一种TFT显示屏的视觉色彩校准方法技术

本发明专利技术涉及人工智能技术，揭露了一种基于神经网络的色彩校准方法，包括：将训练色块集的RGB值集及标准色度值集做为样本数据集；根据样本数据集，利用LM算法，对显示屏色彩空间转换模型进行训练，得到训练完成的显示屏色彩空间转换模型；获取及测量待测显示屏色块的RGB值及标准色度值，利用显示屏色彩空间转换模型将待测显示屏色块的RGB值转换为测试色度值，计算测试色度值与标准色度值的误差；根据误差对待测显示屏进行色彩校准。此外，本发明专利技术还涉及区块链技术，RGB值可存储于区块链的节点。本发明专利技术还提出一种基于神经网络的色彩校准装置、电子设备以及存储介质。本发明专利技术可以提高色彩校准效率。色彩校准效率。色彩校准效率。

【技术实现步骤摘要】
一种TFT显示屏的视觉色彩校准方法


[0001]本专利技术涉及人工智能
，尤其涉及一种基于神经网络的色彩校准方法、装置、电子设备及计算机可读存储介质。

技术介绍

[0002]由于TFT(Thin Film Transistor，薄膜晶体管)液晶显示屏本身的特点，难以保证每块显示屏都能达到相同的色准表现，导致存在色偏的问题，因此需要对显示设备上的显示屏进行色彩校准。
[0003]现有的色彩校准技术主要利用采集得到三基色光的颜色分量信息与目标色域的三基色的颜色分量信息进行对比，得到两者差异，再根据两者差异计算色彩校准数据，根据校准数据对显示屏进行色彩校准，校准之后再执行采集、对比、计算的过程直至采集到的颜色分量信息与目标色域三基色的颜色分量信息之间的差异满足标准。
[0004]综上所述,现有的色彩校准方案需要反复采集图像进行对比计算，才能将显示屏显示的色彩校准到目标色域的标准色彩，因此现有的色彩校准方案的效率有待提升。

