积条件后,根据所述累积结果输出采样数据。
第四方面,提供了一种时空信号的重构装置,包括:获取模块,用于根据监测区域中的时空信号的采样数据得到滤波变换后的变换值,其中采样数据是由与用于采集时空信号的信号采集器阵列连接的一个或多个滤波器阵列生成的多维矩阵,其中一个或多个二维滤波器阵列中的每个滤波器连接信号采集器阵列中的多个信号采集器;确定模块,用于利用滤波系数和变换值对采样数据进行逆变换确定监测区域中的时空信号。
第五方面,提供了一种计算机可读存储介质,存储介质存储有计算机程序,计算机程序用于执行第一方面所述的时空信号的采样方法或第二方面所述的时空信号的重构方法。
第六方面,提供了一种电子设备,包括:处理器;用于存储处理器可执行指令的存储器;处理器,用于第一方面所述的时空信号的采样方法或上述第二方面所述的时空信号的重构方法。
在一些实施例中,电子设备为脉冲相机。
第七方面,提供了一种计算机可读存储介质,存储介质存储有计算机程序,计算机程序用于第一方面所述的时空信号的采样方法或第二方面所述的时空信号的重构方法。
根据本申请的实施例,通过利用滤波器对与滤波器关联的多个信号采集器输入的多个时空信号进行滤波变换得到变换值,对变换值进行累积得到累积结果,并根据累积结果得到采样数据,能够在保证有效表达时空信号所在的场景信息的同时还能够对噪声有着更强的抵抗能力。
附图说明
图1为本申请一实施例的采样方法的示意性流程图。
图2为本申请一实施例的光信号的采样过程的示意图。
图3为本申请另一实施例的采样过程的示意图。
图4为本申请另一实施例的采样过程的示意图。
图5为本申请一实施例的不同尺度的滤波器阵列的排列方式的示意图。
图6为本申请一实施例的重构过程的示意图。
图7为本申请一实施例的重构方法的示意性流程图。
图8为本申请另一实施例的重构方法的示意性流程图。
图9为本申请一实施例的采样装置的结构示意图。
图10为本申请一实施例的重构装置的结构示意图。
图11为本申请一实施例的电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本申请的实施例。虽然附图中显示了本申请的某些实施例,然而应当理解的是,本申请可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例,相反提供这些实施例是为了更加透彻和完整地理解本申请。应当理解的是,本申请的附图及实施例仅用于示例性作用,并非用于限制本申请的保护范围。
本申请使用的术语“包括”及其变形是开放性包括,即“包括但不限于”。术语“根据”是“至少部分地根据”。术语“一个实施例”表示“至少一个实施例”;术语“另一实施例”表示“至少一个另外的实施例”。其它术语的相关定义将在下文描述中给出。
在人类视网膜中的中央凹可以对物体的纹理细节做精细捕捉。脉冲相机是一款受中央凹启发而设计的生物视觉传感器,它有着高时间分辨率并且能捕捉物体的纹理细节。脉冲相机非常适合采集高速运动场景中的时空信号,然而,脉冲相机容易受到噪声影响,这使得被捕获的信息存在一些误差,不利于后续的视觉任务处理。
脉冲相机参照的人类视觉系统对噪声的鲁棒性很强。在一定的动态范围内,人类视觉系统能清晰成像。因此,作为一款模仿神经形态视觉的传感器,脉冲相机的采样性能还有潜在的提升空间。
图1为本申请一实施例的采样方法的示意性流程图。该方法由计算设备(例如服务器执行)。该方法包括如下内容。
110,利用信号采集器阵列采集监测区域中多个局部空间位置的时空信号。
具体地,信号采集器阵列包括多个信号采集器,多个信号采集器在空间按照某种方式或规则排列成阵列,该阵列可以是矩形或圆形,相应地,监测区域可以是矩形或圆形,本申请的实施例对此不作限定,该阵列或监测区域也可以是根据实际需要设置的其它形状。
时空信号例如可以是光信号,本发明的实施例并不限于此,例如,时空信号也可以为红外信号、电磁信号等等。
以信号采集器为光敏器件为例,例如,光敏器件为电荷耦合元件(CCD),在这种情况下,信号采集器用于将光信号转换成用于表达光强的电信号强度,信号采集器的输出端的电信号强度与采集的光强正相关。每个局部空间位置对应一个信号采集器,每个信号采集器可以指一个像素。
每个信号采集器可以监控一个局部空间,例如,局部空间可以是矩形,例如,正方形,这样,多个正方形的方块可以排成方阵用于覆盖整个监测区域。本申请的实施例并不限于此,例如,局部空间也可以是圆形、多边形(例如,正六边形)或异形(即不规则形状)。
120,利用滤波器矩阵中的滤波器对信号采集器阵列中与滤波器关联的多个信号采集器输入的多个时空信号进行滤波变换得到变换值,对变换值进行累积得到累积结果;其中,滤波器矩阵包括一个或多个滤波器阵列,每个滤波器阵列包括按照空间位置排列而成的多个滤波器,多个滤波器具有相同尺度的监测范围。
具体地,滤波器也可以称为信号累积器,用于对时空信号的信号强度进行滤波变换和累积。滤波器矩阵可以包括多个滤波器,多个滤波器可以分成一组或多组滤波器,即一个或多个滤波器阵列,其中同一组滤波器可以具有相同尺度的监测范围,不同组的滤波器可以具有不同尺度的监测范围。滤波器矩阵可以为多维矩阵,例如,二维矩阵或三维矩阵,监测范围的尺度表示每个滤波器所连接的信号采集器的个数或者覆盖范围。例如,尺度为4的滤波器可以连接2*2=4个信号采集器,尺度为9的滤波器可以连接3*3=9个信号采集器。这里,尺度可以理解为类似于人类视觉的感受野。
作为一个示例,在一个采样周期内,针对一个滤波器连接的多个信号采集器中的每个信号采集器采集的光信号,可以先转换为信号强度值,并利用滤波函数(例如,小波函数)对该信号强度值进行变换,得到变换值,然后,在对变换值进行累积,得到累积值,最后,将多个信号采集器分别对应的累积值相加,得到该滤波器输出的累积值。
应理解的是,作为另一示例,也可以在一个采样期内,针对一个滤波器连接的多个信号采集器中的每个信号采集器采集的光信号,可以先转换为信号强度值,并对该信号强度值进行累积,得到累积值,并利用各个信号采集器对应的滤波函数对各个信号采集积对应的累积值进行加权,得到最终的累积值。
还应理解的是,滤波器矩阵可以是二维的,也可以多维的。例如,滤波器矩阵可以包括多个二维滤波器阵列。多个二维滤波器列阵在空间上可以位于同一平面内,也可以位于不同平面内。每个二维滤波器阵列可以覆盖监控范围内的所有信号采集器。一个二维滤波器阵列中,不同的滤波器具有相同的尺度,并且不同的滤波器的监测范围可能有交集,也就是说同一个信号采集器可以输入不同的滤波器中。
