宋 悅,林志賢,姚劍敏?,郭太良

(福州大學(xué)物理與信息工程學(xué)院,福建福州,350002)

基于ε-支持向量回歸機(jī)的背光源亮度均勻性評價(jià)方法

宋 悅,林志賢,姚劍敏?,郭太良

(福州大學(xué)物理與信息工程學(xué)院,福建福州,350002)

針對現(xiàn)有傳統(tǒng)亮度計(jì)采集背光源亮度的檢測方法用時(shí)長,不適于生產(chǎn)線的問題,提出一種基于ε-支持向量回歸機(jī)的背光源亮度均勻性評價(jià)方法。設(shè)計(jì)了背光源亮度均勻性檢測平臺(tái),采用CCD圖像傳感器一次性同時(shí)獲得幾個(gè)背光源亮度圖像,并進(jìn)行校正。通過在非線性條件下的ε-支持向量回歸機(jī)(ε-SVR)對校正后得到的背光源檢測點(diǎn)亮度值構(gòu)建關(guān)于背光源亮度值的預(yù)測模型,并對若干個(gè)背光源進(jìn)行預(yù)測,與檢測標(biāo)準(zhǔn)相比較判斷其亮度是否合格。結(jié)果表明,在構(gòu)建的支持向量回歸模型中多種參數(shù)的融合檢測,其精度是相似的。其中,最佳預(yù)測結(jié)果RMSE為43.28,BR為1.21%。說明預(yù)測結(jié)果與傳統(tǒng)亮度計(jì)的測量值之間誤差較小,但操作方便、且所用時(shí)間更短,對于背光源亮度均勻性的客觀評價(jià)與亮度計(jì)評價(jià)結(jié)果基本符合。

光學(xué)檢測;背光源;CCD;ε-SVR

1 引 言

現(xiàn)代液晶顯示器(Liquid Crystal Display, LCD),特別是在小尺寸的個(gè)人手持式設(shè)備,如手機(jī)、數(shù)碼相機(jī)、音樂播放器、視頻播放器和機(jī)器控制器等中被廣泛使用。它具有重量輕,厚度薄,節(jié)能等優(yōu)點(diǎn)。因此,近年來液晶顯示器設(shè)備的使用數(shù)量成倍增加。在2007年,其市場規(guī)模達(dá)到七百多億,與20世紀(jì)90年代相比增長了約400 倍[1-2]。在液晶的相關(guān)組件中,背光源是液晶組成部件最重要的部件之一[3]。2008年全球背光源市場份額達(dá)到14億美元,其中中小尺寸占85%。

世界第二次世界大戰(zhàn)中,人們利用超小鎢絲燈作為航空儀表背光,這在后來被作為背光源最初的起源。之后市場對于液晶顯示技術(shù)的要求越來越高,由于背光技術(shù)是影響液晶顯示至關(guān)重要的一項(xiàng)環(huán)節(jié),伴隨著液晶產(chǎn)業(yè)持續(xù)進(jìn)步及其使用范圍不斷地拓寬,背光源技術(shù)逐漸受到研究者的重視[4]。而背光源發(fā)光亮度是否均勻是判斷其是否優(yōu)良的標(biāo)準(zhǔn)之一。

本文提出了采用CCD獲取待測背光源的亮度圖像,并研究基于ε-支持向量回歸機(jī)模型的背光源亮度均勻性評估方法與檢測平臺(tái)。在較短時(shí)間內(nèi)對若干個(gè)待測背光源同時(shí)進(jìn)行檢測,記錄下所有屏幕的圖像亮度信息。根據(jù)CCD采集到的圖像信息,將其轉(zhuǎn)化為亮度值,并應(yīng)用ε-支持向量回歸機(jī)對亮度值進(jìn)行建模,在此基礎(chǔ)上對背光源亮度值進(jìn)行預(yù)測。與采用傳統(tǒng)亮度計(jì)(BM-7A)測得數(shù)據(jù)相比,新的評估方法不僅檢測準(zhǔn)確度較高,而且減少了檢測的時(shí)間,更適合應(yīng)用于實(shí)際生產(chǎn)線中。