技术实现思路

[0005]本专利技术提供一种基于神经网络的色彩校准方法、装置及计算机可读存储介质，其主要目的在于解决显示屏进行色彩校准时的效率较低的问题。
[0006]为实现上述目的，本专利技术提供的一种基于神经网络的色彩校准方法，包括：
[0007]在显示屏显示校准测试画面后，根据预设规则获取训练色块集，获取所述训练色块集的RGB值集，测量所述色块集的标准色度值集，将所述RGB 值集及标准色度值集做为样本数据集；
[0008]根据所述样本数据集，利用列文伯格
‑
马夸尔特算法，对基于神经网络预构建的显示屏色彩空间转换模型进行训练，得到训练完成的显示屏色彩空间转换模型；
[0009]获取待测显示屏色块的RGB值，测量所述待测显示屏色块的标准色度值，利用所述训练完成的显示屏色彩空间转换模型对所述待测显示屏色块的RGB 值进行转换得到测试色度值，计算所述测试色度值与所述标准色度值的色彩偏差值；
[0010]根据所述色彩偏差值对所述待测显示屏进行色彩校准。
[0011]可选地，所述根据预设规则获取训练色块集，获取所述训练色块集的RGB 值集，测量所述色块集的标准色度值集，将所述RGB值集及标准色度值集做为样本数据集，包括：
[0012]将所述显示屏的RGB数字驱动值按照第一预设数量进行均分，得到第一均分RGB数字驱动值，根据所述第一均分RGB数字驱动值，利用预设的色块产生程序生成训练色块级集，获取所述训练色块集的RGB值训练集；
[0013]利用分光光度仪测量所述训练色块集对应的标准色度值，得到标准色度值训练集；
[0014]将所述显示屏的RGB数字驱动值按照第二预设数量进行均分，得到第二均分RGB数
字驱动值，根据所述第二均分RGB数字驱动值，利用所述色块产生程序生成验证色块级集，获取所述验证色块集的RGB值验证集；
[0015]利用所述分光光度仪测量所述验证色块集对应的标准色度值，得到标准色度值验证集；
[0016]将所述RGB值训练集及所述标准色度值训练集作为样本数据集的训练集，将所述RGB值验证集及所述标准色度值验证集作为样本数据集的验证集。
[0017]可选地，所述根据所述样本数据集，利用列文伯格
‑
马夸尔特算法，对基于神经网络预构建的显示屏色彩空间转换模型进行训练，得到训练完成的显示屏色彩空间转换模型，包括：
[0018]根据所述样本数据集中的训练集，利用列文伯格
‑
马夸尔特算法调整所述基于神经网络预构建的显示屏色彩空间转换模型的参数，对所述显示屏色彩空间转换模型进行迭代训练，得到经过训练的显示屏色彩空间转换模型；
[0019]利用所述样本数据集中的验证集对所述经过训练的显示屏色彩空间转换模型进行测试及调整，得到训练完成的显示屏色彩空间转换模型。
[0020]可选地，所述根据所述样本数据集中的训练集，利用列文伯格
‑
马夸尔特算法调整所述基于神经网络预构建的显示屏色彩空间转换模型的参数，对所述显示屏色彩空间转换模型进行迭代训练，得到经过训练的显示屏色彩空间转换模型，包括：
[0021]对所述样本数据集中的训练集进行归一化处理，得到归一化训练集；
[0022]利用所述显示屏色彩空间转换模型中的计算神经元对所述归一化训练集其中一个样本进行计算，得到对应的训练色度值集；
[0023]计算所述训练色度值集与所述标准色度值训练集之间的色彩误差值；
[0024]利用列文伯格
‑
马夸尔特算法，最小化所述色彩误差值，得到所述显示屏色彩空间转换模型的更新参数，利用所述更新参数反向更新所述显示屏色彩空间转换模型，得到更新的所述显示屏色彩空间转换模型；
[0025]计算所述训练集中所有样本对应的色彩误差值的平均色彩误差值，判断所述平均色彩误差值是否满足预设评价值；
[0026]当所述平均色彩误差值不满足所述预设评价值，返回所述利用所述显示屏色彩空间转换模型中的计算神经元对所述归一化训练集其中一个样本进行计算，得到对应的训练色度值集的步骤，对所述显示屏色彩空间转换模型参数进一步优化；
[0027]当所述平均色彩误差值满足所述预设评价值，则得到更新后的显示屏色彩空间转换模型，将所述更新后的显示屏色彩空间转换模型作为经过训练的显示屏色彩空间转换模型。
[0028]可选地，所述计算所述训练色度值集与所述标准色度值训练集之间的色彩误差值，包括：
[0029]利用如下公式计算所述训练色度值集与所述标准色度值训练集之间的色彩误差值：
[0030][0031]其中，ΔL表示明度差异；Δa表示红/绿差异；Δb表示黄/蓝差异。
[0032]可选地，所述根据所述样本数据集，利用列文伯格
