[发明专利]一种基于神经网络的色度测量方法

说明书

本发明公开了一种基于神经网络的色度测量方法，将全部灰度值划分为若干个灰度值段；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数值和XYZ数值，获取显示设备样本的RGB数据集和XYZ数据集；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；利用样本点对神经网络进行训练，依次获取对应关系转换模型的建模型池。本发明技术方案针对现有技术中由于RGB颜色空间与XYZ颜色空间的对应转换关系精度不高的问题，采用对灰度值进行分段的方式，每个灰度值分段内分别构建RGB颜色空间与XYZ颜色空间的转换关系模板，从而避免了全部灰度值只对应一个转换关系从而导致显示面板色度显示精度不够的问题。

技术领域

本发明属于显示测量技术领域，具体涉及一种基于神经网络的色度测量方法。

背景技术

随着显示技术的发展，人们对显示设备品质的要求越来越高，显示设备的显色品质及色保真度也日益显得重要。所以高精度的亮度色度测量设备在显示设备的制造及检测过程中必不可少。针对目前显示设备的色度测量，目前市面上已经有比较成熟的设备，例如分光光度计和滤镜式色度计，这类色度计有很好的测量精度，但是因其测量的范围非常有限，所以成像色度计应运而生。但是，成像色度计本身也存在较大的测量。现有技术中，成像色度计通常采用的都是面阵感光芯片(CCD/CMOS)，一般CCD/CMOS的光电响应曲线与标准CIE标准观察者曲线差异很大，两者的差异是导致测量误差的根本原因，只有准确的找到CCD/CMOS光电响应曲线与CIE标准观察者曲线之间的关系才能提高成像式面阵色度计的测量精度。

为了对显示设备的色度量进行矫正，现有的技术方案中，成像色度计的色度亮度矫正的方法有多项式回归法和3D查表法，来对RGB颜色空间到XYZ颜色空间的转换关系进行拟合，即确定RGB颜色空间与XYZ颜色空间的对应关系。具体来说，现有技术中，CN201010139564公开了一种CCD式的光学品质测量装置，其中采用的是多项回归法来来实现RGB颜色空间到XYZ颜色空间的转换关系拟合。而在文献《基于查找表法的CCD数据相机特征化研究》中，采用的则是3DLUT方法。此外，在文献《一种对显示器进行精确特征化的方法》中，采用BP神经网络的方式对RGB于XYZ之间的转换关系进行拟合。

现有方案显示面板色度测量的实际应用中的误差偏大，不能达到用户的要求。具体来说，现有技术方案中仍然存在如下问题：首先，多项式回归法实际上是采用线性关系拟合RGB到XYZ之间的关系，而实际上RGB到XYZ的颜色空间的转换是一个复杂的非线性转换，线性拟合的结果误差很大。其次，3DLUT法在实际操作过程中，采集的数据并不是一个规则的立方体，这是因为屏幕亮度的变化和人眼亮度对其的响应不是一个线性变化关系，所以很难做到是一个规则均匀的立方体。这样给查表和插值带来误差，导致最终的测量误差偏大。最后，现有技术中的BP神经网络方法对一个色度测量系统都是采用一个转换模型，也就是说光谱设备在所有灰度值下使用的都是同一模型。而在实际应用中，显示设备在高灰阶和低灰阶的光谱特性并不一致，即其转换模型也应当是不同的，对于同一批次的显示面板，其光谱特性也有很大的差异。

发明内容

针对现有技术的以上缺陷或改进需求，本发明提供了一种基于神经网络的色度测量方法，至少可以部分解决上述问题。本发明技术方案针对现有技术中由于RGB颜色空间与XYZ颜色空间的对应转换关系精度不高从而导致显示面板的色度显示不能达到应用需求的情况，采用对灰度值进行分段的方式，每个灰度值分段内分别构建RGB颜色空间与XYZ颜色空间的转换关系模板，从而避免了全部灰度值只对应一个转换关系从而导致显示面板色度显示精度不够的问题。

为实现上述目的，按照本发明的一个方面，提供了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；