2 現(xiàn)有評估方法

目前,對于背光源亮度均勻性評估主要方法仍然以視覺檢測為主。由于人存在個(gè)體差異性,不同人對于相同事物的感受及判斷會(huì)存在差別,而視覺檢測的主要缺陷即存在個(gè)人主觀性,所以不同的觀察者所得到的檢測結(jié)論也有可能存在一定的差異[5]。還有一種評估背光源亮度的方法是利用人眼視覺和亮度計(jì)測量相結(jié)合,這種方法相對客觀,但也存在一定程度的個(gè)體差異性,在不同時(shí)間、不同環(huán)境下,即使由同一個(gè)人、同一臺(tái)亮度計(jì)測量仍可能出現(xiàn)不同結(jié)果。待測背光源區(qū)域的確定和亮度評估方法的實(shí)現(xiàn)是背光源亮度均勻性評估的兩個(gè)環(huán)節(jié)。工廠檢測背光源亮度通常使用9點(diǎn)和13點(diǎn)測試法。以生產(chǎn)線常用的亮度計(jì)BM-7A[6]為例,在待測背光源上隨機(jī)抽取N個(gè)檢測點(diǎn)或模塊,利用BM-7A分別測得以檢測點(diǎn)或模塊為中心的中心點(diǎn)亮度值L1,和其相關(guān)聯(lián)區(qū)域亮度值Li。如圖1和圖2所示。

圖1 9點(diǎn)測試法示意圖Fig.1 Nine points measurement method

圖2 13點(diǎn)測試法示意圖Fig.2 Thirteen points measurement method

設(shè)Lmin代表Li中最小亮度值、Lmax為Li最大亮度值。則待測背光源的亮度通過

與制造商所提供的標(biāo)準(zhǔn)值相比較,判斷背光源亮度是否合格,并符合其要求。

這種利用BM-7A亮度計(jì)檢測亮度值的方法,每次僅可測量單個(gè)檢測點(diǎn)或區(qū)域的亮度值,并且檢測一次通常需要將亮度計(jì)前后左右移動(dòng)并重新對焦[7]。這種方法不僅費(fèi)時(shí),且不適應(yīng)于實(shí)際工業(yè)生產(chǎn)線。

3 支持向量回歸

支持向量機(jī)起源于分類問題,由于分類與回歸問題有很多相似點(diǎn),因此將其推廣到回歸問題上仍有良好應(yīng)用。圖3顯示了支持向量機(jī)的基本原理,它是從線性可分情況下的最優(yōu)分類面發(fā)展而來的。與將經(jīng)驗(yàn)風(fēng)險(xiǎn)最小化的人工神經(jīng)網(wǎng)絡(luò)不同[8],支持向量回歸機(jī)(SVR)在對函數(shù)逼近能力和時(shí)間序列預(yù)測問題中具有較優(yōu)的推廣能力, SVR尋找大量的經(jīng)驗(yàn)數(shù)據(jù)與近似數(shù)據(jù)特性之間的最優(yōu)解實(shí)現(xiàn)結(jié)構(gòu)風(fēng)險(xiǎn)最小化。SVR的優(yōu)點(diǎn)是不易陷入局部最小化,也不存在過擬合問題。其中ε-SVR就是一種支持向量回歸的算法。

圖3 最優(yōu)化超平面示意圖Fig.3 Schematic of optimization hyperplane

對于ε-SVR,設(shè)給定訓(xùn)練集{(x1,y1),…, (xl,yl)}?Rn×R,其中xi表示輸入樣本向量, yi表示目標(biāo)值。ε-SVR的目標(biāo)是找到一個(gè)擬合函數(shù)f x(),同時(shí)滿足兩個(gè)條件:擬合出的函數(shù)在精度ε下盡可能的平滑;擬合誤差盡可能的小[9],使函數(shù)呈線性。

