(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210943501.8 (22)申请日 2022.08.08 (71)申请人 天津大学 地址 300072 天津市南 开区卫津路9 2号 (72)发明人 徐江涛　石晓佩　 (74)专利代理 机构 天津市北洋 有限责任专利代 理事务所 12 201 专利代理师 刘国威 (51)Int.Cl. G06V 10/26(2022.01) G06V 10/77(2022.01) G06V 10/762(2022.01) G06V 20/70(2022.01) (54)发明名称 基于主成分分析与聚类分析的脉冲图像分 割方法 (57)摘要 本发明涉及仿生图像传感器的图像处理领 域， 为实现对视觉脉冲数据降维并聚类 分析相似 触发脉冲速率的像素单元， 从而实现对场景的 图 像分割。 为此， 本发明采 取的技术方案是， 基于主 成分分析与聚类 分析的脉冲图像分割方法， 利用 图像传感器中每个像素独立地将光信号转换成 比特流， 将比特流IF模型转换为脉冲响应， 利用 主成分分析方法PCA将数据矩阵转换到低维空 间， 实现对脉冲响应数据的降维处理； 利用聚类 分析根据不同脉冲响应到聚类中心的距离来作 为分辨该数据所属类别的判据， 聚类相似触发脉 冲速率的脉冲序列， 从而实现脉冲图像分割。 本 发明主要应用于仿生图像传感器的设计制造应 用场合。 权利要求书2页 说明书4页 附图2页 CN 115311455 A 2022.11.08 CN 115311455 A 1.一种基于主成分分析与聚类分析的脉冲图像分割方法， 其特征是， 利用图像传感器 中每个像素独立地将光信号转换成比特流， 将比特流IF(Integrate  and Fire)模型转换为 脉冲响应， 利用主成分分析方法PCA(Principal  Component  Analysis)将数据矩阵转换到 低维空间， 实现对脉冲响应数据的降维处理； 利用聚类分析根据不同脉冲响应到聚类中心 的距离来作为分辨该数据所属类别的判据， 聚类相似触发脉冲速率的脉冲序列， 从而实现 脉冲图像分割。 2.如权利要求1所述的基于主成分分析与聚类分析的脉冲图像分割方法， 其特征是， 利 用主成分 分析方法PCA将数据矩阵转换到低维空间具体步骤如下： 模拟生物神经元脉冲编码过程的神经元模型被称为IF模型， 脉冲响应函数如公式(1) 所示,脉冲像素将光强信息转化为类似视觉脉冲的时域脉冲信号， 以低数据量高速传输量 化的场景信息， 输出的单比特 脉冲信号如公式(2)所示： 其中τ为衰减时间常数， 表示第i个脉冲序列的第k个视觉脉冲； 脉冲 像素采用脉冲形 式电信号 量化光强信息， 将脉冲序列转 化为脉冲响应函数如公式(3)所示： 输入： 脉冲响应函数 X0＝{Xi}＝{x1,x2,x3,…,xn}， 将其降到k维： (1)对视觉脉冲数据集X0去中心化得到X， 即每一脉冲序列减去平均值； (2)计算视觉 脉冲数据集X的协方差矩阵XXT， 基于特征值分解方法求解特征值ev与特征 向量W； (3)对特征值ev从大到小排序， 计算累计贡献率如公式(4)所示， 依据累计贡献率达到 80％以上来确定主成分个数r； (4)基于对应的r个特征向量得到脉冲响应样本主成分Ti＝WiTX， 将数据 转换到r个特征 向量构建的新空间中： PCA算法将p维特征映射到r维上， 这r 维是全新的正交特征也被称为主成分， 是在原有p 维特征的基础上重新构造出来的r维特 征。 3.如权利要求1所述的基于主成分分析与聚类分析的脉冲图像分割方法， 其特征是， 聚 类相似触发脉冲速率的脉冲序列具体步骤如下： 输入： 脉冲响应样本主成分Y＝{Yi}＝{y1,y2,y3,…,yr}， 需要将其聚为m类， m<r； (1)随机从脉冲响应样本主成分Y中抽取m个对象作为初始聚类中心； (2)分别计算所有的对象Yi到m个聚类中心的欧氏距离， 相互比较后将对象Yi归属于距 离最小的一类； (3)根据步骤(2)得到的初始分类， 计算每一类的均值向量作为每一类新的聚类中心；权　利　要　求　书 1/2 页 2 CN 115311455 A 2(4)根据新的聚类中心， 重复进行步骤(2)和(3)， 直至满足迭代次数。权　利　要　求　书 2/2 页 3 CN 115311455 A 3