130,在累积结果到达预设累积条件后,根据累积结果输出采样数据。
具体地,可以将累积值与预设阈值进行比较,当累积值达到或超过预设阈值时,可以输出累积结果对应的采样数据。例如,当某个滤波器的监测范围内的时空信号对应的电流信号的累积值达到预设阈值时,可以输出脉冲信号作为采样数据。
根据本申请的实施例,通过利用滤波器对与滤波器关联的多个信号采集器输入的多个时空信号进行滤波变换得到变换值,对变换值进行累积得到累积结果,并根据累积结果得到采样数据,能够在保证有效表达时空信号所在的场景信息的同时还能够对噪声有着更强的抵抗能力。
根据本申请的实施例,多个滤波器的监测范围的中心不同,多个滤波器中的每个滤波器的监测范围的中心位于信号采集器阵列中的不同位置。
具体地,不同滤波器通过其连接的信号采集器覆盖不同的监测范围,例如,不同的滤波器连接的监测范围的中心可以均匀分布于信号采集阵列中的不同位置,以便所有滤波器连接的信号采集器能够覆盖整个监测区域。例如,对于尺度为3*3的覆盖范围,监测范围的中心可以是九个信号采集器中位于中央的信号采集器的中心,而对于尺度为2*2的覆盖范围,监测范围的中心可以是四个信号采集器的对称中心。这样,一个滤波器阵列的滤波器就能覆盖整个监测范围。
根据本申请的实施例,通过多个滤波器阵列对不同尺度的监测范围进行滤波,可以为后续的信号处理提供了充足的信息,而且提高了对不同场景信号表达的适应性。
根据本申请的实施例,多个滤波器按照监测范围的中心从上至下从左至右的顺序等间隔的排列成阵列。
具体地,可以将每个滤波器阵列的多个滤波器排列成包含n行m列二维阵列,n和m可以相同,也可以不同。滤波器在空间上的排列方式可以与关联的信号采集器在空间上的排列方式一致,以方便滤波器与信号采集器之间的连接,使得两者之间的连接线的成本最低,并且使得整体能耗也最小。
应理解,每个滤波器阵列的多个滤波器并不限于按行列方式排列,例如,多个滤波器也可以设置成均匀分布在多个同心圆的上。
根据本申请的实施例,在120中,可以根据滤波器的滤波系数对滤波器关联的多个信号采集器输入的多个信号强度值进行加权变换,其中,滤波系数根据滤波器的母函数、滤波器与多个信号采集器的相对位置以及滤波器的尺度确定。
具体地,不同的滤波器的滤波系数可以不同,不同的滤波器的滤波系数可以由不同的滤波函数得到。例如,可以先为某个滤波器确定一个滤波函数,然后可以将该滤波函数作为母函数,通过对母函数进行变换得到其它滤波器的滤波函数,从而得到对应的滤波系数。根据滤波器与多个信号采集器的相对位置关系能够使得同一滤波器阵列上的滤波器的滤波函数不同,进一步通过不同的尺度来确定不同滤波器阵列中的滤波器的滤波函数,能够使得所有滤波器具有不同的滤波函数。
根据本申请的实施例,根据滤波器的滤波系数对滤波器关联的多个信号采集器输入的多个信号强度值进行加权变换,包括:每个信号采集器根据信号采集器所连接的滤波器的个数,对时空信号先放大再等分后输入滤波器;每个滤波器将监测范围内关联的多个信号采集器输入的信号强度值按照滤波系数缩放后进行变换。
作为一个示例,滤波系数分别根据滤波器所在位置和滤波器所在阵列的尺度对母函数进行平移与放缩得到。
换句话说,可以先根据每个滤波器所在位置对母函数进行平移,得到平移后的母函数,再根据该滤波器所在阵列的尺度对平移后的母函数进行放缩得到滤波函数,进而得到滤波系数。反之,也可以先根据每个滤波器所在阵列的尺度对母函数进行放缩得到放缩后的母函数,再根据滤波器所在位置对放缩后的母函数进行平移,得到滤波函数,进而得到滤波系数。
根据本申请的实施例,多个滤波器阵列的监测范围的尺度大小按照从小到大的顺序呈指数增长的方式设置。这样做的好处在于可以让有限个滤波器采集到更多的信息,使得采集到的信息更加充足,从而有助于图像的清晰表达。
可选地,作为另一实施例,图1的方法还可以包括:同一时刻位于同一个波器阵列的滤波器生成的脉冲信号按照空间位置排列成二维数据矩阵;多个滤波器阵列对应的二维数据矩阵按照尺度拼接到一起生成三维数据矩阵。
换句话说,每个时刻,不同尺度的滤波器阵列得到的多个二维数据矩阵构成一个三维数据矩阵。该三维数据矩阵可以理解为对采样数据进行空间编码的结果。
可选,作为另一实施例,图1的采样方法还包括:每个采样时刻得到一个三维数据矩阵,并根据采样时间的先后顺序,将三维数据矩阵叠加形成四维数据矩阵。
具体地,为了能够实现时空信号的传输和重构,可以对采样数据进行编码。这里,该四维数据矩阵可以理解为对采数据进行时空编码的结果。
作为一个示例,在采样数据为编码值的情况下,该四维数据矩阵为实数矩阵。
可替代地,作为另一实施例,在采样数据为脉冲信号的情况下,该四维数据矩阵为脉冲信号矩阵。
根据本申请的实施例,累积结果包括累积值,根据累积结果输出采样数据,包括:每次采样采用多个比特表示累积值。
可选地,作为另一实施例,图1的方法还包括:在累积值累积到预设阈值后,将累积值清空。
根据本申请的实施例,累积结果包括累积值,输出采样数据,包括:每次采样在累积值达到预设阈值时释放一个脉冲信号,若累积值为正数采用第一预设值来表示,若累积值为负数,采用第二预设值表示;每次采样在累积值未达到预设阈值时采用第三预设值来表示。
例如,第一预设值为1,第二预设值为-1,第三预设值为0。
根据本申请的实施例,滤波器矩阵包括多个滤波器阵列时,多个滤波器阵列具有不同尺度的监测范围。
根据本申请的实施例,监测范围的形状为圆形或正多边形,监测范围的尺度大小与圆形的半径或正多边形的边长正相关。
应理解的是,本申请的实施例对监测范围的形状不作限定。
根据本申请的实施例,多个滤波器密集放置,其中密集放置是指滤波器的设置位置与每个信号采集器位置对应。在该实施例中,滤波器的滤波函数可以为DOG小波函数。例如,多个滤波器密集放置时,多个滤波器阵列的监测范围的尺度按照二维滤波器阵列的排列顺序包括以下至少一项:3*3、5*5、7*7。DOG小波函数中尺度参数按照二维滤波器阵列的排列设置为(0.24,0.348),(0.348,0.5046),(0.5046,0.7317),(0.7317,1.1615)。