其中:〈·,·〉表示Rn空間上的點(diǎn)積,ω∈Rn,b ∈R。同時(shí)考慮到存在誤差,引入松弛變量ξi,ξ?i,該問題寫成優(yōu)化問題,則

式(2)的對偶問題為:

最小化

約束條件

ω完全由訓(xùn)練集xi的線性組合表示。

通過希爾伯特施密特理論可知,滿足Mercer定理的核函數(shù)K,它對應(yīng)一個(gè)特定變換空間的內(nèi)積。設(shè)該核函數(shù)為K(xi,x)＝φ(xi)φ(x),在非線性函數(shù)回歸問題中,利用非線性映射x→φ(x)將數(shù)據(jù)映射到某一高維空間,從而在該空間實(shí)現(xiàn)線性回歸。因此,非線性問題轉(zhuǎn)化為: (x·y＋1)d、RBF核函數(shù)K(x,y)＝、Sigmoid核函數(shù)K(x,y)＝ tanh(b(x·y)－c)等作為核函數(shù)較為常見。在這3種常見核函數(shù)中,RBF核函數(shù)應(yīng)用范圍相對較廣,表現(xiàn)效果較好[10],因此本文選取RBF核函數(shù)來進(jìn)行建模研究。

4 基于CCD圖像的亮度均勻性評估方法

4.1 亮度均勻性測試的理論基礎(chǔ)

當(dāng)驅(qū)動(dòng)背光源發(fā)光時(shí),各部分亮度值理想情況下應(yīng)該為相同的。但由于工藝制成、材料設(shè)備等不可避免的客觀因素影響,采集到的生產(chǎn)線上背光源的亮度值通常情況是存在差異的。例如,日常中對于顯示相同亮度值的顯示器也存在一些偏暗、偏亮的像素或區(qū)域,這就體現(xiàn)了顯示設(shè)備的亮度不均勻。顯示設(shè)備的均勻與否是成像好壞的重點(diǎn)原因,這同樣適用于背光源[7]。通常情況下,人眼對亮度越高的光的變化越不敏感,而對于低亮度的光,本身視覺感受就不十分顯著,甚至可能不一定感受得出來。但若使用亮度達(dá)到一定程度不均勻的背光源用于LCD時(shí),將會(huì)直接影響到LCD顯示畫面的圖形圖像質(zhì)量,觀看者人眼的不適感也會(huì)加重。

在目前光色科學(xué)領(lǐng)域中,CCD圖像傳感器以其成像技術(shù)優(yōu),實(shí)時(shí)性好等特點(diǎn)獲得了普遍的使用[11]。CCD可采集背光源空間位置信息和圖像亮度等信息,使用CCD的背光源檢測平臺(tái)相較于傳統(tǒng)亮度計(jì)檢測能夠更加快速、省時(shí)。

本文將建立采用CCD圖像傳感器的背光源亮度均勻性的理論評價(jià)方法。用于檢測背光源亮度均勻性的方法需滿足以下標(biāo)準(zhǔn):一是CCD圖像傳感器檢測方法應(yīng)該與傳統(tǒng)亮度計(jì)及人工檢測方法具有類似點(diǎn);二是能夠量化評估亮度。本文通過背光源自身特點(diǎn),基于背光源亮度均勻性檢測平臺(tái),設(shè)計(jì)了一種亮度均勻性檢測系統(tǒng)。

4.2 背光源亮度信息采集系統(tǒng)

如圖4所示,為本文背光源圖像亮度采集系統(tǒng)。采集圖像時(shí)CCD圖像傳感器位于若干待測背光源正上方,將圖像傳感器鏡頭與背光源邊沿最大夾角控制在2°范圍內(nèi),減小背光源視角亮度誤差。

圖4 所提背光源亮度采集系統(tǒng)Fig.4 Proposed backlight luminance obtaining system

本文使用CCD同時(shí)采集若干個(gè)背光源的圖像,并將背光源檢測點(diǎn)的圖像亮度轉(zhuǎn)化成亮度值。通過計(jì)算的亮度值,判斷背光源是否合格。所提背光源檢測系統(tǒng)的設(shè)計(jì)如圖5所示。有6塊背光源分別位于槽A、B、C、D、E和F。每個(gè)背光源包含3×3,共9個(gè)檢測點(diǎn)。槽A處的背光源檢測點(diǎn)標(biāo)記為a1,…,a9。所提系統(tǒng)采用以下步驟同時(shí)檢測多個(gè)背光源。

