直方图平移的色彩还原算法研究

本文对应用于AMOLED的低功耗色彩还原算法开展研究,提出了一种基于直方图平移的算法。通过直方图平移增大直方图重叠面积,从而得到优良的色彩还原效果。由于采用居中的直方图作为平移基准,在保证色彩还原性能的同时降低了显示屏端功耗。与传统的算法相比,该算法只有加减运算,使得硬件实现的复杂度大大降低。经验证,该算法具有优良的性能表现,其直方图重叠面积(OA)比灰度世界算法高23%,比白点补丁算法高43%。此外,该算法处理所得图像在屏端的显示功耗(PD)是灰度世界算法的96%,是白点补丁算法的73%。     

图形化蓝宝石衬底工艺研究进展

图形化蓝宝石衬底(PSS)技术是一种提高LED亮度的新技术。结合光刻和刻蚀工艺制作图形化蓝宝石衬底。有关图形化蓝宝石衬底的研究主要集中在对光刻和刻蚀工艺的研究,以及图形化蓝宝石衬底提高LED亮度的机理。目前微米级图形化蓝宝石衬底已经得到普遍的应用,与基于平坦蓝宝石衬底的LED相比,PSS-LED的发光功率提高了30%左右。图形化蓝宝石衬底技术的发展经历了从早期的条纹状图形到目前应用较广的半球形和锥形图形,从湿法刻蚀到干法刻蚀,从微米级到纳米级图形的演变。由于能够显著提高LED亮度,纳米级图形化蓝宝石必将得到广泛的运用。     

三维激光扫描技术下杂散光大数据预处理系统设计

杂散光的产生会降低图像对比度与信噪比,影响扫描测量结果准确性,基于此,提出三维激光扫描技术下杂散光大数据预处理系统.通过三维激光扫描系统原理与工作流程,分析杂散光点源透射比、双向散射分布函数与基本传输方程,建立6种杂散光传输路径模式;利用小数定标规范方法对三维激光数据做规范化处理,确定神经网络模型,将最速下降BP算法作...     

基于图形化蓝宝石衬底的HB-LED研究进展

为了制作高亮度LED,需要在图形化蓝宝石衬底上生长GaN材料。通过光刻在平坦蓝宝石衬底上制作掩膜图形,通过刻蚀将图形转移到蓝宝石衬底,得到图形化蓝宝石衬底。在图形化蓝宝石衬底上进行GaN的侧向外延生长,并做后续处理,就制成了基于图形化蓝宝石衬底的高亮度LED。图形化蓝宝石衬底上GaN的侧向外延生长使得外延材料的位错密度从1010 cm-2降低到107 cm-2,这减少了发生非辐射复合的载流子,多量子阱发射更多的光子,LED的内量子效率提高。此外,图形化蓝宝石衬底能够有效散射从多量子阱射出的光线,使得出射光射到逃离区的几率更大,从而提高光萃取率。内量子效率和光萃取率的提高大大改善了LED的光电特性。     

基于权重因子的RGB-RGBG像素结构转换算法及其FPGA实现

主动阵列有机发光二极管(AMOLED)面板具有低功耗、视角广、柔韧性等优点,被视为下一代显示技术的关键。但是它通常采用RGBG型像素排列,而图像的像素结构是RGB,为了实现图像的显示,迫切需要研究RGB-RGBG的转换算法。本文提出了一种基于权重因子(BWF)的RGB-RGBG像素结构转换算法,并在现场可编程逻辑门阵列(FPGA)上实现电路。通过对原灰阶进行权重求和,得到各个RGBG子像素的灰阶。这种方法可以将灰阶误差降至最低。此外,彩边效应得到极大的改善。实验结果表明,相比于DA算法,BWF算法处理所得图像的PSNRU和PSNRV分别提高了9.2%和9.3%,MSE比DA算法降低19.5%。该算法研究通过FPGA验证,结果表明,BWF处理后的图像显示效果优越。     

直方图修正和匹配的低功耗显示驱动算法研究

当前,以智能手机为代表的消费类电子产品已经 给日常生活带来了极大的便利。但是,由于手机电 池电量有限,显示面板功耗过大引起的频繁充电问题严重地影响了用户体验。本文提出了一 种结合三基色 通道直方图修正和直方图匹配的低功耗高画质显示驱动算法。先统计出三基色通道的直方图 ,并对其进行 低功耗修正,再将原图像直方图向修正直方图匹配。与传统的算法相比,本文算法的创新点 主要包括:(1) 不同于传统的算法通过降低灰阶实现功耗限制,本算法通过减少高亮像素数量实现功耗限制 ,与此同时, 通过保留部分高亮像素提升视觉效果;(2) 首次将直方图匹配方法应用到图像的功耗限制 ,实现了优良的 处理效果。实验结果表明,相比于抛物线模型、NPC和ACSC算法,提出算法处理所得图像的 显示功耗分 别降低了17.8%,10.9%和11.0%。本算法研究通过FPGA验证,结果表明,处理后的图像显示效果优越。     

结合深度卷积神经网络的智能白平衡研究

白平衡是带摄像头电子产品的必备功能,传统的 白平衡算法对输入图片进行无区分性 的处理,严重 降低了处理效率和图片质量。本文结合深度卷积神经网络在传统白平衡方法中引入智能分类 器,判断输入 图片是否带有色偏,只针对色偏图片进行白平衡。本文的研究内容及学术贡献包括:(1) 首次提出了先判 断再处理的智能白平衡思想,仅对色偏图片进行针对性处理,而对正常图片直接输出;(2) 应用提出的三 随机数方法构建了一套有效的色偏图片分类训练集和测试集,训练集包括34250张图片,其中色偏图片的 生成具有极强的随机性;(3) 通过学习率衰减和交叉熵损失函数,对开源的VGG16网络模 型进行优化, 训练得到了一个收敛快、精度高的色偏图片二分类器。实验结果表明,识别正常图片和色偏 图片的准确率 分别为0.89。将该分类器与直方图平移 方法结合,实现了智能白平衡。本 文将人工智能引入到传统白平衡,实现了智能化图像处理,提高了处理效率和图片质量。