Содержание
Новостройки Барнаула по ценам застройщика
Павловский тракт 196 корпус 1, ЖК «Колумб»
Планируемая сдача дома: не позднее 30 июня 2025 подробнее…
Застройщик: ООО «СЗ «Домостроительная компания»
Выбрать квартиру или нежилое
О доме
Документы
Павловский тракт 196 корпус 3, ЖК «Колумб»
Планируемая сдача дома: не позднее 30 июня 2025 подробнее…
Застройщик: ООО «СЗ «Домостроительная компания»
Выбрать квартиру или нежилое
О доме
Документы
Павловский тракт 196 корпус 4, ЖК «Колумб»
Планируемая сдача дома: не позднее 30 июня 2025 подробнее.
..
Застройщик: ООО «СЗ «Домостроительная компания»
Выбрать квартиру или нежилое
О доме
Документы
Павловский тракт 60б корпус 1, ЖК «Классика»
Планируемая сдача дома: не позднее 30 декабря 2023 подробнее…
Застройщик: ООО «СЗ «Алгоритм-Строй»
Выбрать квартиру или нежилое
О доме
Документы
Павловский тракт 60б, ЖК «Классика»
Планируемая сдача дома: не позднее 30 декабря 2023 подробнее…
Застройщик: ООО «СЗ «Алгоритм-Строй»
Выбрать квартиру или нежилое
О доме
Документы
Павловский тракт 60б подземная автостоянка, ЖК «Классика»
Планируемая сдача дома: не позднее 30 декабря 2023 подробнее.
..
Застройщик: ООО «СЗ «Алгоритм-Строй»
Выбрать нежилое
Об объекте
Документы
Чернышевского 186, ЖК «Литерный»
ДОМ СДАН подробнее…
Застройщик: ООО «СЗ ИСК «Алгоритм»
Выбрать квартиру или нежилое
О доме
Документы
Сергея Ускова 32 (Гараж-стоянка), Квартал 2009а «Балтийская Крепость»
ДОМ СДАН подробнее…
Застройщик: ООО «СЗ ИСК «Алгоритм»
Выбрать нежилое
Об объекте
Документы
Димитрова 126, ЖК «ТЕТРИС»
ДОМ СДАН подробнее.
..
Застройщик: ООО «СЗ ИСК «Алгоритм»
Выбрать квартиру или нежилое
О доме
Документы
Молодежная 138, ЖК «Джаз» вторая очередь
ДОМ СДАН подробнее…
Застройщик: ООО «СЗ «СМАРТ»
Выбрать квартиру или нежилое
О доме
Документы
Павловский тракт 162б, ЖК «КРАСКИ»
ДОМ СДАН подробнее…
Застройщик:ООО «СЗ «СМАРТ»
Выбрать квартиру или нежилое
О доме
Документы
Павловский тракт 162г, ЖК «КРАСКИ»
ДОМ СДАН подробнее.
..
Застройщик: ООО «СЗ «СМАРТ»
Выбрать квартиру или нежилое
О доме
Документы
Христенко 15, ЖК «КРАСКИ»
ДОМ СДАН подробнее…
Застройщик: ООО «СЗ «СМАРТ»
Выбрать квартиру или нежилое
О доме
Документы
65 лет Победы 6, ЖК «Крылья — 2»
ДОМ СДАН подробнее…
Застройщик: ООО «СЗ «Домостроительная компания»
Выбрать квартиру или нежилое
О доме
Документы
65 лет Победы 10, ЖК «Крылья — 2»
ДОМ СДАН подробнее…
Застройщик: ООО «СЗ «Домостроительная компания»
Выбрать квартиру или нежилое
О доме
Документы
Юрина 204ж, ЖК «Добрыня»
ДОМ СДАН подробнее.
..
Застройщик: ООО «СЗ ИСК «Алгоритм»
Выбрать квартиру или нежилое
О доме
Документы
Попова 132, ЖК «Крылья»
ДОМ СДАН подробнее…
Застройщик: ООО «СЗ ИСК «Алгоритм»
Выбрать квартиру или нежилое
О доме
Документы
Малахова 34а, ЖК «Титан»
ДОМ СДАН подробнее…
Застройщик: ООО «СЗ ИСК «Алгоритм»
Выбрать квартиру или нежилое
О доме
Документы
Сергея Семёнова 4, ЖК «Крылья»
ДОМ СДАН подробнее…
Застройщик: ООО «СЗ ИСК «Алгоритм»
Выбрать квартиру или нежилое
О доме
Документы
Сергея Семёнова 6, ЖК «Крылья»
ДОМ СДАН подробнее.