圖5 系統(tǒng)同時(shí)檢測6個(gè)背光源(54個(gè)檢測點(diǎn))亮度圖像Fig.5 System simultaneously inspects 6 backlights (54 check points)

首先,對CCD采集到的圖像應(yīng)用暗場校正。關(guān)閉CCD快門,采集與待測背光源規(guī)格相同的合格背光源的若干幅圖像,并對這幾幅圖像進(jìn)行疊加平均計(jì)算得到平均圖像S。采集圖像減去平均圖像S即得到它的暗場圖像。暗場圖像校正的目的是消除CCD相機(jī)暗電流所產(chǎn)生的噪聲。圖6為圖像S的實(shí)例。其次,對上一步校正后的圖像進(jìn)行平場校正處理。平場校正使用線性函數(shù)gi, ?i＝1,…,M×N,(M,N為圖像像素)校正每個(gè)像素i的亮度值。平場校正的目的是調(diào)整CCD傳感器單元的靈敏度。為計(jì)算平場校正gi,使用CCD采集N張圖像,每張圖像由CCD和亮度計(jì)對同一區(qū)域采集,調(diào)整區(qū)域的光強(qiáng)度,使CCD亮度讀取在經(jīng)驗(yàn)值2000＋100×k(cd/m2),k＝0,…,N-1。對于每個(gè)像素i,有N對,其中表示CCD采集的第k個(gè)圖像的第i個(gè)像素亮度值,Lk是亮度計(jì)對第k個(gè)圖像讀取亮度值。定義表示用于校正圖像第i個(gè)像素的線性函數(shù)。使用最小二乘法線性回歸求得未知量ai,bi:

隨后,計(jì)算平場校正后的檢測點(diǎn)亮度值。并將亮度值作為ε-SVR的輸入,并根據(jù)訓(xùn)練樣本預(yù)測亮度值。訓(xùn)練SVR模型過程中,一個(gè)檢測點(diǎn)訓(xùn)練一個(gè)亮度預(yù)測模型,N對訓(xùn)練樣本), i＝1,..,N用于背光源的每個(gè)檢測點(diǎn)。表示平場校正亮度值(作為SVR模型的訓(xùn)練輸入xi), Li是亮度計(jì)采集標(biāo)準(zhǔn)值(作為SVR模型訓(xùn)練輸出yi)。檢測系統(tǒng)包括6個(gè)背光源,每個(gè)背光源有9個(gè)檢測點(diǎn)。因此將構(gòu)建6×9＝54個(gè)SVR模型。每個(gè)SVR模型預(yù)測單一檢測點(diǎn)的亮度值。當(dāng)訓(xùn)練完成后,可以在一次對焦下同時(shí)檢測幾個(gè)背光源。在預(yù)測階段,所提的系統(tǒng)通過SVR對校正后的槽p中第q個(gè)待測背光源的第r個(gè)檢測點(diǎn)的校正值及BM-7A測得亮度值訓(xùn)練,再通過檢驗(yàn)亮度值來預(yù)測通過BM-7A測得亮度值值的計(jì)算公式為:

其中,n為訓(xùn)練樣本的數(shù)目。

通過檢測點(diǎn)的預(yù)測亮度值進(jìn)一步與質(zhì)量標(biāo)準(zhǔn)對比判斷背光模塊是否合格。此標(biāo)準(zhǔn)通常由制造商的客戶提供。

