基于图像显著性排名模型的液晶显示区域动态调光方法技术

本发明专利技术公开了一种基于图像显著性排名模型的液晶显示区域动态调光方法，包括以下步骤：步骤1、获取输入的图像每个背光分区的初始背光值；采用基于图推理的实例级显著性排名检测模型预测输入的图像中不同显著对象的显著性分数并进行显著排名，得到显著性排序图；步骤2、将步骤1得到显著性排序图按背光源的分区数量划分成若干个背光分区，根据显著性排名对每个显著对象所在的背光分区赋予不同的权重，再根据权重对初始背光值进行加权计算修正，得到最终分区背光值；步骤3、采用BMA混光扩散算法模拟分区背光值在液晶面板上的分布，并确定像素的补偿值，由背光值和像素补偿值显示输入的图像。本发明专利技术能够提高人眼感知的显示效果和降低能耗。降低能耗。降低能耗。

【技术实现步骤摘要】
基于图像显著性排名模型的液晶显示区域动态调光方法


[0001]本专利技术涉及液晶显示控制方法，具体是一种基于图像显著性排名模型的液晶显示区域动态调光方法。

技术介绍

[0002]液晶显示已经成为主流的平板显示技术。近年来，随着LCD显示技术的发展，背光模组也在不断进步，普通的LED背光向小间距LED靠近，并逐渐朝着Mini
‑
LED方向发展，与传统的直下式LED背光相比，采用Mini
‑
LED背光能够实现更加精准的区域控光，可让屏幕亮度更加均匀，同时可实现更多分区，使显示器实现更好的对比度、更深的黑色以及更低的功耗。
[0003]为使显示器有更低的能耗和更高的显示效果，动态调光算法也显得十分重要。动态调光算法能够根据显示图像动态改变背光亮度和液晶像素开度，有效提高显示对比度和降低功耗。目前存在的动态调光算法虽然在一定程度上使显示图像质量上有所提升，但仍存在一些不足。如最大值法，主要侧重图像的高亮部分且能耗较高；平均值法具有较好的节能效果，但对于平均值以上的像素值在此背光亮度显示的情况下，显示质量有所降低。
[0004]图像的显示效果不仅与客观评价指标有关，同时与人类视觉感官效果也息息相关。对于一幅图像，PSNR、SSIM和信息熵等客观评价指标好不一定代表图像显示质量更好，人的主观评价也很重要。现在有很多结合主观评价的指标，也有人开始研究基于人类视觉特性的背光算法。这种算法的图像质量客观评价指标可能不如其他算法，但它的显示效果很好，使人主观感受更加舒服。其中基于图像特征的调光算法能根据图像的细节特征进行分类，对不同的分区采用最优算法，改善图像显示质量和节约能耗。但是这种方法仅与人眼感知效果有关，与图像内容的重要性和人脑的注意力机制无关。故需要寻找一种能够根据图像的内容重要性选择最优调光方法的动态调光算法，依据对画面内容的分析进行权重分布的划分，提高关键区域图像的保真度，在保证人主观视觉效果的基础上，更大程度地提高人眼感知的显示效果和降低能耗。
[0005]Liu等人2022年在IEEE上发表的论文《Instance
‑
Level Relative Saliency Ranking With Graph Reasoning》，提出了基于图推理的实例级显著性排名检测模型，首先使用改进的Mask R
‑
CNN网络来分割显著实例，然后添加显著性排序分支来推断相对显著性。相对显著性排序构建了一个新的图推理模块，还提出了一种新的损失函数来有效地训练显著性排序分支。最后，作者用MS
‑
COCO数据集和SALICON数据集构建了新的显著性排名基准数据集对显著性排序模型进行训练，并利用验证集对正在训练的模型进行验证。
[0006]在此基础上本专利技术考虑将其运用于背光算法图像预处理部分，先调整输入图像的大小，再预测输入的图像中不同显著对象的显著性分数进行显著排名，最后还原输出图像的大小，得到最终显著性排序图。通过此模型可以模拟人脑的注意力机制，即人眼对图像中不同显著对象的凝视时间，来区分各个部分的重要性程度，来优化本专利技术的调光方法。