..
Застройщик: ООО «СЗ ИСК «Алгоритм»
Выбрать квартиру или нежилое
О доме
Документы
Молодежная 136, ЖК «JAZZ» (Джаз)
ДОМ СДАН подробнее…
Застройщик: ООО «СЗ ИСК «Алгоритм»
Выбрать квартиру или нежилое
О доме
Документы
Северный Власихинский 102, Квартал 2009а «Балтийская Крепость»
ДОМ СДАН подробнее…
Застройщик: ООО «СЗ ИСК «Алгоритм»
Выбрать квартиру или нежилое
О доме
Документы
Северный Власихинский 104, Квартал 2009а «Балтийская Крепость»
ДОМ СДАН подробнее.
..
Застройщик: ООО «СЗ ИСК «Алгоритм»
Выбрать квартиру или нежилое
О доме
Документы
Сергея Ускова 42, Квартал 2009а «Балтийская Крепость»
ДОМ СДАН подробнее…
Застройщик: ООО «СЗ ИСК «Алгоритм»
Выбрать квартиру или нежилое
О доме
Документы
Северный Власихинский 106, Квартал 2009а «Балтийская Крепость»
ДОМ СДАН подробнее…
Застройщик: ООО «СЗ ИСК «Алгоритм»
Выбрать квартиру или нежилое
О доме
Документы
Сергея Ускова 40, Квартал 2009а «Балтийская Крепость»
ДОМ СДАН подробнее.
..
Застройщик: ООО «СЗ ИСК «Алгоритм»
Выбрать квартиру или нежилое
О доме
Документы
Балтийская 105, Квартал 2009а «Балтийская Крепость»
ДОМ СДАН подробнее…
Застройщик: ООО «СЗ ИСК «Алгоритм»
Выбрать квартиру или нежилое
О доме
Документы
Балтийская 103, Квартал 2009а «Балтийская Крепость»
ДОМ СДАН подробнее…
Застройщик: ООО «СЗ ИСК «Алгоритм»
Выбрать квартиру или нежилое
О доме
Документы
ЖК Алгоритм — цены на сайте от официального застройщика Алгоритм Девелопмент, планировки жилого комплекса, ипотека, акции новостройки — Ленинградская область, Всеволожский район, поселок Щеглово
Вы записались на просмотр квартиры в данном ЖК!
Квартиры и апартаменты в ЖК «Алгоритм»
Нет предложений от застройщика в этом ЖК
4 квартиры
Цены и спрос
Количество комнат
123
Стоимость
За квартируЗа м²
Средняя цена за квартиру3,5 млн ₽
Средняя цена м²70 408 ₽/м²
Данные собираются раз в месяц, последнее обновление: октябрь 2022
Жилой комплекс «Алгоритм» — современный и амбициозный проект комфорт-класса строительной компании «Алгоритм Девелопмент».
Комплекс станет новым центром жизни Щеглово! Ведь именно тут сконцентрируются все административные и развлекательные объекты города. В состав комплекса входят:- три восьмиэтажных жилых корпуса, — детский сад, — банк, магазины, почтовое отделение, салон красоты, кафе и кондитерские на первых этажах зданий, — детские и баскетбольные площадки, — футбольное поле, — тренажерный комплекс и многое другое.
1 отзыв о ЖК «Алгоритм»
Нет рейтинга
Хочу выразить огромную благодарность компании «Алгоритм» за помощь, оказанную ЖК «Щегловская усадьба». Именно эта компания оказала нам помощь в достройке двух домов нашего проблемного комплекса, в котором мы ждем ключи с 2016 года! Эта компания на рынке сравнительно недавно, но все обязательства перед своими клиентами исполняет в срок, а в наше время это такая редкость! И еще находит силы, желание и средства помогать другим! Спасибо! Спасибо «Алгоритму» и Виктору Файзулину за надежду!! Надежду наконец — то попасть домой! Надеемся, что и остальные 8 домов компания поможет достроить! Спасибо!! (пайщица ЖК «Щегловская усадьба»)
Читать полностью
КОНСУЛЬТАНТ
Показать ЖК от ПИКДругие ЖК рядом
Объекты на территории жилого комплекса
Детский сад
Детские площадки
Спортивные площадки
Места для отдыха
Супермаркет
Рестораны
Фитнес-центр
Пункты бытового обслуживания
Безопасность
Видеонаблюдение
Варианты отделки
Чистовая
Застройщик Алгоритм Девелопмент
ООО Алгоритм Девелопмент – это строительная компания, образованная в 2005 году путём слияния 2 смежных по роду деятельности организаций.
Основными направлениями деятельности являются: проектирование, строительство, согласование, ввод в эксплуатацию и, непосредственно, эксплуатация объектов обширного спектра назначения. Также ком…Подробное описание
Другие ЖК от застройщика
Все предложения
Ход строительства
ЖК «Алгоритм» — ипотека от банков
Проектная документация
- Разрешение на ввод в эксплуатацию (корпус 2)
- Проектная декларация
- Изменения в проектную декларацию
- Разрешение на ввод в эксплуатацию (корпус 1)
- Проектная декларация от 20.09.19
- Разрешение на ввод в эксплуатацию дом 3
- Застройщик Алгоритм Девелопмент. Проектная декларация на сайте наш.дом.рф
КОНСУЛЬТАНТ
Источники фото: https://avatars.
mds.yandex.net, https://sun9-46.userapi.com, https://sun9-63.userapi.com, https://sun9-74.userapi.com.
Алгоритм локального затемнения автомобильного ЖК-прибора на основе Otsu и максимальной энтропии
На этой странице Алгоритм предлагается в этой статье. Сначала серое изображение входного изображения получается с использованием принципа максимума, а затем значение яркости светодиодной подсветки получается с использованием метода Оцу и метода максимальной энтропии. Алгоритм сглаживания задней подсветки BMA улучшен за счет комбинирования алгоритма билинейной интерполяции, а изображение затемнения получается за счет использования алгоритма компенсации пикселей на основе логарифмирования. Затем для изображений с низкой яркостью, изображений с высокой яркостью, изображений с низкой контрастностью и изображений с высокой контрастностью используются типичные алгоритмы для моделирования и сравнения, а также анализируются эффекты обработки изображений различными алгоритмами локального затемнения.
Наконец, метод энтропийного веса используется для объективной оценки алгоритма локального затемнения. Результаты показывают, что новый алгоритм локального затемнения снижает энергопотребление и улучшает качество отображения, что подтверждает эффективность предложенного алгоритма.
1. Введение
ЖК-дисплей в автомобильном жидкокристаллическом приборе отличается от OLED. Это неавтономное светоизлучающее устройство отображения, которое должно полагаться на модуль подсветки для обеспечения подсветки [1]. Поскольку светодиод обладает характеристиками энергосбережения, защиты окружающей среды и длительного срока службы, прямой светодиодный модуль подсветки широко используется в качестве подсветки в автомобильных ЖК-приборах. Однако выходная яркость традиционной подсветки постоянна, что приводит к высокому энергопотреблению, плохой контрастности и утечке света на дисплее. Чтобы решить эту серию проблем, исследователи предложили алгоритм локального затемнения. Алгоритм локального затемнения делит изображение на несколько разделов, и источник подсветки соответственно изменяется в соответствии с пиксельным содержимым соответствующего раздела.
Более простые алгоритмы локального затемнения включают метод максимального значения, метод среднего значения, метод квадратного сечения и метод стандартного отклонения [2]. Метод Max принимает максимальное значение серого соответствующего раздела в качестве значения яркости подсветки, что не приведет к очевидной потере деталей, но эффект энергосбережения будет плохим. Метод среднего использует среднее значение серого соответствующего раздела в качестве значения яркости задней подсветки. По сравнению с максимальным методом, средний метод имеет лучший эффект энергосбережения, но он склонен к усечению серого. Метод Sqrt и метод стандартного отклонения получают значение яркости задней подсветки соответствующего раздела на основе метода среднего значения. По сравнению со средним методом, метод sqrt сохраняет больше деталей изображения и в определенной степени снижает энергопотребление по сравнению с максимальным методом, но он также подвержен усечению серого. В то же время существуют типовые алгоритмы локального диммирования, такие как метод коррекции ошибок, пороговый метод CDF и метод IMF [3, 4].
В методе исправления ошибок весовой коэффициент перед значением коррекции является фиксированным, в результате чего некоторые изображения не могут получить идеальное значение яркости светодиодной подсветки, а область применения ограничена. Как пороговый метод CDF, так и метод IMF подходят для изображений с высокой яркостью и могут повысить контрастность изображений, но для изображений с большой долей темных сцен яркость светодиодной подсветки, полученная с помощью двух алгоритмов, низкая, что легко вызвать чрезмерную яркость. компенсация пикселей и легко потерять детали. В последние годы некоторые ученые предложили лучшие алгоритмы локального затемнения. Ву [5] предложил новый алгоритм локального затемнения, который использует улучшенный алгоритм гибридной чехарды для извлечения яркости задней подсветки, что улучшает контрастность изображения. Сонг и др. [6] предложили алгоритм локального затемнения, основанный на глубоком обучении, который напрямую генерирует компенсационное изображение из входного изображения без какой-либо информации об уровне затемнения задней подсветки.
Чжан и др. [7] предложили новый метод адаптивного локального затемнения для изменения значения яркости подсветки в сочетании с человеческими зрительными характеристиками. Чжао [8] предложил алгоритм локального затемнения, основанный на локальной яркости изображения. Хотя некоторые отечественные и зарубежные ученые предложили некоторые алгоритмы локального затемнения, все еще есть много возможностей для улучшения энергосбережения и улучшения качества отображения. В этой статье представлен алгоритм локального затемнения для автомобильного ЖК-прибора, который улучшает качество отображения и снижает энергопотребление.
2. Новый алгоритм локального затемнения
Метод Оцу имеет хороший эффект обработки для бимодального изображения и краевой области изображения на серой гистограмме. Он имеет характеристики простого расчета, высокой производительности в реальном времени и относительно хорошего эффекта обработки. Он часто используется для получения начального порога в области пороговой сегментации.
Однако, поскольку метод Оцу учитывает только максимизацию целевой и фоновой сегментации при выполнении пороговой сегментации, методу Оцу часто бывает трудно получить лучший порог сегментации для некоторых изображений, у которых значения серого целевого и фонового изображения близки. Метод Оцу имеет хороший эффект обработки для изображения с очевидным различием между фоновым слоем и целевым слоем, то есть изображения с двойными пиками на гистограмме серого, а также в краевой области значения серого изображения. Метод максимальной энтропии и метод Оцу хорошо дополняют друг друга. Они имеют хороший эффект распознавания и сегментации в области с низкой дискриминацией фона и границы цели, в то время как эффект обработки в краевой области серого изображения плохой [9].]. Путем всестороннего анализа преимуществ и недостатков существующих алгоритмов локального затемнения в этой статье предлагается алгоритм локального затемнения, основанный на OTSU и максимальной энтропии, включая алгоритм локального динамического извлечения задней подсветки, алгоритм сглаживания задней подсветки и алгоритм компенсации пикселей.
2.1. Backlight Extraction
Конкретные шаги нового алгоритма извлечения области задней подсветки следующие:
(1) Преобразуйте входное изображение в серое изображение, используя принцип максимума
Во-первых, в этой статье используется принцип максимума, чтобы сделать входное изображение серым, чтобы получить серое изображение; то есть максимальное значение красного, зеленого и синего основных цветов каждого пикселя принимается за значение серого пикселя. Используя принцип максимума для получения значения серого, можно гарантировать, что значение яркости светодиодной подсветки, рассчитанное в последующем алгоритме извлечения задней подсветки, не будет слишком низким, чтобы избежать влияния на эффект отображения изображения из-за чрезмерной компенсации пикселей. в значительной степени. В настоящее время три основных цвета — красный, зеленый и синий — представлены восемью каналами, что составляет 256 уровней; диапазон квантования значения серого составляет 0-255, как показано на
В формуле , , и три основных цветовых компонента: красный, зеленый и синий в пикселе.
(2) Получите целевое значение первого уровня с помощью метода Оцу
После получения серого изображения входного изображения метод Оцу (метод максимальной межклассовой дисперсии) используется для адаптивного выбора целевого значения первого уровня в соответствии с серым изображением. каждого раздела изображения. Конкретные шаги следующие:
Для изображения с разрешением , оно содержит уровни серого и представляет собой количество пикселей с уровнем серого , как показано на
В формуле вероятность серого соответствует уровню серого , где и .
Если порог сегментации равен , то серые пиксели изображения делятся на и , то есть соответствующие фону и цели . и являются общими пиксельными вероятностями фона и цели, соответственно, и и являются средними значениями серого фона и цели, соответственно, как показано в
где — среднее значение серого входного изображения, а — межклассовая дисперсия, как показано на рис.
В формуле – максимальная межклассовая дисперсия и целевой порог.
(3) Получите вторичное целевое значение с помощью метода максимальной энтропии. На основе метода Оцу
В диапазоне [90%, 110%] первичного целевого значения, полученного методом Оцу, вторичное целевое значение получают путем Метод максимальной энтропии. Конкретные шаги следующие:
Приняв за границу порог сегментации, он делится на две части: и , которые соответствуют серым областям и , соответственно. и представляют собой сумму вероятностей уровней серого в двух серых областях соответственно.
Сумма информационной энтропии и
Для плоской части кривой на серой гистограмме входного изображения информационная энтропия велика; крутая область с меньшим количеством информации уровня серого — это область с низкой сложностью и низкой информационной энтропией. При перемещении по серому диапазону уровень серого, соответствующий максимальному значению, является вторичным целевым значением.
(4)Рассчитать целевой порог сегментации
Целевой порог сегментации получается путем всестороннего рассмотрения первичного целевого значения и вторичного целевого значения на этапах (2) и (3).
(5) Рассчитайте значение яркости подсветки
Область, в которой значение серого больше, чем рассматривается как область усиления, как показано на рисунке 1.
После получения области усиления используется соответствующая идея метода коррекции ошибок, как показано на рис.
В формуле — среднее значение серого в области усиления серого изображения; — коэффициент усиления. — величина коррекции, полученная путем введения метода исправления ошибок, и — значение яркости задней подсветки светодиодной лампы, полученное путем применения нового алгоритма выделения локальной динамической задней подсветки.
2.2. Backlight Smoothing
Из-за рассеивания света светодиодами в соседних зонах это влияет на соседние зоны. Если пиксель компенсируется напрямую, на изображении будет очевидный «блочный эффект». Поэтому перед компенсацией пикселей требуется сглаживание контрового света для устранения «эффекта блочности». Эффект имитации блочного эффекта показан на рис. 2.
В настоящее время для сглаживания задней подсветки широко используются алгоритмы LSF и BMA. По сравнению с алгоритмом LSF, алгоритм BMA имеет преимущества простой работы, меньшего количества аппаратных ресурсов и лучшего эффекта сглаживания задней подсветки. Однако, поскольку традиционный алгоритм BMA использует простую обработку окружающего изображения при расширении матрицы для сглаживающей фильтрации, это приведет к некоторой потере конечного эффекта сглаживания задней подсветки. Алгоритм использует метод расширения билинейной интерполяции при расширении матрицы. Этот метод эффективно учитывает информацию об изображении исходной матрицы, и производительность алгоритма повышается.
Основная идея улучшенного алгоритма BMA заключается в следующем:
(1) Окружающее зеркальное отображение является лишь простой копией границы, что приводит к большой ошибке. Для расширения матрицы используется алгоритм билинейной интерполяции, полностью учитывающий ближайшие четыре вершины вокруг вычисляемого пикселя.
В начальном расширении матрицы алгоритм билинейной интерполяции используется для замены традиционного метода окружающего зеркального отображения для расширения матрицы для получения матрицы расширения, как показано
(2) Начальная матрица расширения сглаживания задней подсветки сглаживается уравнением (9)) для получения исходной матрицы сглаживающего фильтра (3)После сглаживания матрицы алгоритм интерполяции ближайшего соседа заменяется алгоритмом билинейной интерполяции для удвоения размера матрицы(4)Повторите шаги (1)~(3) дважды. Наконец, алгоритм билинейной интерполяции используется для расширения матрицы сглаживающего фильтра до размера исходного изображения. Сравнение алгоритмов показано на рисунке 3
2.3. Компенсация пикселей
Если значение яркости светодиодной подсветки, полученное с помощью алгоритма извлечения локальной динамической подсветки, слишком мало, традиционный алгоритм компенсации пикселей приведет к чрезмерной компенсации пикселей изображения, что приведет к усечению серого и низкой надежности алгоритма.