圖6 暗場校正圖像Fig.6 The image used in dark f ield correction

5 實(shí)驗(yàn)結(jié)果

p表示槽個(gè)數(shù),p＝1,…,P;q表示背光源個(gè)數(shù),q＝1,…,Q;r表示單個(gè)背光源第r個(gè)檢測點(diǎn),r＝1,…,R。令P＝6,R＝9,Q＝20作為訓(xùn)練樣本;Q＝5作為預(yù)測樣本。槽p中第q個(gè)背光源的第r個(gè)檢測點(diǎn)的標(biāo)準(zhǔn)值(由BM-7A測得),記為;SVR預(yù)測值定義為。實(shí)驗(yàn)中使用3個(gè)不同公式來衡量訓(xùn)練后預(yù)測亮度值與BM-7A測得亮度值相比較的準(zhǔn)確度,分別為均方根誤差,偏離率,PSEL(k)。

均方根誤差(RMSE):

大于偏離率BR k%的樣本所占百分比(PSEL(k)):

其中:

由于背光源檢測點(diǎn)樣本之間不存在線性關(guān)系,本文采用將RBF核函數(shù)K(x,y)＝作為核函數(shù)的非線性ε-SVR。使用“窮舉法”[12],選擇不同待定參數(shù)C, γ,ε的組合,則所得誤差會(huì)存在差異,通過對比可看出最小誤差的參數(shù)組合。因此設(shè)C＝0.1、1、10,γ＝0.1、0.5,ε＝1、10。表1、表2分別是ε-SVR訓(xùn)練樣本和檢驗(yàn)樣本誤差的結(jié)果。

由表1及表2可以看出,ε-SVR在非線性情況下,能得到相對較低的檢測誤差,獲得令人滿意的精度。

表1 ε-SVR訓(xùn)練樣本誤差Tab.1 Errors of theε-SVR for the training data set

表2 ε-SVR預(yù)測樣本誤差Tab.2 The errors of theε-SVR for the test data set

6 結(jié) 論

提出一種基于ε-支持向量回歸機(jī)的背光源亮度均勻性檢測系統(tǒng)。借助CCD圖像傳感器一次性采集多個(gè)背光源的圖像,并使用支持向量回歸機(jī)在非線性函數(shù)回歸下將圖像亮度轉(zhuǎn)化亮度值,并根據(jù)亮度值判斷背光源是否合格。本次實(shí)驗(yàn)中,當(dāng)C＝1,γ＝0.5,ε＝10時(shí),預(yù)測結(jié)果最佳,為RMSE＝43.28,BR＝1.21%,并且當(dāng)C, γ,ε取不同數(shù)值時(shí),各檢驗(yàn)結(jié)果相差不大,具有一般性。最后,可根據(jù)質(zhì)量檢測標(biāo)準(zhǔn),判斷背光源是否合格。相較與傳統(tǒng)亮度計(jì),在保證測量準(zhǔn)確性的前提下,其速度更快,且操作更方便,更適合應(yīng)用于生產(chǎn)線上。需要強(qiáng)調(diào)的是核函數(shù)的選擇在非線性SVR中至關(guān)重要。本文根據(jù)以往研究選取的是RBF核函數(shù),但對于如何選擇最優(yōu)核函數(shù),仍需要今后進(jìn)一步的研究論證。

[1] Lee J,Kim B C.The relationship between innovation and market share:Evidence from the global LCD industry [J].Ind.Innov,2013,20(1):1-21.

[2] Poor A.LCDs′bright future[J].Spectrum,2011,48(10):24-25.

[3] Li Y,Chu P,Liu J,et al.A novel partitioned light guide backlight LCD for mobile devices and local dimming method with non-uniform backlight compensation[J].Display Technology,Journal of,2014,(10)4:321-328.

[4] 季旭東.LCD背光源產(chǎn)品的新發(fā)展[J].液晶與顯示,2002,17(2):119-127.Ji X D.New development of LCDs backlight[J].Chinese Journal of Liquid Crystals and Displays,2002,17(2): 119-127.(in Chinese)

[5] 宋新麗,鄭喜鳳,凌麗清,等.基于灰度直方圖的LED顯示屏亮度均勻性評估方法[J].液晶與顯示,2009,24(1): 140-144.Song X L,Zheng X F,Ling L Q,et al.Luminance uniformity evaluation for LED display panel based on gray histogram[J].Chinese Journal of Liquid Crystals and Displays,2009,24(1):140-144.(in Chinese)

