用于检测光场中的光脉冲的术语和参考

Question

鉴于背景固定的视频包含大量光线变化，我试图检测相对较短时间内发生的光脉冲。播放视频时，人们很容易区分光脉冲，但如果仅显示静止帧，则无法区分脉冲和背景光。

我想知道机器视觉中是否有特定术语可用于搜索用于解决此问题的算法。此外，如果你有任何论文或开源软件的参考，解决这个问题，那将是很好的。

修改：更多背景

视频本身是在亚细胞水平上发生的生物过程，虽然背景是固定的，但在像素级别也存在大量的随机信号噪声（这似乎并不重要）相邻像素之间噪声的相关性）。请注意，我在第一段中提到的变化是真正的变化而不是信号噪声。由于我提到这个过程是生物学的，所以也许值得一提的是没有动静;这些只是光脉冲。此外，脉冲本身占据足够的像素，因此很容易辨别它们的相对大小。

Answer 1

从统计数据中，您可以查看变更点检测。基本思想是大多数时候每个（x，y）点或区域，如果你定义一些粒度的区域，有一个强度I（x，y），其中I（x，y）是随机的，但要么是有界的或具有一些假设分布的随机（例如，具有给定平均值和标准偏差的正态分布），然后观察到具有对于该分布异常的强度。异常检测也适用，但时间序列性质更合适。

（如果你想更多地了解统计方法，那么在统计Stack Exchange网站上讨论它会更合适。）

如果你研究天文学应用，你可以找到关于超新星和脉冲星探测的论文。

---

更新1.为了澄清天文学的类比，如果脉冲重复，那么关于脉冲星或卫星的论文可能是最合适的。如果脉冲是一次性的，那么关于超新星探测的论文会更好。如果脉冲是爆破的，并且在空间上聚集，则流星撞击检测会更好。虽然空间时间序列分析，特别是变化点或异常检测是有用的，但最好是了解感兴趣的随机现象，以缩小检测方法。

Answer 2

继续应用统计数据的概念：您可以考虑将每个图像帧网格化为矩形邻域。在每次 t 时，计算邻域的方差（或标准偏差）。据推测，未激发的邻域将表现出一些共同的强度分布（即均匀，但很可能是某种形式的高斯）。脉冲像素的存在将以某种方式偏向该分布。当比较时间 t 和 t-1 时的邻域时，平均强度的显着变化（或方差的变化等）将表示兴奋的邻域。 / p>

您也可以考虑查看其他度量，例如偏度和峰度。假设初始的，未激发的分布是高斯分布，“形状”参数也可以识别像素群中的差异。

*请注意，为了简单起见，我假设是灰度图像，但可以将相同的原理应用于RGB图像。

Answer 3

假设没有物体和相机运动的完全静态场景，那么任何颜色偏差都将归因于灯光的变化。 如果您在特定像素处检测到突然的颜色/强度变化（即亮度变化超过某个允许的阈值），那么这应该是由于光源打开/关闭。

如果你只对点光源感兴趣，那么大于最大视在光源的区域的任何变化都应该被视为来自其他东西（例如，从云层后面突然发现的太阳）。