[发明专利]一种脉冲序列压缩方法及系统

说明书

本发明主要提出一种脉冲序列压缩方法及系统，包括：将原始脉冲信号转换为灰度图序列；对所述灰度图序列进行块划分，得到若干子块；对每个所述子块进行预测得到预测像素值，计算真实值和预测像素值的残差；对所述残差的信息进行变换和量化操作；通过熵编码将所述块划分的信息、预测信息和残差信息进一步压缩，并存储为二进制码流。该方法充分利用了脉冲序列信号在空间和时间上的相关性，从而有效地压缩脉冲序列。实验结果表明该方法能够显著压缩脉冲序列，可以有效地应用在实际的脉冲序列内容的压缩、传输、存储系统中。

技术领域

本发明属于数字信号处理领域，具体涉及一种由动态视觉传感器(DVS,DynamicVision Sensors)记录的脉冲序列的压缩方法及系统。

背景技术

动态视觉传感器通过模仿视网膜来感测和编码世界，并将之作为神经信号来获取视觉信息，所以动态视觉传感器是一种有前途的、可用于移动机器人的自主运动控制的神经形态视觉传感器。尽管研究人员已经使用各种传感器来感知环境，如基于帧的相机，结构光传感器和立体相机等，但仍然存在许多限制和缺陷。作为一个有希望的解决方案，动态视觉传感器通过模拟视网膜，并响应由于运动引起的场景中的像素级亮度变化而产生的脉冲。与传统的基于帧的摄像机相比，特别是对于移动场，DVS在数据速率、速度和动态范围方面具有很大的优势。此外，由DVS产生的脉冲可以直接传送到脉冲神经网络(SNN,SpikingNeural Network)，用于视觉处理和运动控制。

随着视频技术的发展，很多场景中对视频的动态范围和时间分辨率有着更高的需求，动态视觉感知器的优势在这些场景得以体现。传统摄像头的帧率一般为几十，更高的帧率往往会极大地提高技术和生产成本。而动态视觉传感器是记录反映运动信息的脉冲信号，帧率可以达到上万帧，在自动驾驶等高速运动摄影下有着广阔的应用前景。

动态视觉传感器是一种新型的类视网膜的视觉传感器。在动态视觉传感器中，每个像素点通过产生异步的事件独立地对亮度变化进行响应和编码，其产生的事件流一定程度上消除了传统摄像机输出的连续图像中时域上的冗余；而且它具有极高的时间分辨率，可以捕获到超快速运动；另外，它具有非常高的动态范围，即在白天和黑夜都可以很好地工作。所以，动态视觉传感器也可以被应用在监控系统中。

DVS产生的脉冲信号一般以地址事件表示(AER,Address Event Representation)的形式存储，每一个数据都是由事件的地址(对应像素的位置)，以及事件的性质(变亮还是变暗)等组成。由于DVS帧率极高，数据量也很大，需要占用非常大的传输带宽和存储空间，客观上对软硬件的要求太高。除此之外，现有的DVS脉冲序列处理方法，无法集成到最新的视频编解码标准中，无法进行后续的压缩等操作。

发明内容

为解决现有脉冲序列压缩技术的不足，本发明提供一种能够有效地压缩AER脉冲序列的方法。通过将脉冲信号合成灰度图像，并在之后进行有损编码，能够极大地降低传输带宽和存储代价。

具体的，根据本发明的一个方面，还提供了一种脉冲序列压缩方法，包括：

将原始脉冲信号转换为灰度图序列；

对所述灰度图序列进行块划分，得到若干子块；

对每个所述子块进行预测得到预测像素值，计算真实值和预测像素值的残差；

对所述残差的信息进行变换和量化操作；

通过熵编码将所述块划分的信息、预测信息和残差信息进一步压缩，并存储为二进制码流。

优选的，所述将原始脉冲信号转换为灰度图序列，包括：

将原始的地址加时间、极性格式存储的脉冲信号转换为1比特深度的脉冲图像；

将每连续的若干帧上述脉冲图像合成一帧多比特深度的单通道图像。

优选的，所述块划分包括：