例如,每个尺度的滤波器的数目与信号采集器的数目相等,并且在空间位置上两者一一对应。一个滤波器可以连接多个信号采集器,一个信号采集器也可以连接到多个滤波器。在这种情况下,不同滤波器监测到的光信号之间存在冗余信息,能够提高信号的表达的准确性,从而能够清晰地呈现图像。
根据本申请的实施例,多个滤波器稀疏放置,其中稀疏放置是指根据多个滤波器的监测范围的尺度大小等间隔地放置多个滤波器,其中尺度与间隔正相关。在该实施例中,滤波器的滤波函数可以为HARR小波函数。
例如,每个滤波器的监测范围越大,尺度越大,监测整个监测区域所需的滤波器的个数就越少,滤波器之间的间隔就越大。这样,当将不同尺度的滤波器放置在不同空间平面上时,滤波器呈稀疏布置。由于每个尺度的滤波器的数目小于监测区域所有信号采集器的数目,相对密集放置的方案而言,稀疏放置的方案所采用的滤波器的数目较少,从而能够降低采用该方案的设备的制造成本。
根据本申请的实施例,多个滤波器阵列中的滤波器的个数低于信号采集器阵列中的信号采集器的个数的2倍。
根据本申请的实施例,多个滤波器阵列在空间上位于同一平面或多个平面。
作为一个示例,多个滤波器阵列中所有滤波器的数目可以小于或等于信号采集器的数目,这种情况下,多个滤波器阵列中的滤波器在空间上可以均匀分布在同一平面,从而能够使得采用这种技术的设备在空间结构上更加紧凑。
作作另一示例,多个滤波器阵列的数目也可以大于信号采集器的数目,这时,多个滤波器可以分布在不同平面,从而使得采用这种技术的设备能够采样到更加充足的时空信息。
图2为本申请一实施例的光信号的采样过程的示意图。
本申请的实施例可以将一个信号采集器与一个或多个滤波器连接,信号采集器将信号强度值传递给其所连接的滤波器。为了使得输入到每个滤波器的信号强度值和监测到的光信号的信号强度值相同,可以根据连接滤波器的个数,将信号强度值先放大再等分地输入连接滤波器。
在该实施例中,参见图2,信号采集器210可以包括像素211和放大电路212。滤波器220可以包括缩放器221和累积器222。其中,每个缩放器221连接一个累积器222。缩放器221用于将电流信号进行缩放后输入累积器222,进行缩放所使用的权重参数由像素P和累积器的相对位置以及滤波器的函数(或滤波系数)决定。累积器用于将电流信号在时间上进行累积,例如,在采样时间间隔内对电流信号求积分。
光信号由信号采集器阵列210中的信号采集器211(像素P)采集,经过光电转换得到电流信号I。电流信号I被放大电路212先放大再等分成n份等大的电流(即复制成n份等大的电流),分别输入n个缩放器221,电流信号经缩放器221缩放后得到电流信号Inew,电流信号Inew输入n个累积器222进行的累积,得到n个累积值。由于n个累积器222之间是彼此独立的,因此,不存在累积值清空后相互影响的问题。
作为示例,累积器可以由电容来实现,缩放器可由电阻来实现。
图3为本申请另一实施例的采样过程的示意图。该实施例详细描述利用多个滤波器阵列(即多层滤波器阵列)进行密集采样的方案。
本实施例可以使用在空间上位于不同平面的多个滤波器阵列对时空信号进行编码,下面以第一个滤波器阵列(第一层滤波器)为例进行说明,具体的处理流程可以包括如下内容。
310,通过像素层中的信号采集器采集监测区域中的光信号,计算出光信号的信号强度值,作为与信号采集器的滤波器的输入。
具体地,每个信号采集器从指定的局部空间位置采集时空信号,完成时域采样。多个信号采集器排列成阵列,作为像素层,互相配合覆盖整个监测区域,完成对监测区域的空域采样。例如,每个信号采集器按照设定的采集时间间隔采集局部空间位置的时空信号,当前常用摄像机的帧率为24到120(帧/秒),也就是时间间隔为数十毫秒。本申请实施例采用的时间间隔可以更短,根据需要可以为毫秒、微妙、纳秒乃至皮秒。
320,每个滤波器对输入的信号强度值进行缩放,实现加权累积。进而,累积过程本身是对原有的信号强度值进行函数变换后再累积,实现了滤波作用。
多个具有相同尺度监测范围的滤波器按照空间位置排成阵列,不同尺度的监测范围(按从小到大的顺序)的滤波器阵列拼接到一起构成多层滤波器阵列,作为累积层。本实施例的滤波器阵列的排布模式可以采用密铺模式,即,每放置一个信号采集器就对应放置一个滤波器,而每个滤波器可以连接多个信号采集器,如图3所示。
例如,本实施例的滤波器阵列一共有4层,其中第1层的滤波器监测范围是以自身为中心的3x3的正方形(如图3所示),其余三层的监测范围分别是以自身为中心的3x3,5x5,7x7的正方形(未示出)。每个滤波器对监测范围内的信号强度值加权累积,滤波器系数(或者累积系数)由母函数、滤波器所在层数以及滤波器与信号采集器的相对位置决定。这里使用归一化小波函数,例如,DoG函数,作为滤波器的母函数(2)。进一步,各个滤波器的函数可以表示为如下公式(3)。
其中(σ1,σ2)是尺度参数,例如,第1层到第4层的尺度参数可以分别为(0.24,0.348),(0.348,0.5046),(0.5046,0.7317),(0.7317,1.1615)。(x0,y0)表示滤波器在该层滤波器阵列中的空间位置,(i,j)表示该滤波器监测范围内的某个信号采集器在像素层的位置。是由该滤波器监测范围内的所有信号采集器在像素层的位置构成的集合。
进一步地,可以采用滤波器的函数对信号强度值进行变换并且进行积分得到累积值。滤波器的加权累积过程(如图2所示)可以被表示为如下公式(4),
330,每个时刻位于同一尺度的滤波器阵列的滤波器生成的脉冲信号按照空间位置排列成二维数据矩阵;多个滤波器阵列对应的二维数据矩阵按照尺度拼接到一起生成三维数据矩阵。
参见图3,每个时刻,不同尺度的滤波器阵列得到的多个二维数据矩阵构成一个三维数据矩阵。该三维数据矩阵可以理解为对采样数据进行空间编码的结果。每个采样时刻得到一个三维数据矩阵,并根据采样时间的先后顺序,将三维数据矩阵叠加形成四维数据矩阵。
图4为本申请另一实施例的采样过程的示意图。图5为本申请一实施例的不同尺度的滤波器阵列的排列方式的示意图。该实施例详细描述利用多个滤波器阵列(多层滤波器)进行稀疏采样的方案。
本实施例可以使用在空间上位于同一平面的多个滤波器阵列对时空信号进行编码,下面以多个滤波器阵列拼接成在一个二维滤波器阵列(即多个滤波器阵列在一个平面内)为例进行说明,具体的处理流程可以包括如下内容。
410,通过像素层中的信号采集器采集监测区域中的光信号,计算出光信号的信号强度,作为滤波器的输入。410与310类似,在此不再赘述。
