Computer vision 光场中检测光脉冲的术语和参考文献

给定一个有固定背景的视频，其中包含很多光的变化，我试图检测在相对较短的时间跨度内出现的光脉冲。播放视频时，人们很容易区分光脉冲，但如果只显示静止帧，就不可能区分脉冲和背景光

我想知道机器视觉中是否有专门的术语，我可以用来搜索用来解决这个问题的算法。如果你有任何关于解决这个问题的论文或开源软件的参考资料，那就太好了

编辑：更多上下文

---

视频本身是一个生物过程，发生在亚细胞水平，当背景固定时，在像素水平上也存在大量随机信号噪声（相邻像素之间的噪声似乎没有显著相关性）。注意，我在第一段中提到的变化是真实的变化，而不是信号噪声。既然我提到了这个过程是生物性的，那么也许也值得一提的是，没有运动在进行；这些只是光的脉冲。此外，脉冲本身占据了足够的像素，因此很容易识别它们的相对大小。

从统计数据中，您可以查看变化点检测。其基本思想是，如果定义了某些区域粒度，则每个（x，y）点或区域在大多数情况下都具有强度I（x，y），其中I（x，y）是随机的，但有界的或随机的，具有某些假定分布（例如，具有给定平均值和标准差的正态分布），然后观察到它的强度，对于这种分布来说是反常的。异常检测也适用，但时间序列性质更合适

（如果您想更深入地了解统计方法，在统计堆栈交换网站上讨论这一点会更合适。）

如果你研究天文应用，你可以找到关于超新星和脉冲星探测的论文

---

---

更新1。为了澄清天文类比，如果脉冲在重复，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。如果脉冲是突发性的，并且在空间上是聚集的，那么流星撞击探测就会更好。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，但最好了解感兴趣的随机现象，以便缩小检测方法的范围。

假设一个完全静止的场景，没有物体和摄像机运动，那么，任何颜色偏差都是由于照明变化造成的。 如果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），则这应该是由于光源打开/关闭所致

---

如果您只对点光源感兴趣，则大于最大视在光源的区域中的任何变化都应被视为来自其他因素（例如，太阳突然从云层后面露出）

< p>继续应用统计学的概念：您可以考虑将每个图像帧网格化为矩形邻域。在每个时间t，计算邻域的方差（或标准差）。据推测，未引用的邻域将表现出某种共同的强度分布（即均匀分布，但最有可能是某种形式的高斯分布）。脉冲像素的存在会以某种方式使该分布产生偏差。当比较时间t和t-1的邻域时，平均强度的显著变化（或方差的变化等）将表明邻域兴奋

你也可以考虑其他的测量方法，如偏度和峰度。假设初始的未引用分布是高斯分布，“形状”参数也可以识别像素总体的差异

---

*请注意，为了简单起见，我假设为灰度图像，但相同的原理可能适用于RGB图像。

您认为脉冲是重复的还是一次性的（或突发的）？在天文学中，脉冲星或超新星（或流星雨）？这些脉冲是单个事件。。。没有重复的模式。