基于真实世界统计分布规律的幂律感知成像方法及系统

本申请属于机器视觉，更具体地，涉及一种基于真实世界统计分布规律的幂律感知成像方法及系统。

背景技术：

1、随着自动驾驶、智能机器人及边缘智能设备的快速发展，基于机器视觉的环境感知与自主决策已成为核心基础技术。相关视觉系统通常部署于资源受限的边缘端，其在带宽、功耗及计算能力等方面均存在严格约束。因此，如何在信号采集阶段实现高效的信息获取与表达，成为机器视觉领域亟需解决的关键问题之一。

2、现有机器视觉系统大多仍采用线性感知范式，即图像传感器输出信号与入射光强之间保持线性响应关系。该范式能够较为真实地保留物理光强信息，在传统摄影、图像记录等应用场景中具有良好表现。但对于以决策为目标的机器视觉任务而言，线性感知方式未考虑真实场景中光强分布的非均匀性，导致非均匀性信号在数据量化过程中丢失大量有效信息，难以实现高效的信息表达效率。由此在有限比特深度与带宽条件下，制约了机器视觉任务在复杂光照环境下的性能提升。

技术实现思路

1、针对现有技术的缺陷，本申请的目的在于提供一种基于真实世界统计分布规律的幂律感知成像方法及系统，旨在解决在真实场景复杂光照环境下，现有机器视觉技术的信息表达效率不高的技术问题。

2、本申请的第一方面涉及一种基于真实世界统计分布规律的幂律感知成像方法，包括：

3、获取真实场景的原始图像数据作为输入信号，所述输入信号的强度分布具有非均匀统计特性；

4、根据预设的量化比特深度，从预先建立的幂律指数查找表中确定对应的幂律指数；

5、在信号采集阶段，采用所述幂律指数对所述输入信号施加幂律非线性映射，得到输出信号；

6、按所述预设的量化比特深度对所述输出信号进行量化编码后输出；

7、其中，所述幂律指数查找表是基于真实场景图像的统计分布规律预先建立的；所述幂律指数查找表中的幂律指数被设为使对应量化比特深度下，经量化编码后的输出信号的信息熵最大化。

8、优选的，所述幂律指数查找表的建立步骤包括：

9、获取真实场景的原始图像数据；

10、统计所述原始图像数据的像素强度概率密度分布作为输入分布；

11、针对每个候选量化比特深度，分别执行以下寻优过程：分别在每个候选幂律指数下，对所述输入信号分布施加幂律非线性映射，得到输出分布；再按所述候选量化比特深度对所述输出分布进行量化编码，得到量化编码后分布；计算所述量化编码后分布的香农信息熵，将香农信息熵最大的候选幂律指数确定为所述候选量化比特深度下的最优幂律指数；

12、建立每个候选量化比特深度和对应最优幂律指数之间的一一映射关系，形成所述幂律指数查找表。

13、优选的，计算所述量化编码后信号分布的香农信息熵，具体为：

14、计算所述量化编码后信号分布的香农信息熵：

15、

16、其中，表示量化编码后分布中第个量化强度对应的概率；再对所述香农信息熵进行归一化：

17、

18、其中，为量化比特深度；为归一化后的香农信息熵。

19、优选的，采用所述幂律指数对所述输入信号施加幂律非线性映射，具体为：

20、

21、其中，为幂律指数，为输入信号，为输出信号，表示正比于。

22、优选的，所述非均匀统计特性包括重尾分布特性。

23、优选的，所述量化比特深度为8比特时，所述最优幂律指数位于0.3至0.4的区间内。

24、优选的，所述幂律非线性映射在信号采集阶段通过具有幂律响应特性的光电器件物理实现，所述光电器件的输出光电流与入射光强满足关系，其中，为幂律指数。

25、优选的，所述光电器件为具有陷阱态调控机制的光电异质结器件，通过调控陷阱态电离密度来改变载流子输运行为，从而实现的连续可调。

26、本申请的第二方面涉及一种基于真实世界统计分布规律的幂律感知成像系统，用于执行第一方面中任一幂律感知成像方法，包括：

27、传感器模块，用于获取真实场景的原始图像数据作为输入信号，所述输入信号的强度分布具有非均匀统计特性；

28、查找表模块，用于存储量化比特深度与幂律指数之间的映射关系，所述映射关系是基于真实场景图像的统计分布规律预先建立的，且所述映射关系中的幂律指数被设为使对应量化比特深度下，经量化编码后的输出信号的信息熵最大化；