420,每个滤波器对输入的信号强度值进行缩放,实现加权累积。进而,累积过程是信号强度值进行函数变换后再累积,实现了滤波作用。420与320类似,在此不再赘述。
多个具有相同尺度的监测范围的滤波器按照空间位置排成阵列,不同尺度的监测范围的滤波器阵列按照从小到大的顺序拼接到一起构成二维滤波器阵列。本实施例滤波器阵列的排布模式使用的是稀疏模式,一共有从小到大三种尺度,如图5中的(1,2,3)。稀疏模式采样的特点是所有层数的滤波器(或累积器)的个数和信号采集器(或像素)的个数相同,如图4所示,即每个尺度的滤波器阵列中的滤波器相对于信号采集器来说是稀疏排布的。
多个滤波器稀疏放置时,多个二维滤波器阵列中的监测范围的尺度按照二维滤波器阵列的排列顺序包括以下至少一项:2*2、22*22...2k*2k;其中k是使得2k*2k的监测范围能够覆盖整个信号采集阵列的最小正整数。
本实施例的累积层中的滤波器阵列一共有3层,其中第1层的滤波器的监测范围是以自身为中心的2x2的正方形,第2层的滤波器的监测范围是4x4的正方形,第3层的滤波器的监测范围是8x8的正方形。每个滤波器对监测范围内的信号强度值进行加权累积,滤波系数(或累积系数)由母函数、滤波器所在层数、滤波器和信号采集器相对位置决定。
这里,使用Haar小波函数作为滤波器的函数。由于二维Haar小波函数没有Dog函数的圆对称性,除了最后一层(第3层),每层(第1,2层)都有3种母函数(对应图中的三个正方形)。最后一层(第3层)中有4种母函数(对应图中的四个正方形,左上、右上、左下、右下)。其中左上正方形对应的母函数为公式(7),右上正方形使用的母函数为公式(8),左下正方形使用的母函数为公式(9),右下正方形用的母函数为公式(10)。进一步,每个滤波器根据所在位置和尺度对母函数进行平移与放缩获得滤波器函数公式(11)至公式(14),
FLL(x,y)=φ(x)φ(y) (7)
FLH(x,y)=φ(x)ψφ(y) (8)
FHL(x,y)=ψ(x)φ(y) (9)
其中,(x0,y0)描述滤波器在该滤波器感受野的中心的位置,a表示感受野的尺度,第一层为2,第二层为4,第三层为8。
进一步,累积过程能够被表述为公式1(15),
其中id=HH or HL or LH or LL,是由滤波器的监测范围内的所有信号采集器在像素层的位置构成的集合。是一个关于时间变化的函数,表示累积器的加权累积值。I(i,j,τ)表示位置(i,j)处在时刻为τ时的输入信号强度值。tpre表示该累积器上一次释放脉冲的时刻。
累积器的加权累积值的绝对值到达某个阈值后释放脉冲,并重置累积值。由于施例中采用的滤波器函数为归一化DoG函数,其权重系数有正有负,累积值可能为负数,所以使用1,-1表示释放脉冲。其中1表示释放脉冲并且累积值为正,-1表示释放脉冲且累积值为负。不释放脉冲用0表示,因此同一时刻t同层滤波器阵列输出的脉冲数据为一个二维矩阵,可以表示为(16),
430,将某尺度的滤波器阵列输出的二维矩阵按照时间从小到大排列形成三维矩阵,作为监测场景在某尺度下的脉冲表达。将多个滤波器阵列的多种尺度下的三维矩阵组合到一起作为监测场景的多尺度表达。
图6为本申请另一实施例的时空信号的重构过程的示意图。时空信号的重构过程可以指时空信号的对应的图像的呈现或表达过程。
为了便于传输和显示,基于上述实施例对时空信号进行采样得到采样数据后,可以对采样数据进行时空编码得到编码数据(例如,脉冲序列的编码矩阵或编码值编码矩阵)。在显示端,可以对编码数据进行解码,以便重构并呈现时空信号对应的图像序列,如图6所示,可以将脉冲序列矩阵输入解码器得到图像序列。
图7是本申请另一实施例的一种重构方法的示意性流程图。该方法由计算设备(例如,终端设备)执行。该方法包括如下内容。
710,根据监测区域中的时空信号的采样数据得到滤波变换后的变换值,其中采样数据是由与用于采集时空信号的信号采集器阵列连接的一个或多个滤波器阵列生成的多维矩阵,其中一个或多个二维滤波器阵列中的每个滤波器连接信号采集器阵列中的多个信号采集器。
720,利用滤波系数和变换值对采样数据进行逆变换确定监测区域中的时空信号。
根据本申请的实施例,通过根据编码数据估计滤波器系数,并根据估计的滤波器系数进行逆变换得到信号强度值,从而能够重构时空信号对应的图像,由于时空信号采样过程中进行了滤波变换和累积,相对于对时空信号进行了噪声消除,从而能够在保证有效表达时空信号所在的场景信息的同时还能够对噪声有着更强的抵抗能力。
根据本申请的实施例,根据监测区域中的时空信号的采样数据得到变换值,包括:利用相邻两次采样之间的多维矩阵获得输入信号对应的变换值;和/或利用多次采样中的脉冲间隔获得输入信号对应的变换值。
根据本申请的实施例,利用多次采样中的脉冲间隔获得输入信号对应的变换值,包括:根据输出的采样数据分别对每个滤波器统计一定时间内的输出的有向脉冲数量或者统计输出一定个数的有向脉冲所消耗的时间;利用时间和有向脉冲数量获得输入信号对应的变换值。
根据本申请的实施例,根据输出的采样数据分别对每个滤波器统计一定时间内的输出的有向脉冲数量,包括:确定一个时间窗口k,对于某个时刻t,计算滤波器从时刻t到t+k内输出的有向脉冲数量,其中,对于第一预设值对应的有向脉冲,将有向脉冲数量加一,对于第二预设值对应的有向脉冲,将有向脉冲数量减一。
根据本申请的实施例,统计输出一定个数的有向脉冲所消耗的时间,包括:确定一个期望有向脉冲数量k,对于某个时刻t,从时刻t开始,记录滤波器释放的脉冲总数,直到滤波器释放脉冲数量达到k,此时记录下对应的时刻tk;基于时刻t和时刻tk确定时间。
根据本申请的实施例,利用时间和有向脉冲数量获得输入信号对应的变换值,包括:将有向脉冲数量与阈值的乘积除以时间得到时间内时空信号变换后的变换值,其中有向脉冲数量与阈值的乘积为信号强度值变换后的变换值的累积值,每个滤波器对应一个变换值,同一层滤波器阵列对应相应尺度下的变换值矩阵,一层或多层二维滤波器阵列包括多层二维滤波器阵列,多层二维滤波器阵列对应多尺度下的变换值矩阵。
根据本申请的实施例,利用滤波系数和变换值使用逆变换确定监测区域中的时空信号,包括:根据多个滤波器阵列对应的多尺度下的变换值矩阵,使用逆变换确定某个时间段内监测区域的时空信号,其中,逆变换由滤波器对应的母函数决定,母函数为小波函数,逆变换为离散小波逆变换。
