[发明专利]基于仿生视觉传感器时空数据流的自适应切割方法

权利要求书

1.基于仿生视觉传感器时空数据流的自适应切割方法，其特征是：该方法由以下步骤实现：

步骤一、获取理想帧图像；

通过累积Tms事件，并采用对过往事件消除的方式，获取一帧理想帧图像；具体为：

步骤一一、以(x,y,t5)为中心事件构建3×3滑块，设定以(x,y,t5)为中心事件的八领域事件分别为(x-1,y+1,t1)、(x,y-1,t2)、(x+1,y+1,t3)、(x-1,y,t4)、(x+1,y,t6)、(x-1,y-1,t7)、(x,y-1,t8)和(x+1,y-1,t9)；若中心事件周围无八领域事件，则该将事件定义为噪声，并进行清除；

步骤一二、获取八领域事件与中心事件(x,y,t5)的向量关系，用于获取运动方向；

步骤一三、利用向量合成的方法初步获取中心事件的运动向量v_(x,y,t)，用下式表示为：

步骤一四、利用局部一致性的原理确定所述中心事件的最终运动方向，并获取中心事件的八领域事件的运动向量分别为：

对所述3ⅹ3滑块内所有的事件运动向量进行合成，最终获取中心事件的运动向量：

步骤一五、由获取的中心事件运动向量得出(x,y,t5)的过往事件，将过往事件消除，获得理想帧图像；

步骤二、构建虚拟帧图像；

累积多个时空数据，将所述累积多个时空数据去除时间信息，只保留位置信息，完成多个虚拟帧图像的构建；

步骤三、图像相似度的计算；

计算步骤一获得的理想帧图像与步骤二的获得的多个虚拟帧图像之间的相似度，获取一组相似度数据；

步骤四、利用步骤三获得的一组相似度数据，计算置信区间[a,b]；

步骤五、判断步骤三中获得的相似度在置信区间[a,b]内是否存在的最大值S_N，如果是，则执行步骤六；如果否，T＝T+1，返回步骤一；

步骤六、取所述最大值S_N对应的时间空数据流作为切割完成的时空数据流。

2.根据权利要求1所述的基于仿生视觉传感器时空数据流的自适应切割方法，其特征在于：步骤六中，还包括判断是否还有其他需要切割的时空数据流，如果是，则T＝T+1，返回步骤一；如果否，结束。