广色域TFT-LCD产品需要使用高颜料浓度的RGB色阻, 光照状态下易于发生发绿不良, 严重影响TFT-LCD显示器件的视觉效果。通过研究不同成分的色阻制成的TFT-LCD与光电测试样板在光照前后的发绿情况以及光电特性变化, 确定TFT-LCD光致发绿不良源于绿色色阻中含有的金属酞箐类G颜料, 且不良程度与绿色色阻中G颜料含量强关联。此类颜料具有共轭结构与半导体特性, 光照状态下发生电子迁移, 导致介质损耗因数升高, 影响TFT-LCD的耦合电场, 进而导致RGB像素亮度的差异化, 形成光致发绿不良。依托方法: (1)在保证TFT-LCD样品色度规格的前提下, 通过广色域G颜料以降低绿色色阻中的G颜料含量; (2)使用高敏感度的光起始剂, 可以有效改善TFT-LCD产品的光致发绿不良, 尤其方法(1)更为有效。本文建立TFT-LCD显色核心的彩色滤光片RGB色阻成分管理基准, 同时搭建光致发绿不良的生产线与实验室评价体系, 为后续色阻材料开发提供理论指导。

针对角度Softmax损失强约束存在的问题, 提出一种用角度空间三元组损失对角度Softmax损失预训练模型进行微调的算法。算法首先对原来的卷积神经网络结构进行改进, 将1×1卷积核与池化层加在不同残差块间, 以进行选择更有效的特征。然后用角度空间下的三元组损失对预训练模型进行微调, 以降低困难样本的强约束条件。最后在测试时, 分别提取原始人脸图像特征和水平翻转的人脸图像特征, 对两个特征相加作为最终的人脸特征表达, 以丰富人脸特征信息, 提高识别率。实验结果表明, 在LFW和YTF人脸数据集分别取得了99.25%和94.52%的识别率, 在大规模人脸身份识别中, 本文提出的方法在仅用单模型和比较小的训练集就能有效地提高人脸识别率。

提出一种针对HDR图像的显示方法, 该方法应用于LCD-LED双调制高动态显示器, 旨在使显示器更好地显示HDR图像要求的亮度细节, 提高视觉质量。首先, 建立HDR图像亮度与LED亮度范围对应关系, 使用光扩散函数作为背光LED亮度取值范围的权重。然后, 统计LED的亮度辐射区域内不同LED发光强度等级的权重, 取权重最大者对应的亮度作为该背光LED亮度。最后, 利用依据LED亮度生成LED背光扩散图像与HDR图像计算出LCD显示图像。仿真结果表明, 该算法可以使显示器亮度失真率系数低至0.006以下。在LCD-LED双调制高动态显示器上实验验证结果表明, 该算法可以有效提高图像的层次感, 有效抑制LCD-LED双调制高动态显示器的“光晕”以及亮度截断现象, 提高显示质量。

为了满足印刷等高端工业检测中物体快速运动, 需要大幅面、高行频、高分辨率图像采集等要求, 研发了一款微米级高分辨率、高速线阵工业相机。首先, 介绍了高行频、高分辨率国产CMOS图像传感器GL0816的功能与特点。然后, 基于该芯片设计了一套高速大幅面高分辨率线阵工业相机系统, 该系统采用FPGA作为整个系统的控制核心, 以DDR3L SDRAM作为图像缓存器, 以GigE vision2.0协议为输出标准, 以SFP+作为高速图像输出接口。最后, 搭建相机系统测试环境, 对所设计的相机进行系统测试。结果表明: 该相机系统行分辨率为8 192, 可连续采集2 000行作为一帧图像输出, 行频为50 kHz, 动态范围为57.32 dB, 信噪比为40.95 dB, 具有实时图像采集功能。该相机系统具有大幅面、高帧频、高分辨率、高信噪比、宽动态范围等优点, 适用于印刷检测行业快速运动目标捕获成像及图像实时显示。

介绍了光刻法石墨烯的制备方法, 分析了光刻工艺过后石墨烯方阻升高的不良机理, 并给出了相应的优化方案。首先, 根据半导体工艺研发制程完成石墨烯图案化工艺方案, 并对工艺方案进行有效优化。接着, 分析了石墨烯光刻法图案化后方阻升高的机理。最后, 通过改善工艺方案, 增加金属湿法刻蚀的步骤, 解决石墨烯方阻升高的问题。实验结果表明: 通过光刻法制得的石墨烯具有更高的图案精细度, 关键尺寸可达到5 μm。双层石墨烯膜的方阻在光刻法图案化后, 通过工艺改善可以保持原始膜最初阻值约330 Ω/□, 甚至可以降低到270 Ω/□左右。光刻法图案化石墨烯技术, 既能保证石墨烯图案尺寸精度, 又可以保持甚至降低石墨烯方阻值, 适合于量产开发。

为了消除在实际飞行过程中温度变化对机载折反式光学系统成像质量的影响, 对该系统的光学元件、机械结构等部分进行热分析, 实现机载折反式光学系统的无热化设计。首先, 根据透镜的光焦度公式推导透镜的光焦度温度函数, 列出透镜组的消热差方程。接着, 在考虑支撑结构的影响时引入轴向放大率, 以此表现折反式系统部分元件间隔变化对系统焦距影响大的特点。最后, 结合前两者确定完整的消热差方程来指导无热化设计。仿真结果表明, 工作在486~656 nm波段, 焦距为1 850 mm的机载折反式可见光光学系统在0~40 ℃之间成像良好, 调制传递函数下降不到0.1。

从硬件和软件两个角度出发, 介绍基于DSP的多元数据同步采集与存储系统的组成、工作模式以及功能的测试。系统主要由上位机和数字采集与存储单元组成, 其中数字采集与存储单元的硬件部分包括电源模块, 值班电路模块, 数据采集模块, 数据存储模块, 时钟同步模块。系统采用DSP作为中央处理芯片, 利用经过同步后的秒脉冲作为触发信号, 实现同步数据采集。以CF卡作为存储介质, 实现数据自容式存储。软件部分实现自检、同步、数据采集存储功能。经过测试, 系统工作稳定, 功能正常,同步精度在100 ns以内。

为了定量分析不同防蓝光眼镜的使用对屏幕显示画面彩色三要素的影响, 分别采集6 500K和5 000K色温下的OLED屏幕与LED背光的LCD的光谱分布, 以及当前销量较大的5种不同材质防蓝光眼镜透射率数据, 通过OriginPro拟合、色度软件分析、Matlab计算, 定量比较5种防蓝光眼镜对不同色温下两种屏幕1931 CIE XYZ色坐标、主波长、饱和度及光通量的影响, 结合人眼分辨率对计算结果进行分析。结果表明, 5种眼镜对屏幕色坐标Z值降低效果相差最大值高达1 881倍, 相同色温同一眼镜对LED背光的LCD屏的防蓝光效果略强于OLED屏; 5种防蓝光眼镜对色温为5 000 K的LED背光的LCD屏幕主波长影响不大; 能过滤掉色温6 500 K的OLED屏幕99.626 %蓝光的眼镜, 可使其饱和度增加22.7倍。能过滤掉色温6 500 K的LED背光LCD屏幕99.59%蓝光的眼镜, 可使其色温下降为原来的0322倍, 均严重影响屏幕的显示效果。该研究方法与结论可为相关产品的使用和研发提供借鉴。

针对3DOF+视频搭建了一套基于视角方向的全景视频虚拟视图合成系统, 利用极少视点位置的视频信息即可准确渲染任意视点位置的视频内容, 从而为用户提供真实的观看体验。将所合成的新视点位置视图与相机采集的真实视图进行比较。实验结果表明, 所合成的虚拟视图平均客观指标PSNR为23 dB左右, 主观质量良好, 较为真实且能够提供良好的交互性与视觉体验。

为实现氧化物TFT(Indium Gallium Zinc Oxide Thin Film Transistor, IGZO TFT)特性的最优化, 采用I-V数据和SEM(Scanning Electron Microscope)图片研究蚀阻挡层(Etch-Stop Layer, ESL)沉积条件与氧化物TFT特性的关系。通过调整沉积温度、正负极板间距、压力和功率, 分析了PECVD 沉积ESL SiO2的成膜规律, 并对所得到的TFT进行了特性分析。发现ESL膜层致密性过差时, 后期高温工艺会造成水汽进入IGZO半导体膜层, 从而引起TFT 特性恶化。而采用高温、高压力等方法取得高致密性的ESL膜层由于高强度等离子体对IGZO本体的还原反应也会致使TFT 特性劣化。结果表明, 在保证膜层致密性前提下, 等离子体对IGZO本体伤害最小的ESL沉积条件才是最优化的ESL沉积条件。