下面详细描述本申请的解码方法的过程。该解码方法具体包括如下过程:
810,将每个滤波器输出的脉冲序列传入解码器,由解码器统计每个滤波器的相邻脉冲的时间间隔。
820,根据上述时间间隔和预设阈值计算场景信号的多尺度的滤波器系数。
具体地,针对每个滤波器监控范围内的,如果存在脉冲信号,则对应的滤波器系数为预设阈值与时间间隔的比值,否则滤波器系数与上次采样时的滤波器系数相同。滤波器具体如下公式(17)
830,基于多尺度的滤波器系数确定信号强度值。
具体地,可以对场景信号的多尺度的滤波器系数进行逆小波变换得到图像域的场景估计信号,即场景图像,完成可视化,如公式(18)所示:
其中I(x,y,t)表示像素P(x,y)位置处的信号采集器在t时刻采集的信号强度值。
840,根据信号强度值进行图像显示。
具体地,根据估计出的每个采集时刻t每个像素的信号强度值,按照时间的先后顺序进行图像显示,这样可以重构或呈现时空信号对应的图像。
图9是本申请一实施例的采样装置900的结构示意图。采样装置900包括:采集模块910用于利用信号采集器阵列采集监测区域中多个局部空间位置的时空信号。变换累积模块920用于利用滤波器矩阵中的滤波器对信号采集器阵列中与滤波器关联的多个信号采集器输入的多个时空信号进行滤波变换得到变换值,对变换值进行累积得到累积结果;其中,滤波器矩阵包括一个或多个滤波器阵列,每个滤波器阵列包括按照空间位置排列而成的多个滤波器,多个滤波器具有相同尺度的监测范围。输出模块930,用于在累积结果到达预设累积条件后,根据累积结果输出采样数据。
图10是本申请另一实施例的重构装置1000的结构示意图。重构装置1000包括:获取模块1010和确定模块1020。
获取模块1010用于根据监测区域中的时空信号的采样数据得到滤波变换后的变换值,其中采样数据是由与用于采集时空信号的信号采集器阵列连接的一个或多个滤波器阵列生成的多维矩阵,其中一个或多个二维滤波器阵列中的每个滤波器连接信号采集器阵列中的多个信号采集器。
确定模块1020用于利用滤波系数和变换值对采样数据进行逆变换确定监测区域中的时空信号。
图11所示为本申请一示例性实施例提供的用于执行采样方法或重构方法的电子设备1100的框图,包括处理器1110和存储器1120。
存储器1120用于存储处理器可执行指令。处理器1110用于运行可执行指令以执行上述实施例中任一项所述的采样方法或重构方法。
本申请的电子设备可以为所述电子设备为以下设备的任一者:脉冲相机、音/视频播放器、导航设备、固定位置终端、娱乐单元、智能手机、通信设备、移动设备、可穿戴设备、服务器、以及机动交通工具中的设备。
本申请还提供一种计算机可读存储介质,所述存储介质存储有计算机程序,所述计算机程序用于执行上述实施例中任一项所述的采样方法或重构方法。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其他任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器端或数据中心通过有线(例如同轴电缆、光纤、数字用户线(digital subscriber line,DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器端或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器端、数据中心等数据存储设备。所述可用介质可以是磁性介质(例如,软盘、硬盘、磁带)、光介质(例如数字视频光盘(digital video disc,DVD))、或者半导体介质(例如固态硬盘(solid statedisk,SSD))等。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以所述权利要求的保护范围为准。
Claims (38)
1.一种时空信号的采样方法,其特征在于,包括:
利用信号采集器阵列采集监测区域中多个局部空间位置的时空信号;
利用滤波器矩阵中的滤波器对所述信号采集器阵列中与所述滤波器关联的多个信号采集器输入的多个时空信号进行滤波变换得到变换值,对变换值进行累积得到累积结果;其中,所述滤波器矩阵包括一个或多个滤波器阵列,每个滤波器阵列包括按照空间位置排列而成的多个滤波器,所述多个滤波器具有相同尺度的监测范围;
在所述累积结果到达预设累积条件后,根据所述累积结果输出采样数据。
2.根据权利要求1所述的方法,其特征在于,所述多个滤波器的监测范围的中心不同,所述多个滤波器中的每个滤波器的监测范围的中心位于所述信号采集器阵列中的不同位置。
3.根据权利要求2所述的方法,其特征在于,所述多个滤波器按照监测范围的中心从上至下从左至右的顺序等间隔的排列成阵列。
4.根据权利要求1所述的方法,其特征在于,所述利用滤波器矩阵中的滤波器对所述信号采集器阵列中与所述滤波器关联的多个信号采集器输入的多个时空信号进行滤波变换得到变换值,包括:
根据所述滤波器的滤波系数对所述滤波器关联的多个信号采集器输入的多个信号强度值进行加权变换,其中,所述滤波系数根据所述滤波器的母函数、所述滤波器与所述多个信号采集器的相对位置以及所述滤波器的尺度确定。
5.根据权利要求4所述的方法,其特征在于,所述根据所述滤波器的滤波系数对所述滤波器关联的多个信号采集器输入的多个信号强度值进行加权变换,包括:
每个信号采集器根据所述信号采集器所连接的滤波器的个数,对所述时空信号先放大再等分后输入所述滤波器;
每个滤波器将监测范围内关联的多个信号采集器输入的信号强度值按照所述滤波系数缩放变换。
6.根据权利要求4所述的方法,其特征在于,所述滤波系数分别根据所述滤波器所在位置和所述滤波器所在阵列的尺度对母函数进行平移与放缩得到。
7.根据权利要求1所述的方法,其特征在于,所述多个滤波器阵列的监测范围的尺度大小按照从小到大的顺序呈指数增长的方式设置。
8.根据权利要求1所述的方法,其特征在于,还包括:
将同一时刻位于同一个波器阵列的滤波器生成的脉冲信号按照空间位置排列成二维数据矩阵;
将所述多个滤波器阵列对应的二维数据矩阵按照尺度拼接到一起生成三维数据矩阵。
9.根据权利要求8所述的方法,其特征在于,还包括:
根据采样时间的先后顺序,将每个采样时刻得到的所述三维数据矩阵叠加形成四维数据矩阵。
