[发明专利]一种基于神经网络的色度测量方法

权利要求书

1.一种基于神经网络的色度测量方法，其特征在于，包括，

S1将全部灰度值划分为若干个灰度值段；

S2提取在不同灰度值条件下设备样本图像在目标区域内的RGB数值，获取显示设备样本的RGB数据集；提取在不同灰度值条件下设备样本在目标区域的XYZ数值，获取显示设备样本的XYZ数据集；

S3将显示设备样本在每个灰度值段的RGB数值集合与XYZ数值集合一一对应，形成该灰度值段的样本点；

S4利用样本点对神经网络进行训练，获取每个显示设备样本在每个灰度值段内RGB数值与XYZ数值的对应关系转换模型，构建模型池；

S5采集待测显示面板在目标区域的RGB数值，在模型池中寻找匹配的转换模型并利用该模型将测得的RGB数值转换为色度值。

2.根据权利要求1所述的一种基于神经网络的色度测量方法，其中，所述步骤S1中，所述灰度值段可以均匀或是不均匀划分。

3.根据权利要求1或2所述的一种基于神经网络的色度测量方法，其中，所述步骤S2中，提取显示设备样本图像在中心区域的RGB数值。

4.根据权利要求1或2所述的一种基于神经网络的色度测量方法，其中，所述步骤S2中，提取设备样本在中心区域的XYZ数值。

5.根据权利要求1或2所述的一种基于神经网络的色度测量方法，其中，所述步骤S4中，显示设备在每个灰度值上的RGB数据分别与对应灰度值上的XYZ数据相对应。

6.根据权利要求1或2所述的一种基于神经网络的色度测量方法，其中，所述步骤S4中，利用所述样本点对BP神经网络进行训练，包括，

S41获取任意显示设备样本在任意灰度值段内的全部样本点，将所述样本点分为训练数据组和检测数据组，每个数据组中包含有当前显示设备样本在当前灰度值段的多个样本点；

S42依次将训练数据组内每个样本点的RGB数值输入神经网络，控制神经网络输出对应的XYZ数值，获取当前显示设备样本在当前灰度值段的转换模型；

S43利用检测数据组内的样本点对当前显示设备样本在当前灰度值段的初始转换模型的测量精度进行检验，符合要求则将当前转换模型纳入模型池，否则调整样本点分组获取新的训练数据组和检测数据组，进入步骤S42；

S44获取每个显示设备样本在每个灰度值段内的RGB数值与XYZ数值的对应关系转换模型，构成模型池。

7.一种权利要求1～6任一项所述基于神经网络的色度测量方法的应用，其特征在于，包括，

S5在当前灰度值条件下采集显示设备待测区域的RGB数值点；

S6在模型池中寻找与待测区域的RGB数值最接近的样本点所对应的转换模型作为目标转换模型或更新模型池；

S7利用转换模型将待测区域的RGB数值转换成对应的XYZ值，获得显示设备待测区域的色度值。

8.根据权利要求7所述的一种权利要求1～6任一项所述基于神经网络的色度测量方法的应用，其中，所述步骤S6包括，

S61以显示设备待测区域的RGB数值点为中心，确定最小距离范围内是否存在样本点；若存在，进入步骤S62，否则进入步骤S63；

S62分别计算最小距离范围内的样本点与待测区域的RGB数值点之间的距离，确定距离最小的样本点，根据距离最小的样本点获取其所对应的转换模型；

S63将当前显示设备作为样本，将其在每个灰度值段的RGB数值集合与XYZ数值集合一一对应，形成当前显示设备的样本点；

S64利用当前显示设备的样本点对神经网络进行训练，依次获取当前显示设备在在当前灰度值段内RGB数值与XYZ数值的对应关系转换模型，加入模型池。