[6] Topcon Cooperation.BM-7A Speci f ication[OL].Available:http://www.totalsmart.com.tw/Download/BM-7A.pdf

[7] 徐秀知,馮永茂,鄧春健,等.一種新的OLED亮度均勻度測試方法[J].光學(xué)技術(shù),2007,33(1):41-43.Xu X Z,Feng Y M,Deng C J,et al.A new method for testing luminance uniformity of OLED[J].Optical Technique,2007,33(1):41-43.(in Chinese)

[8] ?zcan B,F?lal?A.Artificial neural networks for the cost estimation of stamping dies[J].Neural Computing and Applications,2014,25:717-726.

[9] Halfawy M R,Hengmeechai J.Automated defect detection in sewer closed circuit television images using histograms of oriented gradients and support vector machine[J].Autom.Construction,2014,38:1-13.

[10] Wu H W,Yu H Y,Zhang L.The net photosynthetic rate prediction model based on the optimized support vector machine[J].Spectroscopy and Spectrum Analysis,2011,31(5):1414-1418.

[11] Tohsing K,Schrempf M,Riechelmann S,et al.Measuring high-resolution sky luminance distributions with aCCD camera[J].Applied Optics,2013,52(8):1564-157.

[12] 林升梁,劉志.基于RBF核函數(shù)的支持向量機(jī)參數(shù)選擇[J].浙江工業(yè)大學(xué)學(xué)報(bào),2007,35(2):163-167.Lin S L,Liu Z.Parameter selection in SVM with RBF kernel function[J].Journal of Zhejiang University of Technology,2007,35(2):163-167.(in Chinese)

Luminance uniformity evaluation for backlight based onε-support vector regression

SONG Yue,LIN Zhi-xian,YAO Jian-min?,GUO Tai-liang

(College of Physics and Information Engineering,Fuzhou University,Fuzhou 350002,China)

The traditional luminance meter takes too much time to detect the backlight luminance so that it is hard to take bulk-production in the engineering practice.To solve these problems,the paper puts forward an evaluation method of backlight luminance uniformity based onε-support vector regression.A backlight luminance uniformity testing platform is designed.First of all,a CCD image sensor is used in a single shot to get a digital image of several backlights,and the image is corrected.Secondly usesε-support vector regression(ε-SVR)in the condition of nonlinear to test the luminance values of check points in backlights,and forecast the real luminance values of backlights.At last,it is compared with the testing standard to judge whether the backlights are qualified.The results show that the fusion of parameters can be tested in the constructed support vector regression.And their accuracy shows good similarity.RMSE of the best prediction is 43.28,BR is 1.21%.The error between the predicted results and these results of the measurements of the traditional luminance meter ismuch less,and it is easy to operate.The evaluation results of luminance meter are accorded with the method of the objective evaluation of the backlight luminance uniformity.

optical detection;backlight;CCD;ε-SVR

TP752

:A

10.3788/YJYXS20153005.0857

1007-2780(2015)05-0857-07

宋悅(1989－),女,黑龍江哈爾濱人,碩士研究生,研究方向?yàn)橛?jì)算機(jī)視覺與圖像處理等。E-mail:sy891104＠126.com

林志賢(1975－),男,福建泉州人,博士,教授,從事平板顯示器驅(qū)動(dòng)技術(shù)、信息顯示技術(shù)等研究工作。

姚劍敏(1978－),男,福建莆田人,副研究員,博士,主要研究工作是模式識(shí)別、三維顯示技術(shù)等。

郭太良(1963－),男,福建莆田人,研究員,博士生導(dǎo)師,主要從事FED顯示器方面的研究工作。

2014-09-28;

:2014-11-04.

國家863重大專項(xiàng)(No.2013AA030601);國家自然科學(xué)基金(No.61101169,No.61106053);福建省教育廳(省屬高校專項(xiàng))(No.JK2014002)

?通信聯(lián)系人,E-mail:yaojm＠fzu.edu.cn