[发明专利]一种基于深度学习的色序型显示器控制方法及装置

权利要求书

1.一种基于深度学习的色序型显示器控制方法，其特征在于，包括：

对输入的单帧图像，基于所述单帧图像的图像特征以及色序型显示器的刷新率，采用深度学习的方法确定与所述单帧图像匹配的驱动算法；

采用所述驱动算法计算得到所述单帧图像在各个场中的理想背光分布；

根据所述理想背光分布，结合所述色序型显示器的光扩散特性，计算出所述单帧图像在各个场中的模拟背光分布和透射率；

根据所述模拟背光分布和透射率，计算出各个场的图像；

其中，利用下述方程式计算得到所述透射率：

利用下述方程式计算所述模拟背光分布：

T_min＝min(T_R,T_G,T_B)

和I_i表示图像亮度；和BL_i分别表示使用局部彩色背光调光技术时，传统全开启背光和模糊背光图像的强度，T_R、T_G和T_B分别表示液晶像素的红、绿、蓝分量，T′_R、T′_G和T′_B分别表示所述模拟背光分布的红、绿、蓝分量。

2.根据权利要求1所述的方法，其特征在于，所述对输入的单帧图像，基于所述单帧图像的图像特征以及色序型显示器的刷新率，采用深度学习的方法确定与所述单帧图像匹配的驱动算法，包括：

将所述单帧图像输入至预训练的图像分类模型，得到图像分类模型输出的与所述单帧图像匹配的驱动算法；

所述图像分类模型以训练图像作为训练样本，以训练图像所匹配的驱动算法作为样本标签训练得到；

在所述图像分类模型输出的驱动算法中，选取与所述色序型显示器的刷新率一致的驱动算法，作为与所述图像匹配的驱动算法。

3.根据权利要求2所述的方法，其特征在于，所述图像分类模型的训练方法包括：

获取训练图像集；

将预设的驱动算法应用于训练图像，并对所述训练图像在每一种类型的驱动算法下的色分离程度进行计算，以及将色分离程度最低的驱动算法标记为所述图像的匹配驱动算法；

将训练图像输入到图像分类模型中，得到图像分类模型输出的所述训练图像对应的驱动算法；

以所述输出的所述训练图像对应的驱动算法趋近于所述训练图像标记的匹配驱动算法为训练目标，更新所述图像分类模型的参数。

4.根据权利要求3所述的方法，其特征在于，所述训练图像在驱动算法下的色分离程度的计算方法，包括：

获取所述训练图像在驱动算法下的各个场的图像，并将所述各个场的图像合并成所述训练图像的模拟显示图像；

计算模拟显示图像中各个区域的视觉显著性VS，将模拟显示图像中VS值大于预设阈值的区域确定为显性视觉显著性DVS区域；

逐个像素地计算所述模拟显示图像的DVS区域，与所述训练图像的相应区域之间的色差；

对DVS区域内所有像素的色差进行求和，得到总色差值，并将总色差值除以DVS区域的像素数目，得到色分离程度的值。

5.根据权利要求1所述的方法，其特征在于，所述对输入的单帧图像，基于所述单帧图像的图像特征以及色序型显示器的刷新率，采用深度学习的方法确定与所述单帧图像匹配的驱动算法，包括：

对输入的单帧图像，基于所述单帧图像所包含的整体区域的图像特征，结合色序型显示器的刷新率，采用深度学习的方法确定与所述单帧图像匹配的驱动算法。

6.根据权利要求1所述的方法，其特征在于，所述对输入的单帧图像，基于所述单帧图像的图像特征以及色序型显示器的刷新率，采用深度学习的方法确定与所述单帧图像匹配的驱动算法，包括：

对输入的单帧图像，将所述单帧图像划分成至少两个区域；

对于每一个区域，基于所述区域的图像特征，结合色序型显示器的刷新率，采用深度学习的方法确定与所述区域匹配的驱动算法。