10.根据权利要求9所述的方法,其特征在于,所述采样数据为编码值,所述四维数据矩阵为实数矩阵;或者
所述采样数据为脉冲信号,所述四维数据矩阵为脉冲信号矩阵。
11.根据权利要求1所述的方法,其特征在于,所述累积结果包括累积值,所述根据所述累积结果输出采样数据,包括:
每次采样采用多个比特表示所述累积值。
12.根据权利要求11所述的方法,其特征在于,还包括:
在所述累积值累积到预设阈值后,将所述累积值清空。
13.根据权利要求1所述的方法,其特征在于,所述累积结果包括累积值,所述输出采样数据,包括:
每次采样在所述累积值达到预设阈值时释放一个脉冲信号,若所述累积值为正数采用第一预设值来表示,若所述累积值为负数,采用第二预设值表示;
每次采样在所述累积值未达到预设阈值时采用第三预设值来表示。
14.根据权利要求13所述的方法,其特征在于,所述第一预设值为1,所述第二预设值为-1,所述第三预设值为0。
15.根据权利要求1所述的方法,其特征在于,所述滤波器矩阵包括多个滤波器阵列时,所述多个滤波器阵列具有不同尺度的监测范围。
16.根据权利要求1所述的方法,其特征在于,所述监测范围的形状为圆形或正多边形,所述监测范围的尺度大小与所述圆形的半径或所述正多边形的边长正相关。
17.根据权利要求1至16中任一项所述的方法,其特征在于,所述多个滤波器密集放置,其中所述密集放置是指滤波器的位置与每个信号采集器位置对应。
18.根据权利要求17所述的方法,其特征在于,所述多个滤波器密集放置时,所述多个滤波器阵列的监测范围的尺度按照二维滤波器阵列的排列顺序包括以下至少一项:3*3、5*5、7*7。
19.根据权利要求17所述的方法,其特征在于,所述滤波器的滤波函数为DOG小波函数;所述DOG小波函数中尺度参数按照二维滤波器阵列的排列设置为(0.24,0.348),(0.348,0.5046),(0.5046,0.7317),(0.7317,1.1615)。
20.根据权利要求1至16中任一项所述的方法,其特征在于,所述多个滤波器稀疏放置,其中所述稀疏放置是指根据所述多个滤波器的监测范围的尺度大小等间隔地放置所述多个滤波器,其中所述尺度与所述间隔正相关。
21.根据权利要求20所述的方法,其特征在于,所述多个滤波器稀疏放置时,所述多个二维滤波器阵列中的监测范围的尺度按照二维滤波器阵列的排列顺序包括以下至少一项:2*2、22*22...2k*2k;其中k是使得2k*2k的监测范围能够覆盖整个信号采集阵列的最小正整数。
22.根据权利要求20所述的方法,其特征在于,所述多个滤波器阵列中的滤波器的个数低于所述信号采集器阵列中的信号采集器的个数的2倍。
23.根据权利要求20所述的方法,其特征在于,所述滤波器的滤波函数为HARR小波函数。
24.根据权利要求22所述的方法,其特征在于,所述多个滤波器阵列在空间上位于同一平面或多个平面。
25.一种时空信号的重构方法,其特征在于,包括:
根据监测区域中的时空信号的采样数据得到滤波变换后的变换值,其中所述采样数据是由与用于采集时空信号的信号采集器阵列连接的一个或多个滤波器阵列生成的多维矩阵,其中所述一个或多个二维滤波器阵列中的每个滤波器连接所述信号采集器阵列中的多个信号采集器;
利用所述滤波器阵列中的滤波器的滤波系数和变换值对所述采样数据进行逆变换确定所述监测区域中的时空信号。
26.根据权利要求25所述的方法,其特征在于,所述根据监测区域中的时空信号的采样数据得到滤波变换后的变换值,包括:
利用相邻两次采样之间的多维矩阵获得所述变换值;和/或
利用多次采样中的脉冲间隔获得所述变换值。
27.根据权利要求25所述的方法,其特征在于,所述利用多次采样中的脉冲间隔获得的变换值,包括:
根据输出的采样数据分别对每个滤波器统计一定时间内输出的有向脉冲数量或者根据输出的采样数据分别对每个滤波器统计输出一定个数的有向脉冲所消耗的时间;
利用所述时间和所述有向脉冲数量获得所述变换值。
28.根据权利要求27所述的方法,其特征在于,所述根据输出的采样数据分别对每个滤波器统计一定时间内输出的有向脉冲数量,包括:
确定一个时间窗口k,对于某个时刻t,计算所述滤波器从时刻t到t+k内输出的有向脉冲数量,其中,对于第一预设值对应的有向脉冲,将有向脉冲数量加一,对于第二预设值对应的有向脉冲,将有向脉冲数量减一。
29.根据权利要求27所述的方法,其特征在于,所述根据输出的采样数据分别对每个滤波器统计输出一定个数的有向脉冲所消耗的时间,包括:
确定一个期望有向脉冲数量k,对于某个时刻t,从时刻t开始,记录所述滤波器释放的脉冲总数,直到所述滤波器释放脉冲数量达到k,此时记录下对应的时刻tk;
基于所述时刻t和所述时刻tk确定所述时间。
30.根据权利要求27所述的方法,其特征在于,所述利用所述时间和所述有向脉冲数量获得所述变换值,包括:
将所述有向脉冲数量与阈值的乘积除以所述时间得到所述时间内时空信号变换后的变换值,其中所述有向脉冲数量与阈值的乘积为信号强度值变换后的变换值的累积值,每个滤波器对应一个变换值,同一尺度的滤波器阵列对应相应尺度下的变换值矩阵,所述多维矩阵包括多个二维滤波器阵列,所述多个二维滤波器阵列对应多尺度下的变换值矩阵。
31.根据权利要求25至30中任一项所述的方法,其特征在于,所述利用所述滤波系数和变换值使用逆变换确定所述监测区域中的时空信号,包括:
根据所述多个滤波器阵列对应的多尺度下的变换值矩阵,利用逆变换系数确定某个时间段内所述监测区域的时空信号,其中,所述逆变换系数由所述滤波器对应的母函数决定,所述母函数为小波函数,所述逆变换为离散小波逆变换。
32.一种时空信号的采样装置,其特征在于,包括:
采集模块,用于利用信号采集器阵列采集监测区域中多个局部空间位置的时空信号;
变换累积模块,用于利用滤波器矩阵中的滤波器对所述信号采集器阵列中与所述滤波器关联的多个信号采集器输入的多个时空信号进行滤波变换得到变换值,对变换值进行累积得到累积结果;其中,所述滤波器矩阵包括一个或多个滤波器阵列,每个滤波器阵列包括按照空间位置排列而成的多个滤波器,所述多个滤波器具有相同尺度的监测范围;
输出模块,用于在所述累积结果到达预设累积条件后,根据所述累积结果输出采样数据。
33.一种时空信号的重构装置,其特征在于,包括:
获取模块,用于根据监测区域中的时空信号的采样数据得到滤波变换后的变换值,其中所述采样数据是由与用于采集时空信号的信号采集器阵列连接的一个或多个滤波器阵列生成的多维矩阵,其中所述一个或多个二维滤波器阵列中的每个滤波器连接所述信号采集器阵列中的多个信号采集器;
确定模块,用于利用所述滤波器阵列中的滤波器的滤波系数和变换值对所述采样数据进行逆变换确定所述监测区域中的时空信号。
34.一种计算机可读存储介质,其特征在于,所述存储介质存储有计算机程序,所述计算机程序用于执行上述权利要求1至24中任一项所述的时空信号的采样方法或上述权利要求25至31中任一项所述的时空信号的重构方法。
35.一种电子设备,其特征在于,包括:
处理器;
用于存储所述处理器可执行指令的存储器;
所述处理器,用于执行上述权利要求1至24中任一项所述的时空信号的采样方法或上述权利要求25至31中任一项所述的时空信号的重构方法。
36.根据权利要求35所述的电子设备,其特征在于,其中所述电子设备包括以下各者中的至少一者:集成电路;传感器。
37.根据权利要求35所述的电子设备,其特征在于,所述电子设备为以下设备的任一者:脉冲相机、音/视频播放器、导航设备、固定位置终端、娱乐单元、智能手机、通信设备、移动设备、可穿戴设备、服务器、以及机动交通工具中的设备。
38.一种计算机可读存储介质,所述存储介质存储有计算机程序,所述计算机程序用于执行上述权利要求1至24中任一项所述的时空信号的采样方法或上述权利要求25至31中任一项所述的时空信号的重构方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111682422.8A CN114466187B (zh) | 2021-12-30 | 2021-12-30 | 时空信号的采样方法、重构方法及其装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111682422.8A CN114466187B (zh) | 2021-12-30 | 2021-12-30 | 时空信号的采样方法、重构方法及其装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114466187A true CN114466187A (zh) | 2022-05-10 |
CN114466187B CN114466187B (zh) | 2024-03-15 |
Family
ID=81408637
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111682422.8A Active CN114466187B (zh) | 2021-12-30 | 2021-12-30 | 时空信号的采样方法、重构方法及其装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114466187B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116879699A (zh) * | 2023-09-08 | 2023-10-13 | 北京大学 | 目标对象确定方法、装置、电弧检测系统以及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105681787A (zh) * | 2016-01-22 | 2016-06-15 | 北京大学 | 对时空信号进行编码的方法和装置 |
CN107092005A (zh) * | 2017-06-16 | 2017-08-25 | 中国电子科技集团公司第二十九研究所 | 一种时空联合的阵列处理方法及装置 |
CN108881906A (zh) * | 2017-05-15 | 2018-11-23 | 北京大学 | 一种图像重构方法及装置 |
CN109116337A (zh) * | 2018-07-30 | 2019-01-01 | 西北工业大学 | 一种基于矩阵滤波的稀疏近似最小方差方位估计方法 |
US20190089953A1 (en) * | 2017-09-20 | 2019-03-21 | Futurewei Technologies, Inc. | Noise Suppression Filter Parameter Estimation For Video Coding |
CN111756352A (zh) * | 2020-05-18 | 2020-10-09 | 北京大学 | 脉冲阵列时域滤波方法、装置、设备及存储介质 |
-
2021
- 2021-12-30 CN CN202111682422.8A patent/CN114466187B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105681787A (zh) * | 2016-01-22 | 2016-06-15 | 北京大学 | 对时空信号进行编码的方法和装置 |
CN108881906A (zh) * | 2017-05-15 | 2018-11-23 | 北京大学 | 一种图像重构方法及装置 |
CN107092005A (zh) * | 2017-06-16 | 2017-08-25 | 中国电子科技集团公司第二十九研究所 | 一种时空联合的阵列处理方法及装置 |
US20190089953A1 (en) * | 2017-09-20 | 2019-03-21 | Futurewei Technologies, Inc. | Noise Suppression Filter Parameter Estimation For Video Coding |
CN109116337A (zh) * | 2018-07-30 | 2019-01-01 | 西北工业大学 | 一种基于矩阵滤波的稀疏近似最小方差方位估计方法 |
CN111756352A (zh) * | 2020-05-18 | 2020-10-09 | 北京大学 | 脉冲阵列时域滤波方法、装置、设备及存储介质 |
Non-Patent Citations (5)
Title |
---|
