[发明专利]一种基于多目标优化的区域调光模型

说明书

区域调光技术能够提高显示系统的显示质量，降低系统功耗。通过区域调光方法设置最佳背光亮度矩阵是可以使区域调光系统达到最优性能的关键。本发明将区域调光看作一种多目标优化问题，将改善图像失真，提高图像对比度以及降低系统功耗作为优化目标，建立区域调光问题模型。为了有效求解这一多目标最优化问题，本发明对基于分解的多目标进化算法(MOEA/D)进行改进，将MOEA/D与SFLA相融合，提出了一种改进的多目标进化计算法，命名为MOEA/D‑SFLA。实验结果证明，与基于参数的区域调光方法相比，MOEA/D‑SFLA可以同时改善图像失真，提高图像对比度，降低系统功耗。与一些改进MOEA/D相比，MOEA/D‑SFLA具有更高的性能。

一、技术领域

本方法应用于HDR显示系统中，基于多目标优化，对显示系统中的区域调光技术进行改进优化。该方法旨在寻找显示系统的图像质量、功耗和对比度的平衡点。

二、背景技术

1.基于分解的多目标优化问题

多目标分解的思想主要是指将多目标优化问题分解成一定数量的子问题，再同时进行每个子问题的优化。在经典的基于分解的多目标优化进化算法(MOEA/D)中，MOEA/D没有将MOP作为一个整体来处理，而是通过权重向量将多目标优化问题分解成几个单目标子问题，利用子问题之间的邻域关系对所有子问题同时优化，子问题之间的邻域关系通过权重向量之间的欧式距离来确定，其中分解是通过聚合方法实现的，常见的分解方法有：加权求和，切比雪夫方法和边界交叉法。三种分解方法的数学表达式分别是：

(1)加权求和(WS)。经过这种方法分解后所得到的单目标优化问题为：

subject x∈Ω

加权求和分解方法将所有的目标函数做了累加处理，然后作为一个整体的子问题进行求解。

(2)切比雪夫方法。经过这种方法分解后所得到的单目标优化问题为：

subject to x∈Ω

其中为参考点，对于每个通过变权重向量，我们就可以使用TCH分解法的MOEA/D来获得更多不同的Pareto最优解。

(3)基于惩罚的边界交集法(PBI)。经过这种方法分解后所得到的单目标优化问题为：

min imize g^pbi(x|λ，z^*)＝d₁+θd₂

subject to x∈Ω

其中θ为惩罚因子。当解决目标个数大于2个MOPs时，若使用相同分布的权向量，使用PBI分解法的MOEA/D会比使用TCH分解法的MOEA/D效果更好，但是这需要为此付出代价，因此必须设置有效的惩罚因子θ。

2.区域调光

在LCD显示系统中，由于液晶不能自主发光，需要借助背光源LED提供亮度来显示视频或图像。区域调光指的是将输入图像进行分区，根据分区的图像特征，每个分区的LED被独立的控制发光亮度，通过区域调光技术可以有效的提高画质，降低功耗。现有的LED区域调光技术大体上可以分成区域背光提取和液晶像素补偿两部分。背光提取指的是当一幅图像输入到显示系统中，对图像进行分区，根据不同算法得到每个分区的背光亮度，最终得到整个图像的背光矩阵。在对输入图像进行背光提取后，由于背光值的大小由对应的图像内容特征确定，为了保证图像在实际显示时的显示亮度与背光全亮时尽可能保持不变，还需根据背光信息进一步调节显示图像的像素值，从而根据背光值的大小有效控制透光量，该过程称为像素补偿。