[发明专利]一种基于代理模型辅助进化算法的视频区域调光方法

说明书

本发明提供了一种基于代理模型辅助进化算法的视频区域调光方法，将需要调光的视频序列中的第一帧图像作为起始的当前帧并设定为参考背光帧；使用样本数据组成的数据集对卷积神经网络CNN模型进行训练，训练后卷积神经网络CNN模型作为代理模型替换进化算法中的评估函数评价输入背光值的适应度值。本发明一种基于代理模型辅助进化算法的视频区域调光方法，通过代理模型来提升进化算法的计算效率，引入背光更新策略和模型迁移策略进一步提升区域调光算法的运算效率与调节质量，更好地满足LCD‑LED双调制系统中视频序列区域调光任务对算法实时性与调节质量的需求。

技术领域

本发明属于视频显示技术领域，尤其是涉及一种基于代理模型辅助进化算法的视频区域调光方法。

背景技术

在现有技术中，传统视频显示系统一般包括两个部分，背光模块及液晶模块。其中背光模块为显示系统提供背光，液晶模块决定每个像素点的透光率，背光模块和液晶模块共同作用将图像呈现在显示屏上。传统的LCD显示系统的背光模块是一块背光板，不同的图像区域共用同一个光源，因此不同图像区域的背光亮度相同，然而图像区域本身有亮暗之分，对图像的暗区和亮区采用相同亮度的背光，会造成显示图像整体对比度较低，影响图像的视觉效果。

针对传统显示系统的不足，LCD-LED双调制系统被提出，不同于传统的显示系统，LCD-LED双调制系统的背光模块是一个包含多个LED背光块的阵列，每个背光块照亮图像中的一个区域，不同背光块的亮度可以独立调节，因此在LCD-LED双调制系统中，可以为不同的图像区域设置不同的背光，因此图像的暗区和亮区可以分别采用不同的背光亮度，有效提升了显示图像的对比度，改善了显示图像的视觉效果，同时也有效降低了能耗，在现有技术中，常用的背光块显示亮度调节方式，普遍存在着调节响应时间慢，调节质量需要进一步提高的问题。

发明内容

有鉴于此，本发明旨在提出一种基于代理模型辅助进化算法的视频区域调光方法，通过代理模型来提升进化算法的计算效率，引入背光更新策略和模型迁移策略进一步提升区域调光算法的运算效率与调节质量，更好地满足LCD-LED双调制系统中视频序列区域调光任务对算法实时性与调节质量的需求。

为达到上述目的，本发明的技术方案是这样实现的：

一种基于代理模型辅助进化算法的视频区域调光方法，包括：

步骤一：将需要调光的视频序列中的第一帧图像作为起始的当前帧并设定为参考背光帧；使用样本数据组成的数据集对卷积神经网络CNN模型进行训练，训练后卷积神经网络CNN模型作为代理模型替换进化算法中的评估函数评价输入背光值的适应度值，样本数据包括随机产生的多组背光值，每组背光值的标签是对应的适应度值，适应度值由图像质量计算函数计算得出, 是一组背光值矩阵，是被调光图像的灰度图矩阵；

步骤二：使用基于代理模型的进化算法搜索当前帧的最优背光值并输出；

步骤三：判断是否存在下一帧图像，如不存在，则完成调光；如存在下一帧图像，则进入步骤四；

步骤四：计算新的当前帧与距离最近的参考背光帧之间的相关度，如果大于等于设定的阈值，则当前帧判定是一般背光帧，以距离最近的参考背光帧的最优背光值作为当前帧的最优背光值并输出后，继续返回步骤三；如果小于设定的阈值，则当前帧判定是参考背光帧并继续返回步骤二计算最优背光值, 是当前帧灰度图，是距离最近的参考背光帧灰度图。

进一步的，在步骤二中，在使用基于代理模型的进化算法搜索当前帧的最优背光值时，对代理模型进行多次更新，每次更新以当前的代理模型作为预训练模型，然后基于搜索过程中新获得的样本数据构成数据集对预训练模型进行微调，获得更新后的代理模型。

进一步的，在步骤四中，当前帧是参考背光帧，继续返回步骤二时，以前一参考背光帧的代理模型作为当前帧代理模型的预训练模型，然后使用样本数据构成的训练集对预训练模型进行微调，获得当前帧的代理模型，将获得的代理模型应用到进化算法中得到当前帧的最优背光值并输出。