‑
马夸尔特算法，对基于神经网络预构建的显示屏色彩空间转换模型进行训练，得到训练完成的显示屏色彩空间转换模型之前，所述方法还包括：
[0033]构建显示屏色彩空间转换模型的输入层、隐含层、输出层；
[0034]分别确定所述输入层、所述隐含层及所述输出层的节点数及所述隐含层的层数；
[0035]将正切双弯曲转移函数作为隐含层的激活函数，将线性函数作为输出层的激活函数。
[0036]可选地，所述在显示屏显示校准测试画面之前，所述方法还包括：
[0037]根据预设的显示屏校准操作对所述显示屏进行校准，并生成设备色彩特性文件，将所述设备色彩特性文件设置为所述显示屏系统的配置文件；
[0038]对所述显示屏进行白场测试，保证所述显示屏时间稳定性、空间均匀性、通道独立性及图像稳定性满足预设的标准。为了解决上述问题，本专利技术还提供一种基于神经网络的色彩校准装置，所述装置包括：
[0039]样本数据构建模块，用于在显示屏显示校准测试画面后，根据预设规则获取训练色块集，获取所述训练色块集的RGB值集，测量所述色块集的标本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于神经网络的视觉色彩校准方法，其特征在于，所述方法包括：在显示屏显示校准测试画面后，根据预设规则获取训练色块集，获取所述训练色块集的RGB值集，测量所述色块集的标准色度值集，将所述RGB值集及标准色度值集做为样本数据集；根据所述样本数据集，利用列文伯格
‑
马夸尔特算法，对基于神经网络预构建的显示屏色彩空间转换模型进行训练，得到训练完成的显示屏色彩空间转换模型；获取待测显示屏色块的RGB值，测量所述待测显示屏色块的标准色度值，利用所述训练完成的显示屏色彩空间转换模型对所述待测显示屏色块的RGB值进行转换得到测试色度值，计算所述测试色度值与所述标准色度值的色彩偏差值；根据所述色彩偏差值对所述待测显示屏进行色彩校准。2.如权利要求1所述的基于神经网络的色彩校准方法，其特征在于，所述根据预设规则获取训练色块集，获取所述训练色块集的RGB值集，测量所述色块集的标准色度值集，将所述RGB值集及标准色度值集做为样本数据集，包括：将所述显示屏的RGB数字驱动值按照第一预设数量进行均分，得到第一均分RGB数字驱动值，根据所述第一均分RGB数字驱动值，利用预设的色块产生程序生成训练色块级集，获取所述训练色块集的RGB值训练集；利用分光光度仪测量所述训练色块集对应的标准色度值，得到标准色度值训练集；将所述显示屏的RGB数字驱动值按照第二预设数量进行均分，得到第二均分RGB数字驱动值，根据所述第二均分RGB数字驱动值，利用所述色块产生程序生成验证色块级集，获取所述验证色块集的RGB值验证集；利用所述分光光度仪测量所述验证色块集对应的标准色度值，得到标准色度值验证集；将所述RGB值训练集及所述标准色度值训练集作为样本数据集的训练集，将所述RGB值验证集及所述标准色度值验证集作为样本数据集的验证集。3.如权利要求2所述的基于神经网络的色彩校准方法，其特征在于，所述根据所述样本数据集，利用列文伯格
‑
马夸尔特算法，对基于神经网络预构建的显示屏色彩空间转换模型进行训练，得到训练完成的显示屏色彩空间转换模型，包括：根据所述样本数据集中的训练集，利用列文伯格
‑
马夸尔特算法调整所述基于神经网络预构建的显示屏色彩空间转换模型的参数，对所述显示屏色彩空间转换模型进行迭代训练，得到经过训练的显示屏色彩空间转换模型；利用所述样本数据集中的验证集对所述经过训练的显示屏色彩空间转换模型进行测试及调整，得到训练完成的显示屏色彩空间转换模型。4.如权利要求3所述的基于神经网络的色彩校准方法，其特征在于，所述根据所述样本数据集中的训练集，利用列文伯格
‑
马夸尔特算法调整所述基于神经网络预构建的显示屏色彩空间转换模型的参数，对所述显示屏色彩空间转换模型进行迭代训练，得到经过训练的显示屏色彩空间转换模型，包括：对所述样本数据集中的训练集进行归一化处理，得到归一化训练集；利用所述显示屏色彩空间转换模型中的计算神经元对所述归一化训练集其中一个样本进行计算，得到对应的训练色度值集；
计算所述训练色度值集与所述标准色度值训练集之间的色彩误差值；利用列文伯格
‑
马夸尔特算法，最小化所述色彩误差值，得到所述显示屏色彩空间转换模型的更新参数，利用所述更新参数反向更新所述显示屏色...

【专利技术属性】
技术研发人员：林惜花，
申请(专利权)人：广州康盛网络科技有限公司，
类型：发明
国别省市：