В этой статье предлагается алгоритм компенсации пикселей, основанный на логарифмировании, который может растягивать область низкой яркости и улучшать область высокой яркости, что в значительной степени уменьшает искажение изображения, как показано на рис.
В формуле максимальное значение серого для каждого изображения серого раздела изображения; значение сглаживания задней подсветки в пикселе, полученное путем сглаживания задней подсветки матрицы яркости задней подсветки светодиодов; — коэффициент корректировки пикселей.
Сравнение традиционного алгоритма компенсации пикселей и алгоритма компенсации пикселей на основе логарифмов показано на рисунке 4.
3. Проверка эффекта алгоритма локального затемнения
На платформе MATLAB различные алгоритмы локального затемнения используются для имитации изображения с низкой яркостью. , изображение с высокой яркостью, изображение с низкой контрастностью и изображение с высокой контрастностью. Разрешение тестового образа , а раздел изображения .
Изображение образца показано на рисунке 5, а результаты моделирования показаны на рисунках 6–9..
В соответствии с результатами моделирования шесть тестировщиков приглашаются для субъективной оценки изображений моделирования в соответствии с пятью оценками отличного, хорошего, общего, некачественного и плохого в закрытой среде с темным освещением. Результаты представлены в таблице 1.
4. Оценка алгоритма
4.1. Индекс оценки
На основе всестороннего анализа классических методов объективной оценки в данной статье в качестве объективных показателей оценки регионального затемнения предлагается принять коэффициент энергосбережения (SER), коэффициент переполнения (OFR) и контрастность (CR). алгоритм, как показано в таблице 2.
В формуле — это средняя яркость всех светодиодов подсветки, соответствующих входному изображению, диапазон значений — ; — общее количество пикселей, переполненных после компенсации пикселей; и — максимальная и минимальная яркость светодиодной подсветки, полученная с использованием алгоритма выделения региональной динамической подсветки.
4.2. Анализ результатов
Три индекса объективной оценки уровня энергосбережения, уровня переполнения и контрастности извлекаются из значения яркости задней подсветки и значения пикселей компенсации задней подсветки. В этой статье метод энтропийного веса, основанный на объективных индексах, используется для оценки и оценки алгоритма, устранения влияния субъективных факторов, присвоения веса каждому индексу объективной оценки, а затем преобразования его в количественную оценку оценки качества регионального затемнения. алгоритм.
Результаты оценки, полученные методом энтропийных весов, представлены в таблице 3.
В таблице 1 оценивается изображение по субъективному зрительному восприятию тестировщика, а в таблице 3 анализируется эффект обработки алгоритма по объективным показателям. Согласованность между таблицами 1 и 3 хорошая, что подтверждает отличный эффект обработки алгоритма, предложенного в этой статье, на снижение энергопотребления и улучшение качества отображения.
5. Обсуждение
(1)Предложен новый алгоритм локального затемнения для автомобильных ЖК-приборов, который может снизить энергопотребление и улучшить качество отображения. Он в основном включает в себя комплексное использование метода Оцу и метода максимальной энтропии для определения значения яркости светодиодной подсветки, улучшение алгоритма сглаживания подсветки BMA с помощью билинейной интерполяции и алгоритма компенсации пикселей на основе логарифма (2). Новый алгоритм локального затемнения и другие алгоритмы локального затемнения, предложенные в этой статье, моделируются и анализируются на четырех типичных изображениях. Установлено, что алгоритм локального затемнения, предложенный в данной статье, позволяет эффективно улучшить качество отображения, что показывает, что этот алгоритм имеет широкую применимость(3). Метод энтропийного веса используется для объективной оценки качества алгоритма, что доказывает, что локальное Алгоритм затемнения, предложенный в данной статье, позволяет эффективно снизить энергопотребление и улучшить качество отображения
Доступность данных
Данные не использовались для поддержки этого исследования.
Конфликт интересов
Потенциальный конфликт интересов в данном исследовании отсутствует.
Ссылки
Х. Цзя, «Кто победит в технологиях отображения будущего?» National Science Review , vol. 5, нет. 3, стр. 427–431, 2018 г.