技术实现思路

[0007]本专利技术提供了一种基于图像显著性排名模型的液晶显示区域动态调光方法，以解决现有技术液晶显示动态调光方法存在的仅从人眼感知效果出发，不能从人脑的注意力层面进行区域动态调光的问题。
[0008]为了达到上述目的，本专利技术所采用的技术方案为：
[0009]基于图像显著性排名模型的液晶显示区域动态调光方法，包括以下步骤：
[0010]步骤1、将输入的图像转换为灰度图，根据背光源的分区数量对灰度图进行分区，并采用不同方法提取每个背光分区的分区背光值，并基于分区背光值计算每个背光分区的初始背光值；
[0011]并且，对输入图像进行预处理，处理方法是采用基于图推理的实例级显著性排名检测模型，先调整输入图像的大小，再预测输入的图像中不同显著对象的显著性分数进行显著排名，最后还原输出图像的大小，得到最终显著性排序图；
[0012]步骤2、将步骤1得到显著性排序图，按照步骤1确定的背光分区划分成与背光分区对应的分块，根据步骤1得到的每个显著对象各自对应的显著排名对每个显著对象所在的分块赋予不同的权重，再根据权重对每一个分块的初始背光值进行加权计算修正，由此确定每个分块最终的分块背光值；
[0013]步骤3、采用BMA混光扩散算法模拟步骤2得到的每个分块的分块背光值在液晶面板上的分布，并确定像素的补偿值，根据每个分块的分块背光值和像素的补偿值显示输入的图像。
[0014]进一步的步骤1中，采用子像素最大值法，先将输入图像中每一个像素点的R、G、B三个通道中亮度信息最大的那个通道的值作为该像素点的亮度值，再将分区内像素点亮度值的最大值作为第一分区背光值BL1，并采用平均值法，将每个分区内各个像素点灰度值进行累加，再取均值作为第二分区背光值BL2，基于第一分区背光值BL1、第二分区背光值BL2计算每个背光分区的初始背光值BL3，初始背光BL3计算公式为：
[0015]BL3＝BL1×
1+BL2×
0。
[0016]进一步的，步骤1中基于图推理的实例级显著性排名检测模型引用了改进的Mask R
‑
CNN网络进行显著实例分割，并添加了一个显著性排序分支来对每个分割实例的相对显著性进行排序，将输入图像中的不同显著对象根据它在图像中的重要程度，即模拟人眼对图像中不同内容凝视的时间长短，进行显著性排序，对输入图像预处理后再进行背光提取。
[0017]进一步的步骤2中，对显著性排序图中不同显著排名的显著对象所在的分区进行权重的划分，显著程度最高的权值为1，随着显著程度排序的降低，权重值计算公式为：
[0018]α＝1
‑
β*(n
‑
1)，
[0019]其中，n为排名序号，β为一个测试值。
[0020]进一步的，如果一个分区内有几种不同显著排名的显著对象交叉存在，则背光分区的权重值根据不同显著对象所在各像素点分配的权重值进行累加求和后，再求平均值作为该分区的权重值，计算公式为：
[0021][0022]其中：
[0023]M
×
N为输入的图像的分辨率；
[0024]R为输入图像根据背光源的分区数量划分的对应背光分区的列数，S为对应背光分区的行数；
[0025]α(R，S)为第S行R列背光分区的权重值，α(i，j)为图像第j行i列的像素点的权重值，M/R、N/S是背光分区内像素点的个数。
[0026]进一步的步骤2中，根据以下公式计算得到每个分块最终的分块背光值：
[0027]BL4＝BL1*α+BL2*(1
‑
α)，
[0028]其中，
[0029]BL1为第一分区背光值；
[0030]BL2为第二分区背光值；
[0031]α为不同分区赋予的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于图像显著性排名模型的液晶显示区域动态调光方法，其特征在于，包括以下步骤：步骤1、将输入的图像转换为灰度图，根据背光源的分区数量对灰度图进行分区，并采用不同方法提取每个背光分区的分区背光值，并基于分区背光值计算每个背光分区的初始背光值；并且，对输入图像进行预处理，处理方法是采用基于图推理的实例级显著性排名检测模型，先调整输入图像的大小，再预测输入的图像中不同显著对象的显著性分数进行显著排名，最后还原输出图像的大小，得到最终显著性排序图；步骤2、将步骤1得到的显著性排序图，按照步骤1确定的背光分区划分成与背光分区对应的分块，根据步骤1得到的每个显著对象各自对应的显著排名对每个显著对象所在的分块赋予不同的权重，再根据权重对每一个分块的初始背光值进行加权计算修正，由此确定每个分块最终的分块背光值；步骤3、采用BMA混光扩散算法模拟步骤2得到的每个分块的分块背光值在液晶面板上的分布，并确定像素的补偿值，根据每个分块的分块背光值和像素的补偿值显示输入的图像。2.根据权利要求1所述的基于图像显著性排名模型的液晶显示区域动态调光方法，其特征在于，步骤1中，采用子像素最大值法，先将输入图像中每一个像素点的R、G、B三个通道中亮度信息最大的那个通道的值作为该像素点的亮度值，再将分区内像素点亮度值的最大值作为第一分区背光值BL1，并采用平均值法，将每个分区内各个像素点灰度值进行累加，再取均值作为第二分区背光值BL2，基于第一分区背光值BL1、第二分区背光值BL2计算每个背光分区的初始背光值BL3，初始背光BL3计算公式为：。3.据权利要求1所述的基于图像显著性排名模型的液晶显示区域动态调光方法，其特征在于，步骤1中基于图推理的实例级显著性排名检测模型引用了改进的Mask R
‑
CNN网络进行显著实例分割，并添加了一个显著性排序分支来对每个分割实例的相对显著性进行排序，将输入图像中的不同显著对象根据它在图像中的重要程度，即模拟人眼对图像中不同内容凝视的时间长短，进行显著性排序，对输入图像预处理后再进行背光提取。4.根据权利要求1所述的基于图像显...

【专利技术属性】
技术研发人员：邱龙臻，聂咸辉，刘欣，李好，方勇，
申请(专利权)人：合肥工业大学，
类型：发明
国别省市：