[发明专利]基于神经网络的显示器件亮度补偿方法、装置及设备

权利要求书

1.一种基于神经网络的显示器件亮度补偿方法，其特征在于，包括：

获取待补偿显示器件在预设灰阶显示的图像，提取所述图像中各像素点的亮度数据；

根据所述各像素点的亮度数据生成亮度矩阵，根据补偿参数和所述亮度矩阵生成特征图，所述特征图和所述亮度矩阵具有线性关系，根据非线性激活函数对所述特征图进行处理，生成补偿结果，以根据所述补偿结果调整所述待补偿显示器件，其中，所述补偿参数是预先训练的与所述预设灰阶对应的参数；

其中，所述根据补偿参数和所述亮度矩阵生成特征图，包括：根据算法Y＝WX+b对所述亮度矩阵进行处理生成所述特征图，其中，所述补偿参数W为以所述待补偿显示器件分辨率行数为维度的方阵，b为以所述补偿显示器件分辨率行数为维度的列向量，Y为所述特征图，X为所述亮度矩阵。

2.如权利要求1所述的基于神经网络的显示器件亮度补偿方法，其特征在于，在根据所述补偿参数和所述亮度矩阵生成特征图，再根据所述非线性激活函数对所述特征图进行处理之前，还包括：

获取目标灰阶的图像训练数据，所述图像训练数据包括各像素点亮度数据；

根据预设的待定参数和所述非线性激活函数对所述图像训练数据进行处理，生成结果矩阵；

计算所述结果矩阵与目标矩阵的差异值，其中，所述目标矩阵为所述目标灰阶的纯色图片中各像素点应有的亮度值矩阵；

若所述差异值大于预设阈值，通过反向传播的方式更新所述待定参数；

若所述差异值小于等于所述预设阈值，将所述待定参数作为补偿参数。

3.如权利要求2所述的基于神经网络的显示器件亮度补偿方法，其特征在于，所述通过反向传播的方式更新所述待定参数包括：

根据下述公式更新所述待定参数

其中，W′为更新后的待定参数，W₀为更新前的待定参数，L为所述差异值，α为更新速率。

4.如权利要求1所述的基于神经网络的显示器件亮度补偿方法，其特征在于，所述非线性激活函数包括ReLU函数，sigmoid函数，tanh函数和leaky ReLU函数中的一种或多种。

5.如权利要求1所述的基于神经网络的显示器件亮度补偿方法，其特征在于，所述显示器件包括有源矩阵有机发光二极管屏幕、有源矩阵量子点发光二极管屏幕。

6.一种基于神经网络的显示器件亮度补偿装置，其特征在于，包括：

获取模块，用于获取待补偿显示器件在预设灰阶显示的图像，提取所述图像中各像素点的亮度数据；

处理模块，用于根据所述各像素点的亮度数据生成亮度矩阵，根据补偿参数和所述亮度矩阵生成特征图，所述特征图和所述亮度矩阵具有线性关系，根据非线性激活函数对所述特征图进行处理，生成补偿结果，以根据所述补偿结果调整所述待补偿显示器件，其中，所述补偿参数是预先训练的与所述预设灰阶对应的参数；

其中，所述根据补偿参数和所述亮度矩阵生成特征图，包括：根据算法Y＝WX+b对所述亮度矩阵进行处理生成所述特征图，其中，所述补偿参数W为以所述待补偿显示器件分辨率行数为维度的方阵，b为以所述补偿显示器件分辨率行数为维度的列向量，Y为所述特征图，X为所述亮度矩阵。

7.如权利要求6所述的基于神经网络的显示器件亮度补偿装置，其特征在于，还包括：

训练模块，用于获取目标灰阶的图像训练数据，所述图像训练数据包括各像素点亮度数据；

根据预设的待定参数和所述非线性激活函数对所述图像训练数据进行处理，生成结果矩阵；

计算所述结果矩阵与目标矩阵的差异值，其中，所述目标矩阵为所述目标灰阶的纯色图片中各像素点应有的亮度值矩阵；

若所述差异值大于预设阈值，通过反向传播的方式更新所述待定参数；

若所述差异值小于等于所述预设阈值，将所述待定参数作为补偿参数。