研究目的
提出一种改进的动态视觉传感器（DVS）事件可视化方法，以实现高速、信息丰富且降噪效果更佳的呈现，并开发基于共享字典的视频去噪方法。
研究成果
所提出的改进可视化方法通过利用重叠事件，在DVS视频中成功实现了高帧率与丰富信息的兼顾?；诠蚕碜值涞娜ピ敕椒ㄔ谟行Ы翟氲耐北Ａ袅宋锾褰峁埂８每蚣茉谑笛橹斜硐至己?，证明了其对DVS应用的实用性。未来工作应聚焦于实时去噪及向车载数据集的拓展。
研究不足
去噪方法可能无法有效处理所有类型的噪声，且训练字典的计算时间可能较高，尤其是使用较大块尺寸时。该方法仅在特定DVS数据上进行了测试，可能无法推广到所有场景。实时应用尚未实现，未来工作将考虑该方向。
1：实验设计与方法选择：
本研究设计了一个DVS事件可视化与去噪框架?？墒踊椒ㄊ苋死嗍泳跸低称舴?，采用重叠事件实现高帧率与丰富信息；去噪方法基于K-SVD算法构建共享字典以降低DVS视频噪声。
2：样本选择与数据来源：
实验使用南洋理工大学VIRTUS集成电路设计卓越中心CeleX XEM 3010 DVS设备采集的事件数据，选取10秒内事件生成84fps、共840帧的视频。
3：实验设备与材料清单：
DVS设备（CeleX XEM 3010，序列号1540）、搭载Intel Core i7-5930K CPU、NVIDIA GeForce GTX 1080 GPU、128GB内存的计算机（Windows 7 64位系统）；软件：配备C++的Microsoft Visual Studio 2013及含K-SVD和OMP工具箱的MATLAB R2017a。
4：0）、搭载Intel Core i7-5930K CPU、NVIDIA GeForce GTX 1080 GPU、128GB内存的计算机（Windows 7 64位系统）；软件：
4. 实验流程与操作步骤：通过重叠事件法将事件可视化成??；去噪时筛选关键帧，利用K-SVD训练共享字典并删除对应事件实现降噪，最后对去噪事件重新可视化。
5：实验流程与操作步骤：
5. 数据分析方法：基于帧率、单帧事件数、时间切片及去噪帧视觉质量评估性能，优化块大小、原子数量、噪声标准差及迭代次数等参数。
独家科研数据包，助您复现前沿成果，加速创新突破
获取完整内容-
GPU
NVIDIA GeForce GTX 1080
NVIDIA
Accelerating computational tasks
-
Dynamic Vision Sensor
CeleX XEM 3010
VIRTUS IC Design Centre of Excellence, Nanyang Technological University
Capturing events for visualization and denoising experiments
-
CPU
Intel Core i7-5930K
Intel
Running visualization and denoising algorithms
-
RAM
128GB
Providing memory for data processing
-
Operating System
Windows 7 64-bit
Microsoft
Platform for running software
-
Software
Microsoft Visual Studio 2013
Microsoft
Developing and running C++ programs for visualization
-
Software
MATLAB R2017a
MathWorks
Using K-SVD and OMP toolboxes for denoising
-
登录查看剩余5件设备及参数对照表
查看全部
