一种基于代理模型辅助进化算法的视频区域调光方法与流程

技术特征：
1.一种基于代理模型辅助进化算法的视频区域调光方法，其特征在于：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。2.根据权利要求1所述的一种基于代理模型辅助进化算法的视频区域调光方法，其特征在于：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。3.根据权利要求1所述的一种基于代理模型辅助进化算法的视频区域调光方法，其特征在于：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。4.根据权利要求1所述的一种基于代理模型辅助进化算法的视频区域调光方法，其特征在于：图像质量计算函数包括：其中，是一组背光值矩阵，是被调光图像的灰度图矩阵，是调光后的显示图像灰度图矩阵， 是被调光图像的灰度图矩阵和调光后的显示图像灰度图矩阵之间的峰值信噪比，是一个光扩散函数，把背光值矩阵扩散成被调光图像的灰度图矩阵相同的尺寸。5.根据权利要求1所述的一种基于代理模型辅助进化算法的视频区域调光方法，其特
征在于：在步骤四中：相关度包括：其中，是当前帧灰度图，是距离最近的参考背光帧灰度图，是当前帧第（）个像素点的像素值，是距离最近的参考背光帧第（）个像素点的像素值，ｈ和ｗ分别表示每帧图像的高和宽，表示像素点行数，表示像素点的列数。6.根据权利要求1所述的一种基于代理模型辅助进化算法的视频区域调光方法，其特征在于：进化算法是遗传算法。

技术总结
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


技术研发人员：赵鑫 贾雪 张涛 闫宇峥
受保护的技术使用者：天津大学
技术研发日：2021.11.08
技术公布日：2021/12/3