TIEJUN HUANG ET AL: "Rate-adaptive Compact Fisher Codes for Mobile Visual Search", 《IEEE SIGNAL PROCESSING LETTERS》, 2 January 2014 (2014-01-02) * |
WEISHENG HU; YAOHUI JIN; WEIQIANG SUN; WEI GUO; JUN SUN; JUN ZHO: "Architecture and Performance of Multicast Optical Network", 《2007 CONFERENCE ON LASERS AND ELECTRO-OPTICS - PACIFIC RIM》 * |
WEISHENG HU; YAOHUI JIN; WEIQIANG SUN; WEI GUO; JUN SUN; JUN ZHO: "Architecture and Performance of Multicast Optical Network", 《2007 CONFERENCE ON LASERS AND ELECTRO-OPTICS - PACIFIC RIM》, 31 August 2007 (2007-08-31) * |
王涛;孙俊: "基于H.264的可伸缩编码技术—视频编码与传输的新趋势", 《中国传媒科技》 * |
王涛;孙俊: "基于H.264的可伸缩编码技术—视频编码与传输的新趋势", 《中国传媒科技》, 15 March 2011 (2011-03-15) * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116879699A (zh) * | 2023-09-08 | 2023-10-13 | 北京大学 | 目标对象确定方法、装置、电弧检测系统以及存储介质 |
CN116879699B (zh) * | 2023-09-08 | 2023-12-15 | 北京大学 | 目标对象确定方法、装置、电弧检测系统以及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN114466187B (zh) | 2024-03-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7085764B2 (ja) | 時空間信号を符号化する方法及び装置 | |
CN110717857A (zh) | 超分辨率图像重构方法和装置 | |
US20100134631A1 (en) | Apparatus and method for real time image compression for particle tracking | |
CN108881906B (zh) | 一种图像重构方法及装置 | |
CN110136055B (zh) | 图像的超分辨率方法和装置、存储介质、电子装置 | |
Indhumadhi et al. | Enhanced image fusion algorithm using laplacian pyramid and spatial frequency based wavelet algorithm | |
WO2012044380A2 (en) | Method and apparatus for compressive acquisition and recovery of dynamic imagery | |
CN111179172B (zh) | 基于无人机航拍数据的遥感卫星超分辨率实现方法、装置、电子设备及存储介质 | |
CN114466187B (zh) | 时空信号的采样方法、重构方法及其装置 | |
CN102792671A (zh) | 用于图像采集和转换的方法和装置 | |
CN104601905A (zh) | 产生高动态范围影像的方法与装置以及计算机程序产品 | |
WO2014144234A1 (en) | Combining information of different levels for content-based retrieval of digital pathology images | |
Orchard et al. | Real time compressive sensing video reconstruction in hardware | |
CN113554726A (zh) | 基于脉冲阵列的图像重构方法、装置、存储介质及终端 | |
Tamilselvan et al. | Survey and analysis of various image fusion techniques for clinical CT and MRI images | |
Kannan et al. | Area level fusion of multi-focused images using multi-stationary wavelet packet transform | |
CN111353982B (zh) | 一种深度相机图像序列筛选方法及装置 | |
CN110009575B (zh) | 基于稀疏表示的红外图像条带噪声抑制方法 | |
Mohamed et al. | Implementation of image fusion techniques using FPGA | |
CN100544396C (zh) | 图像信号处理方法和设备 | |
Gurve et al. | Electrocardiogram (ECG) image processing and extraction of numerical information | |
CN112839143A (zh) | 一种单像素成像过程中采集信号的校验方法和装置 | |
CN112258394A (zh) | 数据处理方法、船只跟踪方法、装置、设备及存储介质 | |
Mitra et al. | Toward compressive camera networks | |
RU2549353C1 (ru) | Способ повышения разрешающей способности видеосистем |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |