專利名稱：伽瑪特性的校正方法和確定等效模型及其參數(shù)的檢測(cè)方法
技術(shù)領(lǐng)域：
本發(fā)明涉及視頻通信技術(shù)，特別涉及視頻信號(hào)傳輸和處理環(huán)節(jié)中確定伽瑪特性等效模型及其參數(shù)的檢測(cè)方法和校正方法。
背景技術(shù)：
Gamma校正是多媒體信息系統(tǒng)中普遍存在并需要解決的問(wèn)題，對(duì)于多媒體信息系統(tǒng)的由攝像機(jī)/攝像頭捕獲的視頻/靜止圖像、計(jì)算機(jī)生成的圖形/動(dòng)畫(huà)、以及在通信中來(lái)自對(duì)方終端的視頻/靜止圖像等，為了在顯示設(shè)備上達(dá)到高質(zhì)量的顯示效果，獲得好的用戶體驗(yàn)(User Experience，或者叫做Quality ofExperience)，必須進(jìn)行Gamma校正。
與本發(fā)明相關(guān)的多媒體信息系統(tǒng)涉及Gamma校正的情況包含如下方面情況A本地終端系統(tǒng)，信息主要在本地終端上處理，不涉及通信過(guò)程。主要是本地?cái)z像機(jī)/攝像頭捕獲的視頻/靜止圖像，計(jì)算機(jī)生成的圖形/動(dòng)畫(huà)等在本地顯示屏上顯示的情況。比如PC、PDA(Personal Digital Assistant)或者帶有攝像功能的手機(jī)等。
情況B多終端/終端-服務(wù)器通信系統(tǒng)，多個(gè)終端之間通信，或者終端和服務(wù)器之間通信。主要是可視電話，帶有MMS(多媒體短信)或者視頻通信功能的高端(2.5G/3G、B3G)手機(jī)、PDA等。
視頻通信目前正在隨著寬帶網(wǎng)絡(luò)的迅速發(fā)展而得到日益廣泛的應(yīng)用，在國(guó)內(nèi)和國(guó)際上，視頻會(huì)議和可視電話業(yè)務(wù)正在成為NGN(Next Generation Network下一代網(wǎng)絡(luò))上的基本業(yè)務(wù)。各國(guó)的電信運(yùn)營(yíng)商也非常重視這個(gè)市場(chǎng)機(jī)會(huì)，可以預(yù)期在未來(lái)幾年中，視頻通信業(yè)務(wù)將成為運(yùn)營(yíng)商重要的業(yè)務(wù)增長(zhǎng)點(diǎn)。發(fā)展此類(lèi)業(yè)務(wù)的一個(gè)關(guān)鍵問(wèn)題是提高端到端(End-to-end)的用戶體驗(yàn)(UserExperience，或者叫做Quality of Experience)。用戶體驗(yàn)中除了網(wǎng)絡(luò)的QoS(丟包，延遲，抖動(dòng)，R因子等)參數(shù)外，對(duì)于視頻，因?yàn)楦鱾€(gè)環(huán)節(jié)引起的Gamma非線性問(wèn)題，造成對(duì)于亮度信號(hào)的畸變(Distortion)，也是影響最終用戶體驗(yàn)的重要因素。但是目前，對(duì)于提高端到端用戶體驗(yàn)的方法和技術(shù)主要集中在保證網(wǎng)絡(luò)QoS和視頻壓縮編碼相關(guān)的前后處理(Pre-processing，Post-processing)方面，而對(duì)于Gamma特性引起的亮度畸變問(wèn)題，缺乏關(guān)注和系統(tǒng)的解決方法，但是該問(wèn)題的嚴(yán)重性已經(jīng)引起了一些國(guó)際大電信運(yùn)營(yíng)商的關(guān)注。法國(guó)電信(France Telecom)在國(guó)際電信聯(lián)盟ITU-T近期就提出了要在視頻通信中考慮Gamma特性對(duì)于通信用戶體驗(yàn)的影響，并對(duì)此類(lèi)問(wèn)題加以解決的建議。
在一個(gè)多媒體信息終端(下文簡(jiǎn)稱終端)中，外界場(chǎng)景(人物、背景、文件等)的光信號(hào)進(jìn)入到攝像機(jī)/攝像頭，經(jīng)過(guò)A/D轉(zhuǎn)換成數(shù)字圖像信號(hào)，然后在情況A下，直接送到顯示設(shè)備上顯示，最終又變成光信號(hào)被人眼感知。當(dāng)然中間可能經(jīng)過(guò)一些處理，比如為了提升圖像效果的圖像增強(qiáng)等；在情況B下，數(shù)字圖像信號(hào)經(jīng)過(guò)壓縮編碼器(Encoder)壓縮，然后通過(guò)網(wǎng)絡(luò)(有線、無(wú)線、電路交換、分組交換網(wǎng)絡(luò)都可以)傳送出去到達(dá)對(duì)方終端，在對(duì)方終端經(jīng)過(guò)解碼器(Decoder)去壓縮(decompression)解碼還原為數(shù)字圖像信號(hào)，再在顯示設(shè)備上顯示出來(lái)，最終又變成光信號(hào)被人眼感知。
如圖1所示，圖1為環(huán)節(jié)Gamma特性的模型示意圖，不論情況A還是情況B，這個(gè)過(guò)程中圖像亮度信號(hào)(Luminance，這里是一種廣義的亮度信號(hào)，即一開(kāi)始的光信號(hào)到電信號(hào)，再到數(shù)字化的圖像亮度/灰度信號(hào)，每個(gè)階段的信號(hào)都含有亮度信號(hào)的信息，因此廣義來(lái)說(shuō)，亮度信號(hào)經(jīng)過(guò)了多個(gè)環(huán)節(jié))經(jīng)過(guò)了多個(gè)環(huán)節(jié)。按照定義，Gamma特性就是指一個(gè)環(huán)節(jié)的亮度信號(hào)輸入-輸出關(guān)系不是線性的，而是一種非線性，如圖10中的曲線所示。
Gamma非線性環(huán)節(jié)畸變的影響如圖2所示，上面的一行灰度方塊亮度是線性遞增的，從0.1到1.0，下面一行是經(jīng)過(guò)Gamma非線性環(huán)節(jié)畸變的，亮度是按照冪函數(shù)規(guī)律遞增的。
在實(shí)際中，Gamma非線性是由不同原因引起的，對(duì)于電視機(jī)、PC顯示器等CRT(Cathod Ray Tube，陰極射線管)顯示設(shè)備，Gamma特性在理想狀況下滿足公式1Lout＝Lin2.2(1)公式1是一個(gè)冪函數(shù)(Power Function)。需要說(shuō)明的是，這里的輸入和輸出亮度信號(hào)都是在各自的坐標(biāo)空間中進(jìn)行了規(guī)一化(Normalized)的，即0≤Lout≤1，0≤Lin≤1。
而對(duì)于手機(jī)、PDA等其它類(lèi)型的顯示器比如液晶等，其Gamma函數(shù)的形式或者形式上不同、或者參數(shù)不同。
如圖3所示，圖3為多個(gè)環(huán)節(jié)級(jí)聯(lián)(cascading或者叫做串聯(lián))起來(lái)環(huán)節(jié)Gamma特性的模型示意圖，總的Gamma特性等于各個(gè)環(huán)節(jié)Gamma函數(shù)的復(fù)合(composition)，滿足公式2GCT(.)＝G(1)(.)оG(2)(.)оG(3)(.)……G(n-1)(.)оG(n)(.)lout＝GCT(lin)＝G(n)(G(n-1)(G(n-2)(……G(2)(G(1)(lin))))) (2)“о”表示函數(shù)的復(fù)合運(yùn)算。CT表示cascaded total，即級(jí)聯(lián)總Gamma的意思。
對(duì)于情況A涉及的多個(gè)Gamma環(huán)節(jié)如圖4所示，主要有1、攝像機(jī)/攝像頭Gamma，表示成GCam(.)；一般的攝像機(jī)都有Gamma特性，除了成像器件比如CCD自身的非線性，攝像機(jī)引入了人為的非線性，其目的是讓攝像機(jī)的Gamma特性剛好補(bǔ)償?shù)麸@示器的Gamma特性，使得總的Gamma特性是線性的。如果顯示器理想的Gamma是Lout＝Lin2.2；那么攝像機(jī)的理想Gamma是Lout＝Lin0.45。
因此理論上，攝像機(jī)的Gamma特性是由顯示器的Gamma特性決定的。但是因?yàn)榻K端系統(tǒng)日益復(fù)雜，攝像機(jī)和顯示器之間存在多個(gè)環(huán)節(jié)，其數(shù)目不定，各自的Gamma特性也未知，這樣即使攝像機(jī)和顯示器的Gamma正好匹配能夠相互補(bǔ)償，但因?yàn)橹虚g環(huán)節(jié)存在，這種補(bǔ)償一般情況下是無(wú)效的。并且顯示器類(lèi)型眾多，例如CRT和液晶、等離子等顯示器，其Gamma特性相差很多，而廉價(jià)的攝像頭的Gamma特性往往嚴(yán)重偏離其理想Gamma。
2、存儲(chǔ)文件Gamma，表示成GFil(.)；文件可能來(lái)自攝像機(jī)，經(jīng)過(guò)了處理，壓縮編碼，也經(jīng)歷了多個(gè)Gamma環(huán)節(jié)，因此文件本身已經(jīng)攜帶了Gamma特性。
3、顯示幀存Gamma，表示成GFBuf(.)；早期的顯示器因?yàn)轱@示存儲(chǔ)的色彩深度不夠，比如只能支持4位、8位、16位色彩深度，而不是理想的24位真彩色，等于壓縮了輸入亮度信號(hào)的動(dòng)態(tài)范圍，因此也引入了Gamma特性。另外，因?yàn)樵诜钦娌噬履Ｊ较拢褂玫恼{(diào)色板(Palette)色彩映射技術(shù)或者抖動(dòng)(Dither)技術(shù)等，都會(huì)引入非線性Gamma。
4、顯示查表Gamma，表示成GLUT(.)；有些顯示設(shè)備，為了補(bǔ)償顯示器的非線性，人為引入了Gamma，該Gamma表現(xiàn)為一個(gè)LUT(Look-Up Table)，從幀存中讀出的亮度數(shù)據(jù)要經(jīng)過(guò)LUT轉(zhuǎn)換，才去驅(qū)動(dòng)顯示器。
5、顯示器Gamma，表示成GDisp(.)。
一般的顯示器帶有很強(qiáng)的Gamma非線性。
對(duì)于情況B涉及的多個(gè)Gamma環(huán)節(jié)如圖5所示，主要有1、攝像機(jī)/攝像頭Gamma，表示成GCam(.)；2、存儲(chǔ)文件Gamma，表示成GFil(.)；3、顯示幀存Gamma，表示成GFBuf(.)；4、顯示查表Gamma，表示成GLUT(.)；5、顯示器Gamma，表示成GDisp(.)；6、編碼器Gamma，表示成GEnc(.)；因?yàn)閴嚎s中的DCT(Discrete Cosine Transform)變換、量化造成的Gamma。
7、解碼器Gamma，表示成GDec(.)。
因?yàn)榻鈮嚎s中的DCT反變換、反量化造成的Gamma。
對(duì)于情況B，更為嚴(yán)重的是，本地視頻/圖像、遠(yuǎn)端視頻/圖像和自環(huán)視頻/圖像(用于特殊目的如故障診斷等)經(jīng)過(guò)的Gamma環(huán)節(jié)是不同的，另外，不論情況A或B，在真實(shí)情況涉及到的Gamma環(huán)節(jié)可能更多，因此情況更加復(fù)雜。
理想的情況是輸入光信號(hào)從進(jìn)入攝像頭到最終在顯示屏上顯示輸出光信號(hào)，輸入和輸出亮度信號(hào)之間存在線性關(guān)系，即Lout＝Lin，這樣人看到的景物才和原來(lái)的完全一樣，用戶體驗(yàn)最好。
要獲得線性關(guān)系，必須對(duì)于具有非線性Gamma特性環(huán)節(jié)進(jìn)行Gamma校正(Gamma Correction)。如圖6所示，對(duì)于一個(gè)環(huán)節(jié)來(lái)說(shuō)，其Gamma特性給定，那么可以用另外一個(gè)校正環(huán)節(jié)和它進(jìn)行級(jí)聯(lián)，來(lái)使得級(jí)聯(lián)后總的Gamma特性稱為真正的線性關(guān)系，從而達(dá)到了補(bǔ)償?shù)艚o定環(huán)節(jié)非線性的目的，校正環(huán)節(jié)的模型為Gamma特性等效模型的逆模型，如果等效模型可以用函數(shù)關(guān)系式表示，則逆模型的函數(shù)關(guān)系式為其反函數(shù)。顯然，Gg(.)和Gc(.)互為反函數(shù)。一般情況下，對(duì)于一個(gè)函數(shù)，要獲得其反函數(shù)不一定有解(或者即使解存在，也無(wú)法用計(jì)算的方法獲得)。
實(shí)際應(yīng)用中更多的情況如圖7所示，校正環(huán)節(jié)需要插入到前后兩個(gè)給定環(huán)節(jié)之間，此時(shí)Gc(.)情況更加復(fù)雜，Gc(.)和Ga(.)或者Gp(.)不再是簡(jiǎn)單的反函數(shù)關(guān)系。
現(xiàn)有技術(shù)中校正環(huán)節(jié)的實(shí)現(xiàn)方法主要有以下兩種現(xiàn)有技術(shù)一完全依賴攝像機(jī)/攝像頭或者顯示LUT的Gamma特性來(lái)校正顯示器Gamma特性假設(shè)理想狀態(tài)下GCam(.)∶Lout＝Lin0.45；GLUT(.)∶Lout＝Lin0.45；GDisp(.)∶Lout＝Lin2.2則GCamоGDisp(.)成為L(zhǎng)out＝Lin，形成標(biāo)準(zhǔn)的線性關(guān)系；GLUTоGDisp(.)成為L(zhǎng)out＝Lin，形成標(biāo)準(zhǔn)的線性關(guān)系。
但是，上述技術(shù)存在如下不足理想狀態(tài)是很難獲得的，不能保證攝像機(jī)/攝像頭、LUT的Gamma剛好和顯示器Gamma完全匹配。并且顯示器類(lèi)型很多，而廉價(jià)的攝像頭的Gamma肯定是非理想的；如果GCam(.)，GLUT(.)同時(shí)存在，則補(bǔ)償過(guò)度，GCamоGLUTоGDisp(.)成為L(zhǎng)out＝Lin0.45，反而偏離了線性；模擬伽瑪特性的數(shù)學(xué)模型不準(zhǔn)確，很多研究表明，顯示器的Gamma不是簡(jiǎn)單的冪函數(shù)，而更精確的模型可能是冪函數(shù)和常數(shù)函數(shù)的線性組合，或者是一個(gè)線性函數(shù)和冪函數(shù)的復(fù)合。
現(xiàn)有技術(shù)二在某些環(huán)節(jié)之間，比如在攝像機(jī)環(huán)節(jié)之后、或者顯示幀存環(huán)節(jié)之前，插入一個(gè)Gamma校正環(huán)節(jié)進(jìn)行Gamma校正。另外，可能在顯示器的Gamma特性模型方面，采用了更加精確的模型，比如公式3Lout=10.45Lin,if0≤Lin≤0.08111.099(Lin+0.099)2.2,if0.081<Lin≤1---(3)]]>對(duì)應(yīng)地，攝像機(jī)的Gamma被認(rèn)為和顯示器Gamma完全匹配，比如公式4Lout=0.45Lin,if0≤Lin≤0.0811.099Lin0.45-0.099,if0.081<Lin≤1---(4)]]>現(xiàn)有技術(shù)二缺點(diǎn)在于校正模型單一，而多個(gè)環(huán)節(jié)的情況非常復(fù)雜，多個(gè)環(huán)節(jié)的Gamma特性未能精確獲得，必然導(dǎo)致不能精確校正，即校正結(jié)果仍然是非線性的，即使模型精確一些也是沒(méi)有幫助的。因此，仍然不能避免存在過(guò)校正或者校正不足的問(wèn)題；并且該方法只能應(yīng)用在一些特定情況，無(wú)法通用于任意多個(gè)Gamma環(huán)節(jié)的校正。

發(fā)明內(nèi)容
本發(fā)明提供一種確定伽瑪?shù)刃Ｐ图捌鋮?shù)的檢測(cè)方法，以解決現(xiàn)有技術(shù)中伽瑪?shù)刃Ｐ瓦x擇和模型參數(shù)測(cè)量不準(zhǔn)確，從而無(wú)法準(zhǔn)確分析并校正信號(hào)傳輸和處理環(huán)節(jié)中的伽瑪特性；同時(shí)，基于上述檢測(cè)方法，提供一種同時(shí)適用于單環(huán)節(jié)和多環(huán)節(jié)的伽瑪特性的校正方法，以解決現(xiàn)有校正方法無(wú)法通用的問(wèn)題。
一種伽瑪特性校正方法，用于校正所述多媒體信息系統(tǒng)或者特定信號(hào)在所述多媒體信息系統(tǒng)傳輸和處理過(guò)程中包括的Nt個(gè)具有伽瑪特性的環(huán)節(jié)，所述方法包括如下步驟確定校正點(diǎn)，該校正點(diǎn)將所述Nt個(gè)環(huán)節(jié)劃分為位于該校正點(diǎn)之前的Na個(gè)環(huán)節(jié)和位于該校正點(diǎn)之后的Np個(gè)環(huán)節(jié)，其中Na≥0、Np≥0、Na+Np＝Nt；確定等效所述Na個(gè)環(huán)節(jié)伽瑪特性的第一等效模型及其第一逆模型，確定等效所述Np個(gè)環(huán)節(jié)伽瑪特性的第二等效模型及其第二逆模型；根據(jù)所述第一逆模型和所述第二逆模型構(gòu)造校正環(huán)節(jié)模型，利用該校正環(huán)節(jié)模型確定所述Na個(gè)環(huán)節(jié)最后輸出信號(hào)的校正信號(hào)并將該校正信號(hào)輸入所述Np個(gè)環(huán)節(jié)。
當(dāng)所述等效模型采用函數(shù)表示形式時(shí)，所述逆模型的表示函數(shù)是對(duì)應(yīng)的反函數(shù)。
所述的確定所述第一等效模型或第二等效模型包括如下步驟A1、分別檢測(cè)將輸入信號(hào)的N個(gè)采樣值Lin(i)輸入所述環(huán)節(jié)產(chǎn)生的實(shí)際輸出信號(hào)的N個(gè)值LPout(i)，其中0≤i≤N-1；A2、在一組備選的采用函數(shù)表示形式的等效模型中選擇一個(gè)待測(cè)模型執(zhí)行步驟A3；A3、對(duì)于所述待測(cè)模型，選擇一組初始參數(shù)；A4、計(jì)算根據(jù)所述待測(cè)模型計(jì)算所述N個(gè)采樣值對(duì)應(yīng)的理論輸出信號(hào)的N個(gè)值LMout(i)，其中0≤i≤N-1；以及目標(biāo)函數(shù)值F，所述目標(biāo)值函數(shù)值F與每一對(duì)對(duì)應(yīng)的LPout(i)和LMout(i)的差值相關(guān)；A5、判斷所述目標(biāo)函數(shù)值F是否等于或小于設(shè)定的門(mén)限值，如果是則認(rèn)為所述待測(cè)模型被接受為最終的等效模型，并且將該最小的目標(biāo)函數(shù)值F對(duì)應(yīng)的參數(shù)作為該等效模型的參數(shù)后轉(zhuǎn)入步驟A8；否則執(zhí)行步驟A6；
A6、判斷步驟A4的執(zhí)行次數(shù)是否到達(dá)限定的迭代次數(shù)，如果是則從其它尚未檢測(cè)的備選等效模型中再選擇一個(gè)作為待測(cè)模型并返回步驟A3；否則執(zhí)行步驟A7；A7、利用所述數(shù)學(xué)優(yōu)化方法調(diào)整所述模型參數(shù)，返回步驟A4；A8、結(jié)束。
所述步驟A5中，當(dāng)所述目標(biāo)函數(shù)值F等于或小于設(shè)定的門(mén)限值時(shí)，再根據(jù)設(shè)定的循環(huán)次數(shù)，利用所述數(shù)學(xué)優(yōu)化方法調(diào)整所述參數(shù)并計(jì)算所述目標(biāo)函數(shù)值F，然后將其中最小的目標(biāo)函數(shù)值F對(duì)應(yīng)的參數(shù)作為所述等效模型的參數(shù)。
所述的方法還包括如下步驟分別將測(cè)量得到的參數(shù)帶入對(duì)應(yīng)的逆模型的表示函數(shù)中，求取對(duì)應(yīng)第一逆模型的第一反函數(shù)式和對(duì)應(yīng)第二逆模型的第二反函數(shù)式；利用該第一反函數(shù)式和第二反函數(shù)式構(gòu)造校正模型。
所述校正環(huán)節(jié)模型的構(gòu)造方法包括下列之一直接計(jì)算法利用第一反函數(shù)和第二反函數(shù)的復(fù)合函數(shù)實(shí)時(shí)計(jì)算Na個(gè)環(huán)節(jié)的最后輸出信號(hào)的校正信號(hào)；兩步計(jì)算法利用第一反函數(shù)實(shí)時(shí)計(jì)算Na個(gè)環(huán)節(jié)的最后輸出信號(hào)的一次校正信號(hào)，利用第二反函數(shù)計(jì)算該一次校正信號(hào)的二次校正信號(hào)，將該二次校正信號(hào)作為所述校正信號(hào)；查表法預(yù)先根據(jù)所述直接計(jì)算法或兩步計(jì)算法，計(jì)算出所述Na個(gè)環(huán)節(jié)的最后輸出信號(hào)的取值區(qū)間中的多個(gè)采樣值的對(duì)應(yīng)的校正值，并將對(duì)應(yīng)關(guān)系保存在一個(gè)數(shù)據(jù)表中，然后通過(guò)實(shí)時(shí)查詢?cè)摂?shù)據(jù)表確定任意待校正值的校正值。
所述的查表法中當(dāng)輸入的待校正值在數(shù)據(jù)表中時(shí)，則直接通過(guò)查表獲得對(duì)應(yīng)的校正值；當(dāng)輸入的待校正值不在數(shù)據(jù)表的輸入列中時(shí)，采取線性插值平均的方法求取對(duì)應(yīng)的校正值。
所述目標(biāo)函數(shù)值F滿足如下條件F=Σi=0N-1(LoutP(i)-LoutM(i))2]]>
所述一組備選等效模型的函數(shù)關(guān)系及其對(duì)應(yīng)的反函數(shù)包括所述伽瑪特性等效模型函數(shù)關(guān)系式為L(zhǎng)out＝pLinα+(1-p)，其中該函數(shù)的定義域?yàn)閰^(qū)間
，值域?yàn)閰^(qū)間[(1-p)，1]；則該函數(shù)的反函數(shù)關(guān)系式為L(zhǎng)out=(1pLin+(1-1p))1α;]]>或者，所述伽瑪特性等效模型函數(shù)關(guān)系式為L(zhǎng)out=(qLin+(1-q))1β,]]>其中該函數(shù)的定義域?yàn)閰^(qū)間[1-1/q，1]，值域?yàn)閰^(qū)間
；則該函數(shù)的反函數(shù)關(guān)系式為L(zhǎng)out=1qLinβ+(1-1q);]]>其中Lin為輸入信號(hào)值、Lout為輸出信號(hào)值、p和α以及q和β分別為需要測(cè)量的參數(shù)；并且當(dāng)Na＝1或Np＝1時(shí)0＜p≤1、α≥1，q≥1、β≥1；當(dāng)Na＞1或Np＞1時(shí)0＜p≤1、α≥0，q≥1、β≥0。
所述的數(shù)學(xué)優(yōu)化方法包括但不限于下列方法之一爬山法；0.618法；最速下降法；共軛梯度法。
所述的輸入信號(hào)的N個(gè)采樣值在區(qū)間
中選擇。
當(dāng)所述等效模型為數(shù)據(jù)表形式時(shí)，對(duì)應(yīng)的所述逆模型就是該數(shù)據(jù)表的逆表。
一種確定伽瑪特性等效模型及其參數(shù)的檢測(cè)方法，所述伽瑪特性等效模型用于等效信號(hào)傳輸或處理環(huán)節(jié)中的伽瑪特性，包括如下步驟B1、分別檢測(cè)將輸入信號(hào)的N個(gè)采樣值Lin(i)輸入所述環(huán)節(jié)產(chǎn)生的實(shí)際輸出信號(hào)的N個(gè)值LPout(i)，其中0≤i≤N-1；B2、在一組備選的采用函數(shù)表示形式的等效模型中選擇一個(gè)待測(cè)模型執(zhí)行步驟B3；B3、對(duì)于所述待測(cè)模型，選擇一組初始參數(shù)；B4、計(jì)算根據(jù)所述待測(cè)模型計(jì)算所述信號(hào)N個(gè)采樣值對(duì)應(yīng)的理論輸出信號(hào)的N個(gè)值LMout(i)，其中0≤i≤N-1；以及目標(biāo)函數(shù)值F，所述目標(biāo)值函數(shù)值F與每一對(duì)對(duì)應(yīng)的LPout(i)和LMout(i)的差值相關(guān)；B5、判斷所述目標(biāo)函數(shù)值F是否等于或小于設(shè)定的門(mén)限值，如果是則認(rèn)為所述待測(cè)模型被接受為最終的等效模型，并且將該組參數(shù)作為該等效模型的參數(shù)后轉(zhuǎn)入步驟B8；否則執(zhí)行步驟B6；B6、判斷步驟B4的執(zhí)行次數(shù)是否到達(dá)限定的迭代次數(shù)，如果是則從其它尚未檢測(cè)的備選等效模型中再選擇一個(gè)作為待測(cè)模型并返回步驟B3；否則執(zhí)行步驟B7；B7、利用所述數(shù)學(xué)優(yōu)化方法調(diào)整所述參數(shù)，返回步驟B4；B8、結(jié)束。
所述步驟B5中，當(dāng)所述目標(biāo)函數(shù)值F等于或小于設(shè)定的門(mén)限值時(shí)，再根據(jù)設(shè)定的循環(huán)次數(shù)，利用所述數(shù)學(xué)優(yōu)化方法調(diào)整所述參數(shù)并計(jì)算所述目標(biāo)函數(shù)值F，然后將其中最小的目標(biāo)函數(shù)值F對(duì)應(yīng)的參數(shù)作為所述等效模型的參數(shù)。
本發(fā)明的有益效果如下本發(fā)明解決了多媒體信息系統(tǒng)中普遍存在的Gamma特性模型的選擇問(wèn)題及其參數(shù)的檢測(cè)問(wèn)題和環(huán)節(jié)Gamma特性校正的問(wèn)題，對(duì)于任意多環(huán)節(jié)級(jí)聯(lián)的綜合Gamma特性給出一種通用的校正方法。從而可以大大提高多媒體信息系統(tǒng)的用戶體驗(yàn)。


圖1為環(huán)節(jié)Gamma特性的一般模型；圖2為環(huán)節(jié)Gamma特性引起的亮度信號(hào)畸變的示意圖；圖3為多環(huán)節(jié)級(jí)聯(lián)Gamma特性的一般模型；圖4為情況A下的多個(gè)Gamma環(huán)節(jié)示意圖；圖5為情況B下的多個(gè)Gamma環(huán)節(jié)示意圖；
圖6為校正單個(gè)環(huán)節(jié)的Gamma特性示意圖；圖7為校正多個(gè)給定環(huán)節(jié)的Gamma特性示意圖；圖8為應(yīng)用本發(fā)明所述校正方法時(shí)，確定校正點(diǎn)的示意圖；圖9為應(yīng)用本發(fā)明所述分別利用兩個(gè)子環(huán)節(jié)進(jìn)行前后校正的示意圖；圖10為Gamma特性函數(shù)曲線示意圖；圖11a和圖11b分別為Gamma特性模型函數(shù)曲線示意圖；圖12為Gamma特性模型函數(shù)曲線局限區(qū)域示意圖。
具體實(shí)施例方式
研究表明，更精確的伽瑪特性等效模型的函數(shù)關(guān)系是冪函數(shù)和常數(shù)函數(shù)的線性組合，或者是一個(gè)線性函數(shù)和冪函數(shù)的復(fù)合，在不同的環(huán)境中，通過(guò)實(shí)際測(cè)量函數(shù)關(guān)系中的參數(shù)可以較為精確的得到具體的函數(shù)關(guān)系。
實(shí)施例一伽瑪特性等效模型參數(shù)的測(cè)量方法發(fā)明選擇采用如下單環(huán)節(jié)等效模型作為Gamma特性的通用模型為例進(jìn)行詳細(xì)說(shuō)明第一類(lèi)Gamma模型Lout＝pLinα+(1-p) 0＜p≤1，α≥1 (5)其中公式5所示函數(shù)的定義域(即自變量取值范圍)為區(qū)間
，值域(函數(shù)值的取值范圍)為區(qū)間[(1-p)，1]，曲線特性如圖11a所示，顯然對(duì)于第一類(lèi)模型，如果p＝1，α＝1，則有Lout＝Lin。因此在實(shí)際測(cè)量時(shí)，如果該第一類(lèi)模型的參數(shù)p＝1，α＝1時(shí)，或者p充分接近1并且α充分接近1時(shí)，可以認(rèn)為環(huán)節(jié)的伽瑪特性可以被忽略，不用進(jìn)行校正。該第一類(lèi)Gamma特性的典型例子是CRT顯示器。
第二類(lèi)Gamma模型Lout=(qLin+(1-q))1β---q≥1,β≥1---(6)]]>其中公式6所示函數(shù)的定義域(即自變量取值范圍)為區(qū)間[1-1/q，1]，值域(函數(shù)值的取值范圍)為區(qū)間[(0，1]，曲線特性如圖11b所示，顯然對(duì)于第二類(lèi)模型，如果q＝1，β＝1，則有Lout＝Lin。同樣，在實(shí)際測(cè)量時(shí)，如果q＝1，β＝1時(shí)，或者q充分接近1并且β充分接近1時(shí)，可以認(rèn)為環(huán)節(jié)的伽瑪特性可以被忽略，不用進(jìn)行校正，而該第二類(lèi)特性的典型例子是攝像機(jī)。
此外，如果q＝1/p，α＝β，那么第一類(lèi)和第二類(lèi)模型互為反函數(shù)，因此可以相互補(bǔ)償?shù)玫骄€性特性。即如果給定環(huán)節(jié)對(duì)像具有第一類(lèi)Gamma特性，那么其校正Gamma特性具有第二類(lèi)模型；如果給定環(huán)節(jié)對(duì)像具有第二類(lèi)Gamma特性，那么其校正Gamma特性具有第一類(lèi)模型。
多個(gè)Gamma環(huán)節(jié)進(jìn)行級(jí)聯(lián)后，其綜合的Gamma特性，從數(shù)學(xué)一般性來(lái)說(shuō)，不再具有單環(huán)節(jié)的第一類(lèi)或者第二類(lèi)模型。但是我們?cè)谘芯恐邪l(fā)現(xiàn)，多環(huán)節(jié)綜合Gamma特性的數(shù)學(xué)模型具有如下特點(diǎn)1、其函數(shù)圖像局限于坐標(biāo)平面的區(qū)域
×
(這里”×”表示兩個(gè)集合的笛卡爾積Cartesian Product，或者叫做直積)內(nèi)，如圖12所示；2、單調(diào)遞增；3、上凸和下凸；兩種情況，從幾何意思上說(shuō)，上凸為曲線向左上彎曲，下凸為曲線向右下彎曲。
4、和Lin軸相交，或者和Lout軸相交(兩種情況)；5、曲線通過(guò)(1，1)點(diǎn)；因此，3、4的情況獨(dú)立組合就形成四種復(fù)合情況情況1、和Lin軸相交，上凸；情況2、和Lin軸相交，下凸；情況3、和Lout軸相交，上凸；情況4、和Lout軸相交，下凸。
根據(jù)以上定性分析，多個(gè)Gamma環(huán)節(jié)級(jí)聯(lián)的綜合Gamma特性模型可以有以下兩類(lèi)，函數(shù)關(guān)系式分別為公式7和公式8第一類(lèi)Lout＝pLinα+(1-p) 0＜p≤1，α＞0 對(duì)應(yīng)情況3和4 (7)
第二類(lèi)Lout=(qLin+(1-q))1β]]>q≥1，β＞0 對(duì)應(yīng)情況1和2 (8)需要指出，從形式上看，多環(huán)節(jié)(其中可以有第一類(lèi)環(huán)節(jié)，也可以有第二類(lèi)環(huán)節(jié)，兩類(lèi)環(huán)節(jié)可以按照任意數(shù)量和順序級(jí)聯(lián)，本發(fā)明的方法都適用)綜合Gamma特性的第一類(lèi)，第二類(lèi)分別和單環(huán)節(jié)Gamma特性第一類(lèi)，第二類(lèi)是一樣的。但是，第一類(lèi)綜合特性模型中，根據(jù)定性分析結(jié)果和實(shí)際測(cè)量的經(jīng)驗(yàn)值，指數(shù)α取值范圍變成α＞0，而第二類(lèi)綜合特性模型中，指數(shù)β取值范圍變成β＞0。
選定了Gamma特性模型后，需要在具體應(yīng)用環(huán)境中測(cè)量其中的Gamma特性參數(shù)，測(cè)量方法直接關(guān)系最后的Gamma特性模型中輸入輸出信號(hào)滿足的函數(shù)關(guān)系是否準(zhǔn)確。其中對(duì)于第一類(lèi)模型，需要確定參數(shù)p和α；對(duì)于第二類(lèi)模型，需要確定參數(shù)q和β。
單環(huán)節(jié)Gamma特性模型參數(shù)的測(cè)量具體步驟如下1、在輸入亮度信號(hào)Lin在
區(qū)間上選擇間隔均勻的N個(gè)采樣點(diǎn)Lin(0)、Lin(1)、Lin(2)……Lin(i)……Lin(N-2)、Lin(N-1)；2、將亮度信號(hào)N個(gè)采樣值分別輸入環(huán)節(jié)中，并測(cè)量實(shí)際輸出亮度信號(hào)N個(gè)對(duì)應(yīng)的值LPout(0)、LPout(1)、LPout(2)……LPout(i)……LPout(N-2)、LPout(N-1)；3、構(gòu)造擬合的目標(biāo)函數(shù)為，目標(biāo)函數(shù)和實(shí)際檢測(cè)的輸出亮度信號(hào)與通過(guò)Gamma特性模型確定的理論輸出亮度信號(hào)之間的差值相關(guān)，而且，差值越小，說(shuō)明模型的等效效果越接近實(shí)際情況。
目標(biāo)函數(shù)的構(gòu)造方法很多，較為常用的是下述公式9或公式10FT1(p,α)=Σi=0N-1(LoutP(i)-pLin(i)α-(1-p))2---(9)]]>或者，F(xiàn)T2(q,β)=Σi=0N-1(LoutP(i)-(qLin(i)+(1-q))1β)2---(10)]]>4、設(shè)定目標(biāo)函數(shù)值的門(mén)限T和最大迭代次數(shù)M，利用數(shù)學(xué)優(yōu)化法尋找最適合的參數(shù)組；
首先對(duì)于第一類(lèi)的代價(jià)函數(shù)FT1(p,α)=Σi=0N-1(LoutP(i)-pLin(i)α-(1-p))2,]]>采用某種數(shù)學(xué)優(yōu)化技術(shù)，例如爬山法、0.618法(華羅庚優(yōu)選法)、最速下降法或共軛梯度法等求取其最小值；這個(gè)過(guò)程其實(shí)是一個(gè)迭代過(guò)程，在這個(gè)過(guò)程中不斷調(diào)整參數(shù)p和α，函數(shù)值F在不斷下降，當(dāng)函數(shù)值下降到小于給定門(mén)限T后，則認(rèn)為已經(jīng)找到了最小點(diǎn)。此時(shí)對(duì)應(yīng)的參數(shù)p和α，就認(rèn)為是本次應(yīng)用環(huán)境模型的真正參數(shù)，應(yīng)當(dāng)注意的是，參數(shù)p和α的取值范圍分別是0＜p≤1、α≥1；如果對(duì)于FT1(p,α)=Σi=0N-1(LoutP(i)-pLin(i)α-(1-p))2]]>經(jīng)過(guò)M次迭代，還不能使得函數(shù)下降到門(mén)限T以下，則認(rèn)為模型選擇不對(duì)。應(yīng)該選擇第二類(lèi)模型，于是對(duì)于FT2(q,β)=Σi=0N-1(LoutP(i)-(qLin(i)+(1-q))1β)2]]>重復(fù)上述步驟4，得到對(duì)應(yīng)的模型參數(shù)q和β，應(yīng)當(dāng)注意的是，參數(shù)p和α的取值范圍分別是q≥1、β≥1。
如果想要得到更精確的參數(shù)，可以在目標(biāo)函數(shù)值F下降到門(mén)限T以下后，仍然再迭代幾次，如果目標(biāo)函數(shù)值F持續(xù)下降，或下降后又上升，或直接上升，不管目標(biāo)函數(shù)值F是何種變化情況，則選擇其中的最小值對(duì)應(yīng)的參數(shù)作為測(cè)量結(jié)果會(huì)在一定程度上提高參數(shù)測(cè)量的精度。
可以看到，模型類(lèi)型的確定和參數(shù)的測(cè)量是同時(shí)進(jìn)行的，實(shí)際中，等效模型的類(lèi)型不只這兩種形式，通過(guò)上述方法可以在相關(guān)的所有等效模型通過(guò)測(cè)量參數(shù)的方法找到最合適的一個(gè)。
同樣可以利用上述方法測(cè)量多環(huán)節(jié)綜合Gamma特性模型參數(shù)，具體步驟如下1、在輸入亮度信號(hào)Lin在
區(qū)間上選擇間隔均勻的N個(gè)采樣點(diǎn)Lin(0)、Lin(1)、Lin(2)……Lin(i)……Lin(N-2)、Lin(N-1)；2、將亮度信號(hào)N個(gè)采樣值分別輸入環(huán)節(jié)中，并測(cè)量實(shí)際輸出亮度信號(hào)N個(gè)對(duì)應(yīng)的值LPout(0)、LPout(1)、LPout(2)……LPout(i)……LPout(N-2)、LPout(N-1)；
3、構(gòu)造擬合的目標(biāo)函數(shù)為，目標(biāo)函數(shù)和實(shí)際檢測(cè)的輸出亮度信號(hào)與通過(guò)Gamma特性模型確定的理論輸出亮度信號(hào)之間的差值相關(guān)，而且，差值越小，說(shuō)明模型的等效效果越接近實(shí)際情況。
目標(biāo)函數(shù)的構(gòu)造方法很多，較為常用的仍然是公式9或公式10FT1(p,α)=Σi=0N-1(LoutP(i)-pLin(i)α-(1-p))2---(9)]]>或者，F(xiàn)T2(q,β)=Σi=0N-1(LoutP(i)-(qLin(i)+(1-q))1β)2---(10)]]>4、設(shè)定目標(biāo)函數(shù)值的門(mén)限T和最大迭代次數(shù)M，利用數(shù)學(xué)優(yōu)化法尋找最適合的參數(shù)組；首先對(duì)于第一類(lèi)的代價(jià)函數(shù)FT1(p,α)=Σi=0N-1(LoutP(i)-pLin(i)α-(1-p))2,]]>采用某種數(shù)學(xué)優(yōu)化技術(shù)，例如爬山法、0.618法(華羅庚優(yōu)選法)、最速下降法或共軛梯度法等求取其最小值；這個(gè)過(guò)程其實(shí)是一個(gè)迭代過(guò)程，在這個(gè)過(guò)程中不斷調(diào)整參數(shù)p和α，函數(shù)值F在不斷下降，當(dāng)函數(shù)值下降到小于給定門(mén)限T后，則認(rèn)為已經(jīng)找到了最小點(diǎn)。此時(shí)對(duì)應(yīng)的參數(shù)p和α，就認(rèn)為是本次應(yīng)用環(huán)境模型的真正參數(shù)，應(yīng)當(dāng)注意的是，和單環(huán)節(jié)測(cè)量不同之處在于，參數(shù)p和α的取值范圍分別是0＜p≤1、α≥0；同樣，如果對(duì)于FT1(p,α)=Σi=0N-1(LoutP(i)-pLin(i)α-(1-p))2]]>經(jīng)過(guò)M次迭代，還不能使得函數(shù)下降到門(mén)限T以下，則認(rèn)為模型選擇不對(duì)。應(yīng)該選擇第二類(lèi)模型，于是對(duì)于FT2(q,β)=Σi=0N-1(LoutP(i)-(qLin(i)+(1-q))1β)2]]>重復(fù)上述步驟4，得到對(duì)應(yīng)的模型參數(shù)q和β，應(yīng)當(dāng)注意的是，和單環(huán)節(jié)測(cè)量不同之處在于，參數(shù)p和α的取值范圍分別是q≥1、β≥0。
與單環(huán)節(jié)參數(shù)測(cè)量方法相同，如果想要得到更精確的參數(shù)，可以在目標(biāo)函數(shù)值F下降到門(mén)限T以下后，仍然再迭代幾次，如果目標(biāo)函數(shù)值F持續(xù)下降，或下降后又上升，或直接上升，不管目標(biāo)函數(shù)值F是何種變化情況，則選擇其中的最小值對(duì)應(yīng)的參數(shù)作為測(cè)量結(jié)果會(huì)在一定程度上提高參數(shù)測(cè)量的精度。
與單環(huán)節(jié)參數(shù)測(cè)量方法相同，模型類(lèi)型的確定和參數(shù)的測(cè)量是同時(shí)進(jìn)行的，實(shí)際中，等效模型的類(lèi)型不只這兩種形式，通過(guò)上述方法可以在相關(guān)的所有等效模型通過(guò)測(cè)量參數(shù)的方法找到最合適的一個(gè)。
實(shí)施例二、多環(huán)節(jié)Gamma特性的校正方法基于實(shí)施例一的伽瑪特性等效模型參數(shù)的測(cè)量方法，可以得到伽瑪特性等效模型的函數(shù)關(guān)系，利用該函數(shù)的反函數(shù)構(gòu)造出校正模型，就可以對(duì)單環(huán)節(jié)或多環(huán)節(jié)伽瑪特性進(jìn)行校正，下面以多媒體信息系統(tǒng)中的具體應(yīng)用為例進(jìn)行詳細(xì)說(shuō)明。
如圖9所示，一般情況多媒體信息系統(tǒng)是多個(gè)Gamma環(huán)節(jié)級(jí)聯(lián)起來(lái)，對(duì)于不同情況，比如情況A和情況B，圖中參加級(jí)聯(lián)的環(huán)節(jié)千變?nèi)f化。一般來(lái)說(shuō)，環(huán)節(jié)1是攝像機(jī)/攝像頭，而環(huán)節(jié)Nt(最后一個(gè))是顯示器。理論上，在任何兩個(gè)環(huán)節(jié)之間可以插入一個(gè)校正環(huán)節(jié)(電路實(shí)現(xiàn)或者軟件實(shí)現(xiàn))(包括在最前面或最后面插入校正環(huán)節(jié))，但是實(shí)際情況可能并非如此。比如在前面說(shuō)到的顯示幀存Gamma環(huán)節(jié)和顯示LUT Gamma環(huán)節(jié)之間無(wú)法插入校正環(huán)節(jié)。因此，一般情況是可能存在P個(gè)校正環(huán)節(jié)插入點(diǎn)，也叫做校正點(diǎn)。本發(fā)明方法只要從以上P個(gè)校正點(diǎn)中選擇一個(gè)，在該點(diǎn)插入校正環(huán)節(jié)，即可實(shí)現(xiàn)全部的Gamma校正。
對(duì)于情況A本發(fā)明的一個(gè)實(shí)施例是在攝像機(jī)和顯示幀存之間加入校正環(huán)節(jié)。
對(duì)于情況B本發(fā)明的一個(gè)實(shí)施例是1、對(duì)于本端視頻/圖像，在攝像機(jī)和顯示幀存之間加入校正環(huán)節(jié)；2、對(duì)于遠(yuǎn)端視頻/圖像，在解碼器和顯示幀存之間加入校正環(huán)節(jié)；3、對(duì)于自環(huán)視頻/圖像，在攝像機(jī)和編碼器之間加入校正環(huán)節(jié)，或者在解碼器和顯示幀存之間加入校正環(huán)節(jié)。
從這個(gè)校正點(diǎn)開(kāi)始，前面的環(huán)節(jié)個(gè)數(shù)為Na個(gè)(環(huán)節(jié)1到環(huán)節(jié)Na)，后面的環(huán)節(jié)個(gè)數(shù)為Np個(gè)(環(huán)節(jié)Na+1到Nt，有關(guān)系Na+Np＝Nt成立)，有下列兩種特例1)、當(dāng)Na或Np等于零時(shí)，對(duì)應(yīng)一個(gè)在最前面或最后面插入校正環(huán)節(jié)的特例，這時(shí)實(shí)際上將系統(tǒng)看作一個(gè)具有多環(huán)節(jié)綜合Gamma特性進(jìn)行校正；2)、當(dāng)Na或Np等于1時(shí)，對(duì)攝像機(jī)/攝像頭或者顯示器進(jìn)行單獨(dú)校正。
令環(huán)節(jié)1到環(huán)節(jié)Na的Na個(gè)環(huán)節(jié)的級(jí)聯(lián)綜合Gamma特性是Ga(.)，環(huán)節(jié)Na+1到環(huán)節(jié)Nt的Np個(gè)環(huán)節(jié)的級(jí)聯(lián)綜合Gamma特性是Gp(.)。采用該種方法，可以方便地獲得校正環(huán)節(jié)的模型。并且需要說(shuō)明，該方法不限于各個(gè)單一環(huán)節(jié)的模型，或者綜合模型采用本發(fā)明的第一類(lèi)和第二類(lèi)模型。對(duì)于其它模型，如果能夠從數(shù)學(xué)上求出Ga(.)和Gp(.)其反函數(shù)的解析形式(closed form)，那么都適用本發(fā)明的子環(huán)節(jié)分解方法。并且，本發(fā)明還適用于其它一些形式的模型，比如采用數(shù)據(jù)表形式的模型，對(duì)于Ga(.)、Gp(.)本身沒(méi)有解析形式(比如采用查表方法實(shí)現(xiàn)的，當(dāng)然其反函數(shù)也就沒(méi)有解析形式了)的情況。對(duì)于模型本身就是用數(shù)據(jù)表的形式存在的，那么其逆模型就是該數(shù)據(jù)表的逆表，一個(gè)表存在兩列，很多行，左列(輸入列)是輸入信號(hào)的采樣值，即待校正的信號(hào)值，右列(輸出列)是對(duì)應(yīng)的輸出信號(hào)值，即校正后的信號(hào)值，行數(shù)取決于采樣點(diǎn)數(shù)，行數(shù)越多越精確，逆表就是把左右兩列對(duì)調(diào)得到的新數(shù)據(jù)表，本發(fā)明的一個(gè)實(shí)施例就是用查表實(shí)現(xiàn)的。
具體校正方法包括如下步驟1、建立校正子環(huán)節(jié)Gac(.)如果Ga(.)屬于綜合第一類(lèi)等效模型Lout=poLinαn+(1-pa)---0<pa≤1,αa>0---(13)]]>那么Gac(.)模型是Lout=(1paLin+(1-1pa))1αa---pa≥1,αa>0---(14)]]>如果Ga(.)屬于綜合第二類(lèi)等效模型
Lout=(qaLin+(1-qa))1βa---qa≥1,βa>0---(15)]]>那么Gac(.)模型是Lout=1qaLinβn+(1-1qa)---qa≥1,βa>0---(16)]]>2、建立校正子環(huán)節(jié)Gpc(.)；如果Gp(.)屬于綜合第一類(lèi)等效模型Lout=ppLinαp+(1-pp)---0<pp≤1,αp>0---(17)]]>那么Gpc(.)模型是Lout=(1ppLin+(1-1pp))1αp---pp≥1,αp>0---(18)]]>如果Gp(.)屬于綜合第二類(lèi)等效模型Lout=(qpLin+(1-qp))1βp---qp≥1,βp>0---(19)]]>那么Gpc(.)模型是Lout=1qpLinβp+(1-1qp)---qp≥1,βp>0---(20)]]>3、級(jí)聯(lián)兩個(gè)校正子環(huán)節(jié)構(gòu)成校正環(huán)節(jié)；如圖9所示，校正環(huán)節(jié)Gc(.)由子環(huán)節(jié)Gac(.)和子環(huán)節(jié)Gpc(.)按照Gac(.)在前，Gpc(.)在后的順序級(jí)聯(lián)得到。
建立Gac(.)和Gpc(.)模型后，具體實(shí)現(xiàn)其兩者的級(jí)聯(lián)，有如下方法1)、直接計(jì)算法根據(jù)函數(shù)復(fù)合的定義，按照Gac(.)和Gpc(.)的參數(shù)計(jì)算Gc(.)的參數(shù)。因?yàn)橹笖?shù)α和β不一定是整數(shù)或者是整數(shù)的倒數(shù)，復(fù)合之后的函數(shù)形式一般涉及非整數(shù)指數(shù)的廣義牛頓二項(xiàng)式展開(kāi)，含有無(wú)限多項(xiàng)。為了計(jì)算方便，只能截取前若干項(xiàng)，計(jì)算復(fù)雜，并且造成計(jì)算誤差。然后根據(jù)這個(gè)復(fù)合模型和輸入的亮度信號(hào)實(shí)時(shí)計(jì)算輸出后的校正信號(hào)。
2)、兩步法首先計(jì)算Gac(.)的校正的結(jié)果，即輸入亮度信號(hào)首先經(jīng)過(guò)Gac(.)進(jìn)行一次校正，校正結(jié)果再作為Gpc(.)的輸入進(jìn)行二次校正，Gpc(.)的輸出的二次校正后的亮度信號(hào)作為最后的校正結(jié)果。
3)、查表法按照1)或者2)，對(duì)于輸入亮度信號(hào)取值區(qū)間上計(jì)算足夠多的點(diǎn)，記錄其校正結(jié)果，作為一個(gè)查表。然后在進(jìn)行校正的時(shí)候，對(duì)于需要校正的輸入信號(hào)值，通過(guò)查表獲得校正結(jié)果。表項(xiàng)數(shù)越多，即樣本采集越密集，查表的效果越精確。
對(duì)于數(shù)據(jù)量大的視頻數(shù)據(jù)，進(jìn)行實(shí)時(shí)計(jì)算的計(jì)算量很大，查表是最實(shí)際的方法。表的結(jié)構(gòu)形式一般包括兩列和多行待校正信號(hào)值為左列，校正結(jié)果對(duì)應(yīng)列在右列，行數(shù)取決與采樣值的多少。查表的方法是，根據(jù)待校正信號(hào)值，在表的左列中查找，如果找到，直接把對(duì)應(yīng)的右列值作為查表的結(jié)果。如果沒(méi)有找到，利用線性插值計(jì)算，設(shè)待校正信號(hào)值是a，其位于b、c(c＞a＞b)兩個(gè)左列相鄰表項(xiàng)之間，b、c對(duì)應(yīng)的右列表項(xiàng)是d、e，那么最終查表結(jié)果f=c-ac-bb+a-bc-bc.]]>本發(fā)明技術(shù)方案帶來(lái)的有益效果如下本發(fā)明解決了多媒體信息系統(tǒng)中普遍存在的Gamma特性的測(cè)量問(wèn)題和校正的問(wèn)題，對(duì)于任意多環(huán)節(jié)級(jí)聯(lián)的綜合Gamma特性給出一種通用的校正方法。從而可以大大提高多媒體信息系統(tǒng)的用戶體驗(yàn)，吸引用戶，提升相關(guān)產(chǎn)品的市場(chǎng)競(jìng)爭(zhēng)力，并且推動(dòng)新型電信業(yè)務(wù)比如可視電話，視頻會(huì)議等的加快普及，為電信運(yùn)營(yíng)商提供廣闊的商機(jī)。
顯然，本領(lǐng)域的技術(shù)人員可以對(duì)本發(fā)明進(jìn)行各種改動(dòng)和變型而不脫離本發(fā)明的精神和范圍。這樣，倘若本發(fā)明的這些修改和變型屬于本發(fā)明權(quán)利要求及其等同技術(shù)的范圍之內(nèi)，則本發(fā)明也意圖包含這些改動(dòng)和變型在內(nèi)。
權(quán)利要求
1.一種伽瑪特性校正方法，用于校正多媒體信息系統(tǒng)中包括的Nt個(gè)環(huán)節(jié)的伽瑪特性，其特征在于，所述方法包括如下步驟確定校正點(diǎn)，該校正點(diǎn)將所述Nt個(gè)環(huán)節(jié)劃分為位于該校正點(diǎn)之前的Na個(gè)環(huán)節(jié)和位于該校正點(diǎn)之后的Np個(gè)環(huán)節(jié)，其中Na≥0、Np≥0、Na+Np＝Nt；確定等效所述Na個(gè)環(huán)節(jié)伽瑪特性的第一等效模型及其其第一逆模型，確定等效所述Np個(gè)環(huán)節(jié)伽瑪特性的第二等效模型及其第二逆模型；根據(jù)所述第一逆模型和所述第二逆模型構(gòu)造校正環(huán)節(jié)模型，利用該校正環(huán)節(jié)模型確定所述Na個(gè)環(huán)節(jié)最后輸出信號(hào)的校正信號(hào)并將該校正信號(hào)輸入所述Np個(gè)環(huán)節(jié)。
2.如權(quán)利要求1所述的方法，其特征在于，當(dāng)所述等效模型采用函數(shù)表示形式時(shí)，所述逆模型的表示函數(shù)是對(duì)應(yīng)的反函數(shù)。
3.如權(quán)利要求2所述的方法，其特征在于，所述確定第一等效模型或第二等效模型包括如下步驟A1、分別檢測(cè)將輸入信號(hào)的N個(gè)采樣值Lin(i)輸入所述環(huán)節(jié)產(chǎn)生的實(shí)際輸出信號(hào)的N個(gè)值LPout(i)，其中0≤i≤N-1；A2、在一組備選的采用函數(shù)表示形式的等效模型中選擇一個(gè)待測(cè)模型執(zhí)行步驟A3；A3、對(duì)于所述待測(cè)模型，選擇一組初始參數(shù)；A4、計(jì)算根據(jù)所述待測(cè)模型計(jì)算所述N個(gè)采樣值對(duì)應(yīng)的理論輸出信號(hào)的N個(gè)值LMout(i)，其中0≤i≤N-1；以及目標(biāo)函數(shù)值F，所述目標(biāo)值函數(shù)值F與每一對(duì)對(duì)應(yīng)的LPout(i)和LMout(i)的差值相關(guān)；A5、判斷所述目標(biāo)函數(shù)值F是否等于或小于設(shè)定的門(mén)限值，如果是則認(rèn)為所述待測(cè)模型被接受為最終的等效模型，并且將最小的目標(biāo)函數(shù)值F對(duì)應(yīng)的參數(shù)作為該等效模型的參數(shù)后轉(zhuǎn)入步驟A8；否則執(zhí)行步驟A6；A6、判斷步驟A4的執(zhí)行次數(shù)是否到達(dá)限定的迭代次數(shù)，如果是則從其它尚未檢測(cè)的備選等效模型中再選擇一個(gè)作為待測(cè)模型并返回步驟A3；否則執(zhí)行步驟A7；A7、利用數(shù)學(xué)優(yōu)化方法調(diào)整所述模型參數(shù)，返回步驟A4；A8、結(jié)束。
4.如權(quán)利要求3所述的方法，其特征在于，所述步驟A5中，當(dāng)所述目標(biāo)函數(shù)值F等于或小于設(shè)定的門(mén)限值時(shí)，再根據(jù)設(shè)定的循環(huán)次數(shù)，利用所述數(shù)學(xué)優(yōu)化方法調(diào)整所述參數(shù)并計(jì)算所述目標(biāo)函數(shù)值F，然后將其中最小的目標(biāo)函數(shù)值F對(duì)應(yīng)的參數(shù)作為所述等效模型的參數(shù)。
5.如權(quán)利要求3或4所述的方法，其特征在于，還包括如下步驟分別將測(cè)量得到的參數(shù)帶入對(duì)應(yīng)的逆模型的表示函數(shù)中，求取對(duì)應(yīng)第一逆模型的第一反函數(shù)式和對(duì)應(yīng)第二逆模型的第二反函數(shù)式；利用該第一反函數(shù)式和第二反函數(shù)式構(gòu)造校正模型。
6.如權(quán)利要求5所述的方法，其特征在于，所述校正環(huán)節(jié)模型的構(gòu)造方法包括下列之一直接計(jì)算法利用第一反函數(shù)和第二反函數(shù)的復(fù)合函數(shù)實(shí)時(shí)計(jì)算Na個(gè)環(huán)節(jié)的最后輸出信號(hào)的校正信號(hào)；兩步計(jì)算法利用第一反函數(shù)實(shí)時(shí)計(jì)算Na個(gè)環(huán)節(jié)的最后輸出信號(hào)的一次校正信號(hào)，利用第二反函數(shù)計(jì)算該一次校正信號(hào)的二次校正信號(hào)，將該二次校正信號(hào)作為所述校正信號(hào)；查表法預(yù)先根據(jù)所述直接計(jì)算法或兩步計(jì)算法，計(jì)算出所述Na個(gè)環(huán)節(jié)的最后輸出信號(hào)的取值區(qū)間中的多個(gè)采樣值對(duì)應(yīng)的校正值，并將對(duì)應(yīng)關(guān)系保存在一個(gè)數(shù)據(jù)表中，然后通過(guò)實(shí)時(shí)查詢?cè)摂?shù)據(jù)表確定任意待校正值的校正值。
7.如權(quán)利要求6所述的方法，其特征在于，所述的查表法中當(dāng)輸入的待校正值在數(shù)據(jù)表中時(shí)，則直接通過(guò)查表獲得對(duì)應(yīng)的校正值；當(dāng)輸入的待校正值不在數(shù)據(jù)表的輸入列中時(shí)，采取線性插值平均的方法求取對(duì)應(yīng)的校正值。
8.如權(quán)利要求3所述的方法，其特征在于，所述目標(biāo)函數(shù)值F滿足如下條件F=Σi=0N-1(LoutP(i)-LoutM(i))2.]]>
9.如權(quán)利要求3所述的方法，其特征在于，所述一組備選備選的采用函數(shù)表示形式的等效模型的函數(shù)關(guān)系式及其對(duì)應(yīng)的反函數(shù)關(guān)系式包括所述伽瑪特性等效模型函數(shù)關(guān)系式為L(zhǎng)out＝pLinα+(1-p)，其中該函數(shù)的定義域?yàn)閰^(qū)間
，值域?yàn)閰^(qū)間[(1-p)，1]；則該函數(shù)的反函數(shù)關(guān)系式為L(zhǎng)out=(1pLin+(1-1p))1α;]]>或者，所述伽瑪特性等效模型函數(shù)關(guān)系式為L(zhǎng)out=(qLin+(1-q))1β,]]>其中該函數(shù)的定義域?yàn)閰^(qū)間[1-1/q，1]，值域?yàn)閰^(qū)間
；則該函數(shù)的反函數(shù)關(guān)系式為L(zhǎng)out=1qLinβ+(1-1q);]]>其中Lin為輸入信號(hào)值、Lout為輸出信號(hào)值、p和α以及q和β分別為需要測(cè)量的參數(shù)；并且當(dāng)Na＝1或Np＝1時(shí)0＜p≤1、α≥1，q≥1、β≥1；當(dāng)Na＞1或Np＞1時(shí)0＜p≤1、α≥0，q≥1、β≥0。
10.如權(quán)利要求3所述的方法，其特征在于，所述的數(shù)學(xué)優(yōu)化方法為爬山法、或0.618法、或最速下降法、或共軛梯度法。
11.如權(quán)利要求3所述的方法，其特征在于，所述的輸入信號(hào)的N個(gè)采樣值在區(qū)間
中選擇。
12.如權(quán)利要求1所述的方法，其特征在于，當(dāng)所述等效模型為數(shù)據(jù)表形式時(shí)，對(duì)應(yīng)的所述逆模型就是該數(shù)據(jù)表的逆表。
13.一種確定伽瑪特性等效模型及其參數(shù)的檢測(cè)方法，所述伽瑪特性等效模型用于等效信號(hào)傳輸或處理環(huán)節(jié)中的伽瑪特性，其特征在于，包括如下步驟B1、分別檢測(cè)將輸入信號(hào)的N個(gè)采樣值Lin(i)輸入所述環(huán)節(jié)產(chǎn)生的實(shí)際輸出信號(hào)的N個(gè)值LPout(i)，其中0≤i≤N-1；B2、在一組備選的采用函數(shù)表示形式的等效模型中選擇一個(gè)待測(cè)模型執(zhí)行步驟B3；B3、對(duì)于所述待測(cè)模型，選擇一組初始參數(shù)；B4、計(jì)算根據(jù)所述待測(cè)模型計(jì)算所述信號(hào)N個(gè)采樣值對(duì)應(yīng)的理論輸出信號(hào)的N個(gè)值LMout(i)，其中0≤i≤N-1；以及目標(biāo)函數(shù)值F，所述目標(biāo)值函數(shù)值F與每一對(duì)對(duì)應(yīng)的LPout(i)和LMout(i)的差值相關(guān)；B5、判斷所述目標(biāo)函數(shù)值F是否等于或小于設(shè)定的門(mén)限值，如果是則認(rèn)為所述待測(cè)模型被接受為最終的等效模型，并且將該組參數(shù)作為該等效模型的參數(shù)后轉(zhuǎn)入步驟B8；否則執(zhí)行步驟B6；B6、判斷步驟B4的執(zhí)行次數(shù)是否到達(dá)限定的迭代次數(shù)，如果是則從其它尚未檢測(cè)的備選等效模型中再選擇一個(gè)作為待測(cè)模型并返回步驟B3；否則執(zhí)行步驟B7；B7、利用所述數(shù)學(xué)優(yōu)化方法調(diào)整所述參數(shù)，返回步驟B4；B8、結(jié)束。
14.如權(quán)利要求13所述的方法，其特征在于，所述步驟B5中，當(dāng)所述目標(biāo)函數(shù)值F等于或小于設(shè)定的門(mén)限值時(shí)，再根據(jù)設(shè)定的循環(huán)次數(shù)，利用所述數(shù)學(xué)優(yōu)化方法調(diào)整所述參數(shù)并計(jì)算所述目標(biāo)函數(shù)值F，然后將其中最小的目標(biāo)函數(shù)值F對(duì)應(yīng)的參數(shù)作為所述等效模型的參數(shù)。
15.如權(quán)利要求13或14所述的方法，其特征在于，所述目標(biāo)函數(shù)值F滿足如下條件F=Σi=0N-1(LoutP(i)-LoutM(i))2.]]>
16.如權(quán)利要求15所述的方法，其特征在于，所述伽瑪特性包括單環(huán)節(jié)伽瑪特性或多環(huán)節(jié)級(jí)聯(lián)綜合伽瑪特性。
17.如權(quán)利要求15所述的方法，其特征在于，所述一組備選等效模型的函數(shù)關(guān)系及其對(duì)應(yīng)的反函數(shù)包括所述伽瑪特性等效模型函數(shù)關(guān)系式為L(zhǎng)out＝pLinα+(1-p)，其中該函數(shù)的定義域?yàn)閰^(qū)間
，值域?yàn)閰^(qū)間[(1-p)，1]；則該函數(shù)的反函數(shù)關(guān)系式為L(zhǎng)out=(1pLin+(1-1p))1α;]]>或者，所述伽瑪特性等效模型函數(shù)關(guān)系式為L(zhǎng)out=(qLin+(1-q))1β,]]>其中該函數(shù)的定義域?yàn)閰^(qū)間[1-1/q，1]，值域?yàn)閰^(qū)間
；則該函數(shù)的反函數(shù)關(guān)系式為L(zhǎng)out=1qLinβ+(1-1q);]]>其中Lin為輸入信號(hào)值、Lout為輸出信號(hào)值、p和α以及q和β分別為需要測(cè)量的參數(shù)；并且，所述單環(huán)節(jié)伽瑪特性中0＜p≤1、α≥1，q≥1、β≥1；所述多環(huán)節(jié)伽瑪特性中0＜p≤1、α≥0，q≥1、β≥0。
18.如權(quán)利要求13所述的方法，其特征在于，所述的數(shù)學(xué)優(yōu)化方法為爬山法、或0.618法、或最速下降法、或共軛梯度法。
19.如權(quán)利要求13所述的方法，其特征在于，所述的輸入信號(hào)的N個(gè)采樣值在區(qū)間
中選擇。
全文摘要
本發(fā)明涉及視頻通信技術(shù)，特別公開(kāi)信號(hào)傳輸和處理環(huán)節(jié)中伽瑪特性等效模型確定、等效模型參數(shù)的檢測(cè)方法以及校正方法，以解決現(xiàn)有技術(shù)中伽瑪?shù)刃Ｐ瓦x擇和模型參數(shù)測(cè)量不準(zhǔn)確，從而無(wú)法準(zhǔn)確分析并校正信號(hào)傳輸和處理環(huán)節(jié)中的伽瑪特性。所述方法包括下列步驟確定校正點(diǎn)，該校正點(diǎn)之前有N
文檔編號(hào)H04N7/14GK1889693SQ20051008025
公開(kāi)日2007年1月3日 申請(qǐng)日期2005年6月30日 優(yōu)先權(quán)日2005年6月30日
發(fā)明者羅忠 申請(qǐng)人:華為技術(shù)有限公司