LED微显示技术

LED微显示是一种基于芯片上集成高密度二维发光二极管阵列的全固体主动发光器件,其拥有系统设计简单、光能利用率高、响应速度快及工作温度范围宽等优点。主要介绍了LED微显示技术实现方式、最新进展及其应用前景。     

一种增加LED照明时序彩色投影系统亮度的方法

基于微型投影显示的色域特性和色彩实现机制,提出了一种提高微型投影系统亮度的方法。在基色子帧中引入其它基色,实现基色坐标的变换,再对微型投影系统亮场白平衡,分析并比较系统在绿色基色校正前后的性能。从理论分析了各色LED的最大工作电流、各基色色坐标和白场色坐标对通过基色校正提高亮度效果的影响。将该方法应用于实验室研发的微型投影系统,在保证系统显示性能的同时,亮度有了25.24%的提升。     

高分辨率灰度图像的快速多分辨率着色

灰度图像的计算机快速着色有着广泛的应用前景,尤其足对老照片或者旧影片的彩色化处理.基于最优化的着色方法利用少量的人工标色,就能够得到好的着色效果,但是该方法在处理较高分辨率图像时需要消耗大量的存储和计算资源,有时甚至不能得到最后的结果.在最优化着色方法的基础上,文中利用图像着色的特征,提出了使用最优化着色的金字塔模型进行多分辨率着色处理的新方法,始终控制矩阵计算的规模,能够很快地得到视觉效果一致甚至更好的着色效果.实验结果也证明新方法无论在计算时间、存储需求还是最后着色的质量上,尤其是针对高分辨率图像,比原方法有了很大的改进.     

结合Pix2Pix生成对抗网络的灰度图像着色方法

针对神经网络在进行图像着色时容易出现物体边界不明确、图像着色质量不高的问题,提出结合Pix2Pix生成对抗网络的灰度图像着色方法.首先改进U-Net结构,采用8个下采样层和8个上采样层对图像进行特征提取和颜色预测,提高网络模型对图像深层次特征的提取能力;然后使用L1损失和smoothL1损失度量生成图像与真实图像之间的差距,对比不同损失函数下的图像着色质量;最后加入梯度惩罚,在生成图像和真实图像分布之间构造新的数据分布,对每个输入数据进行梯度惩罚,改变判别器网络梯度限制方法,提高网络在训练过程中的稳定性.在相同实验环境下,使用Pix2Pix模型和summer2winter数据进行对比分析.实验结果表明,改进后的U-Net和使用smooth L1损失作为生成器损失可以生成更好的着色图像;而L1损失能更好地保持图像结构信息,使用梯度惩罚可以加速模型的收敛速度,提高模型稳定性和图像质量;该方法能更好地学习图像的深层次特征,减少图像着色模糊现象,在有效地保持图像结构相似性的同时提高图像着色质量.     

基于美学质量评价的条件生成对抗网络线稿图像彩色化方法

目的 为了更好地实现包装设计中符合用户美学感知需求的动漫图像元素,生成美感更高的彩色线稿图像,提出一种基于美学质量评价的条件生成对抗网络线稿图像彩色化方法(Conditional Image Colorization with Image Aesthetics GANs,IM-GAN).方法 采用Mish函数作为生成模型激活函数,并使用美学质量评价优化生成模型损失函数,实现线稿图像的自动彩色化任务.结果 使用图像美学质量评分作为客观评价指标,观察者打分作为主观评价指标,对算法进行评价.IM-GAN生成的彩色图像具有更高美学质量评分和主观打分.结论 文中方法能够完成线稿图像自动彩色化任务,在包装设计动漫形象应用方面具有一定的参考和使用价值.     

三维几何数据的交互式着色算法

获取三维模型的纹理信息是计算机图形学领域的一个重要研究问题.传统的方法往往通过纹理映射来完成这个任务,其局限是需要一幅合适的纹理图像.为了能够更简便地得到模型的纹理,提出一种交互式着色算法.对于网格模型,首先进行显著特征的提取和分类来减少用户对重复出现的特征的交互量,进而由用户在不同区域上交互几条颜色曲线作为种子曲线.然后结合位置、法向和曲率信息来衡量相邻顶点的相似度,以防止相邻区域之间出现渗色,并通过随机游走算法计算出每个顶点到每条种子曲线的跳转概率;最后以跳转概率作为权值对各条种子曲线的颜色进行加权平均,得到每个网格顶点的颜色.进一步地,还将上述算法应用到点云模型上.实验结果表明,该算法能够准确地区分不同的区域,鲁棒地为三维模型着色.     

优化式着色算法的混色机制

基于局部关系模型的优化式着色方式,难以定量描述其全局特性信息诸如着色结果与用户输入间关系。该文首先提出一种优化式着色框架,证明两种常用算法为其特例而且等价,然后将每个像素的着色结果转化为各涂抹颜色的组合形式,并通过数学分析推导出组合系数非负且归一化,从而证明优化着色具有混色机制,其结果由涂抹颜色混色而成,并推导出混色权重与首达概率的等价性,最后基于混色机制对现有算法提出改进。实验结果表明混色机制的引入既有助于提高着色效果对涂抹数量与位置的鲁棒性,也便于实时挑选涂抹颜色。     

基于分类字典的多内容灰度图像彩色化算法

为解决基于字典学习与稀疏表示的灰度图像彩色化算法只对单一内容图像有效这一问题,提出了一种新型的图像彩色化方法.首先,根据目标灰度图像的子内容分别选取多组参考彩色图像,从各组参考彩色图像中选取对应子内容的样本图像块;然后,分别进行字典训练,得到基于内容的分类字典;最后,根据重建误差最小化原则,查找最佳匹配字典,进而实现灰度图像的彩色化.该算法是一种自动算法,在保证图像彩色化过程自动化的前提下,提高了彩色化效果.实验结果表明:该算法能够对目标灰度图像中的不同内容分别进行正确彩色化处理.     

改进颜色融合的医学图像彩色化技术

彩色化后的医学图像能清晰体现患者病灶信息有利于医患沟通。提出改进颜色融合的医学图像彩色化方法,首先利用基于KNN的图像前背景区分算法,强化病灶区域的边界信息;然后以此为约束条件,只需提供简单的着色输入;最后将边界能量引入颜色融合方法,得到较好的着色结果。着色图像保持了原图的灰度信息不变,增加了彩色标记图像的颜色和真实感。实验结果表明,该算法具有较高的精确度,可有效的应用于医学图像彩色化处理。     

基于语义相似性传播的图像彩色化

图像彩色化旨在将灰度图像转换为彩色图像,这一技术在计算机图形学和计算机视觉领域内长期受到研究者们的广泛关注,并在图像复原、医学成像、电影修复、艺术创作等诸多领域广泛应用,在实际应用中展现出巨大的潜力。经过数十年的发展,研究者们提出了大量基于交互、基于规则以及基于深度学习的算法来提升图像彩色化的效果。尽管如此,现有的图像彩色化算法仍然存在一些显著的缺陷,如计算效率偏低、交互繁琐、颜色饱和度偏低以及无法避免颜色溢出现象等问题。针对上述问题,提出了一种基于语义相似性传播的图像彩色化算法。算法首先利用深度神经网络提取输入灰度图像的语义特征,并构建特征空间。然后,将图像彩色化问题形式化为一个高效的、基于语义相似性传播的能量优化问题,通过优化能量函数求解灰度图像的色度值,从而将用户提供的笔触颜色传播到图像的其他区域。此外,还采用了三线性插值的方法加速能量优化和颜色传播,大幅提升了计算效率。为了验证算法的有效性,在收集的图像集上从多个角度进行了实验评估,包括图像视觉效果、生成图像的质量、算法的运行时间,以及用户交互体验。大量定性和定量实验结果表明,该算法在更少的用户交互下实现了更准确、高效、自然的彩色化效果。