进行人脸识别前, 首先要精确定位出一幅图像中人脸的位置, 为了快速定位人脸位置, 本文提出一种肤色定位的人脸检测算法。首先将实际获取的彩色图像转换为YCbCr和HSI空间图像, 并将Cb和Cr图像中的数值进行四舍五入处理, 结合Cb、Cr、H和S的阈值去除大部分背景, 再统计当前图像中的彩色部分的Cb和Cr值, 分别取最多2个数值来共同确定肤色位置, 最后由当前位置的亮度信息图像排除手等纯肤色部分, 准确定位人脸。本文算法能提高正检率并降低误检率, 有利于人脸检测。

鉴于开关中值滤波在椒盐噪声检测和去除方面的应用合理性, 本文分别设计实现了基于信号局部差异性和基于信号方向差异性的椒盐噪声检测算法。这两种算法均属于二级噪声检测方法, 且第一级检测手段都是基于灰度范围准则。两种算法的不同点主要体现在第二级检测算法上, 前者基于局部差别准则, 后者基于方向差别准则。在方法评价部分, 首先通过分析和实验确定两种算法的最优参数设置; 然后通过对不同噪声密度的测试图像去噪来评价两种算法的去噪效果。结果表明: 基于方向差异性的算法比基于局部差异性的算法具有更好的性能, 且两种算法的去噪效果都与噪声密度成反比。需要注意的是, 这两种算法都容易将图像中的细微边缘或细节像素误判为噪声点, 即在噪声的检测过程中, 只能避免对图像中主要边缘和轮廓像素的误判, 还无法对图像中的细微边缘和细节进行精确判定, 这也是开关二级噪声滤波算法今后的主要改进方向。另外, 算法效率测试结果表明两种算法具有相似的计算时间, 从而验证了两者之间的算法结构相似性。

为了实现对工业产品乳液泵的缺陷检测, 本文采集泵顶、泵上端、泵下端、尾管4个角度的样本图像, 并基于深度学习中迁移学习和卷积神经网络的原理分别构建各角度的分类模型以检测缺陷样本。首先, 使用Mini-ImageNet数据集预训练网络模型。然后, 调整模型结构并加载预训练网络的参数, 并将乳液泵各角度的训练集和验证集经过图像预处理算法后输入至卷积神经网络中训练, 根据训练过程中验证集准确率的变化调整网络超参数, 得到最终网络模型。最后, 将预处理后的乳液泵测试样本输入至训练好的模型中, 检测最终模型的缺陷识别效果。最终4个角度检测准确率均在93%以上, 单样本检测用时为2.52 s, 优于传统方法。本文算法可用于设计乳液泵缺陷检测系统, 该系统能与工业结构相结合筛选出有缺陷的泵体, 也可拓展到工业其他物件的缺陷检测。

为了提高图像去雾效果, 采用三角形循环二分算法处理图像。首先分析基本暗通道算法图像去雾; 接着基于三角形循环二分算法对大气光值精确计算, 将图像沿对角线分成4个三角形区域, 只对雾浓度最较高的区域进行二分图形划分, 选取三角形最长边的中点, 连接到对应三角形最长边的顶点, 循环执行直到满足预先设定的面积阈值; 然后自适应调节透射率, 避免色彩失真; 最后给出了算法流程。实验仿真显示, 本文算法去雾后的图像在视觉上更加清晰, 可见边集合数目比、平均梯度比值、直方图相似度系数、综合评价指标相比其他算法较好, 能够满足图像去雾对清晰度、信息量的要求。

运动目标检测是实现目标跟踪、交通监控、行为分析等任务的基础。但在无人机获取的视频图像中, 无人机运动、旋翼震动或外界风力等客观因素使图像出现较为明显的背景、光照等变化, 会对运动目标的检测产生影响。因此, 如何降低干扰、提高检测精度, 让无人机在运动目标检测领域发挥作用在信息时代具有相当重要的意义。无人机视频图像的运动目标检测相比传统运动目标检测, 检测思路基本一致, 但干扰因素众多。本文以此为切入点, 分类综述了适用于无人机视频图像运动目标检测的算法及其改进, 主要包括运动估计算法、帧间差法、背景建模法、光流法等传统算法和近年出现的新型算法; 通过对无人机运动状态的划分探讨比较了上述方法的优缺点及适用场景。帧间差法更适合处理无人机悬停状态的数据, 背景建模法、光流法及新型算法对无人机悬停及巡航状态的数据均可处理; 上述算法均不能很好解决光照变化造成误检、漏检现象。所以处理无人机视频数据时, 要根据其运动信息及数据特点选择合适的算法, 才能获得好的检测结果。