29、幂律映射模块，用于根据预设的量化比特深度从所述查找表模块中确定对应的幂律指数，并对所述输入信号施加幂律非线性映射，得到输出信号；

30、输出模块，用于按所述预设的量化比特深度对所述输出信号进行量化编码后输出。

31、优选的，所述映射关系通过以下方法预先获得：

32、获取真实场景的原始图像数据；

33、统计所述原始图像数据的像素强度概率密度分布作为输入分布；

34、针对每个候选量化比特深度，分别执行以下寻优过程：分别在每个候选幂律指数下，对所述输入信号分布施加幂律非线性映射，得到输出分布；再按所述候选量化比特深度对所述输出分布进行量化编码，得到量化编码后分布；计算所述量化编码后分布的香农信息熵，将香农信息熵最大的候选幂律指数确定为所述候选量化比特深度下的最优幂律指数；

35、建立每个候选量化比特深度和对应最优幂律指数之间的一一映射关系，形成所述幂律指数查找表。总体而言，通过本申请所构思的以上技术方案与现有技术相比，具有以下有益效果：

36、（1）本申请通过预先建立以归一化信息熵最大化为准则的量化比特深度与最优幂律指数映射查找表，在信号采集阶段针对特定比特深度约束，主动适配输入信号的统计分布规律；在量化编码前即通过幂律非线性映射完成信息重分布，使输出信号的信息熵趋近该比特深度下的理论高限，从根本上解决了线性感知范式下量化资源分配失配、信息表达效率低下的问题。

37、（2）本申请中，幂律非线性映射具备乘性光照变化下的尺度不变特性，对低亮度区域的信息进行扩展，同时对高亮区域进行压缩，能显著提升暗部细节的表达能力，使系统在过暗、过曝等高动态范围场景中仍能保持稳定的视觉感知性能。

38、（3）本申请中，幂律非线性映射在信号采集阶段通过具有幂律响应特性的光电器件物理实现，无需依赖后端数字域的非线性变换，大幅减少了后续存储、传输及计算开销，尤其适用于带宽、功耗和算力均受限的边缘端机器视觉系统。

1.一种基于真实世界统计分布规律的幂律感知成像方法，其特征在于，包括：

2.根据权利要求1所述的幂律感知成像方法，其特征在于，所述幂律指数查找表的建立步骤包括：

3.根据权利要求2所述的幂律感知成像方法，其特征在于，计算所述量化编码后信号分布的香农信息熵，具体为：

4.根据权利要求1所述的幂律感知成像方法，其特征在于，采用所述幂律指数对所述输入信号施加幂律非线性映射，具体为：

5.根据权利要求1所述的幂律感知成像方法，其特征在于，所述非均匀统计特性包括重尾分布特性。

6.根据权利要求1所述的幂律感知成像方法，其特征在于，所述量化比特深度为8比特时，所述最优幂律指数位于0.3至0.4的区间内。

7.根据权利要求1所述的幂律感知成像方法，其特征在于，所述幂律非线性映射在信号采集阶段通过具有幂律响应特性的光电器件物理实现，所述光电器件的输出光电流与入射光强满足关系，其中，为幂律指数。

8.根据权利要求7所述的幂律感知成像方法，其特征在于，所述光电器件为具有陷阱态调控机制的光电异质结器件，通过调控陷阱态电离密度来改变载流子输运行为，从而实现的连续可调。

9.一种基于真实世界统计分布规律的幂律感知成像系统，用于执行权利要求1-8任一所述幂律感知成像方法，其特征在于，包括：

10.根据权利要求9所述的幂律感知成像系统，其特征在于，所述映射关系通过以下方法预先获得：