Посмотреть по адресу:
Сайт издателя | Google Scholar
F. W. Li, W. Q. Jin, X. B. Shao, X. Wang, L. L. Zhang и K. L. Zhang, «Прогресс технологии жидкокристаллических дисплеев с расширенным динамическим диапазоном на основе светодиодной подсветки с технологией управления областью», Оптическая техника , том. 35, нет. 6, стр. 835–839, 2009.
Просмотр по адресу:
Google Scholar
Ю. З. Лю, X. Р. Чжэн и Дж. Б. Чен, «Алгоритм динамического извлечения сигнала задней подсветки на основе порога CDF изображения для ЖК-телевизоров и его аппаратная реализация», Китайский журнал жидких кристаллов и дисплеев , том.
25, нет. 3, стр. 449–453, 2010.Посмотреть по адресу:
Google Scholar
F.-C. Лин, Ю.-П. Хуанг, Л.-Ю. Ляо и др., «Динамическая гамма задней подсветки на ЖК-телевизорах с широким динамическим диапазоном», стр. 9.0103 Journal of Display Technology , vol. 4, нет. 2, стр. 139–146, 2008 г.
Посмотреть по адресу:
Сайт издателя | Google Scholar
Х.Ю. Ву, Исследование алгоритма локального затемнения на основе HDR-дисплея , Тяньцзиньский университет, 2018 г.
С.-Дж. Сонг, Ю. Ким, Дж. Бэ и Х. Нам, «Алгоритм компенсации пикселей на основе глубокого обучения для жидкокристаллических дисплеев с локальным затемнением и подсветкой с квантовыми точками», Optics Express , vol. 27, нет. 11, стр. 15907–15917, 2019.
Посмотреть по адресу:
Сайт издателя | Google Scholar
С.
Дж. Сонг, Ю. И. Ким, Дж. Бэ и Х. Нам, «Регулируемый адаптивный метод локального затемнения», Laser & Optoelectronics Progress , vol. 57, нет. 12, стр. 221–229, 2020.Просмотр по адресу:
Google Scholar
Чжао Чжао, Лю Г. К., Ву Л., Чжу Л. М. и Фэн К. Б., «Алгоритм динамического затемнения для жидкокристаллического дисплея на основе по локальной яркости изображения», Китайский журнал жидких кристаллов и дисплеев , том. 35, нет. 3, стр. 234–241, 2020.
Посмотреть по адресу:
Сайт издателя | Google Scholar
S. Yi, G. Zhang, J. He и S. Li, «Сегментация изображений с максимальной энтропией на основе максимальной межклассовой дисперсии», Computer Engineering & Science , vol. 40, нет. 10, стр. 1874–1881, 2018.
Посмотреть по адресу:
Google Scholar
25, нет. 3, стр. 449–453, 2010.
Дж. Сонг, Ю. И. Ким, Дж. Бэ и Х. Нам, «Регулируемый адаптивный метод локального затемнения», Laser & Optoelectronics Progress , vol. 57, нет. 12, стр. 221–229, 2020.Copyright
Copyright © 2022 Tianfu Liu and Chunqiu Tang.
Эта статья находится в открытом доступе и распространяется в соответствии с лицензией Creative Commons Attribution License, которая разрешает неограниченное использование, распространение и воспроизведение на любом носителе при условии надлежащего цитирования оригинальной работы.
Алгоритм управления динамической подсветкой LCD на основе PSNR
[1]
Seetzen H, Heidrich W, Stuerzlinger W, et al. ACM Transactions on Graphics, 2004, 23 (3): 760-768.
[2]
Линь Фанг-Чэн, Ляо Ченг-Ю, Хуан Линь-Яо и др. SID07 Дайджест, 2007, 38: 1343-1346.
[3]
Chen T s, Chang C C, Hwang M S.
IEEE Trans. Процесс изображения, 1998, 7(10): 1458-1488.
[4]
Чон-Джу Хонг, Сон-Юн Ким, IEEE Trans. Потребительский электрон, 2008, 31(1): 745-695.
[5]
Чо Х, Квон О К. IEEE Trans. Consumer Electron, 2009, 55(2): 839-844.
[6]
Чен Ханфэн, Сон Джунхо, Ха Тэхён и др. Журнал Общества отображения информации, 2007, 15(12): 981-988.