一種伽瑪環節伽瑪特性參數的獲取方法及裝置的製作方法

2023-10-08 13:42:24

專利名稱：一種伽瑪環節伽瑪特性參數的獲取方法及裝置的製作方法
技術領域：
本發明涉及視頻通信技術，特別涉及一種伽瑪環節伽瑪特性參數的獲取方法及裝置。

背景技術：
視頻通信目前正在隨著寬帶網絡的迅速發展而得到日益廣泛的應用，在國內和國際上，視頻會議和可視電話業務正在成為NGN(Next Generation Network下一代網絡)上的基本業務。各國的電信運營商也非常重視這個市場機會，可以預期在未來幾年中，視頻通信業務將成為運營商重要的業務增長點。
發展此類業務的一個關鍵問題是提高端到端(End-to-end)的用戶體驗(User Experience，或者叫做Quality of Experience)。用戶體驗中除了網絡的QoS(丟包，延遲，抖動，R因子等)參數外，對於視頻，因為各個環節引起的Gamma非線性問題，造成對於亮度信號的畸變(Distortion)，也是影響最終用戶體驗的重要因素。
但是目前，對於提高端到端用戶體驗的方法和技術主要集中在保證網絡QoS和視頻壓縮編碼相關的前後處理(Pre-processing，Post-processing)方面，而對於Gamma特性引起的亮度畸變問題，缺乏關注和系統的解決方法，但是該問題的嚴重性已經引起了一些國際大電信運營商的關注。法國電信(FranceTelecom)在國際電信聯盟ITU-T近期就提出了要在視頻通信中考慮Gamma特性對於通信用戶體驗的影響，並對此類問題加以解決的建議。
視頻通信過程中，在一個視頻通信終端(下文簡稱終端)中，從需要被傳送的場景(人物，背景，文件等)的光信號進入到攝像機/攝像頭，經過A/D轉換成數字圖像信號，再經過壓縮編碼，傳送出去到達對方終端經過去壓縮(Decompression)解碼還原為數字圖像信號，然後再在顯示設備上顯示出來，最終又變成光信號被人眼感知。這個過程中圖像亮度信號(Luminance，這裡是一種廣義的亮度信號，即一開始的光信號，到電信號，再到數位化的圖像亮度/灰度信號，每個階段的信號都含有亮度信號的信息，因此廣義來說，亮度信號經過了多個環節)經過了多個環節。
如圖1所示，圖1為環節Gamma特性的模型示意圖，Gamma特性就是一個環節的亮度信號輸入-輸出關係不是線性的，而是一種非線性。在實際中，Gamma非線性是由不同原因引起的，例如CRT(Cathod Ray Tube，陰極射線管)顯示器的Gamma特性在理想狀況下滿足公式1 Lout＝Lin2.2(1) 而對對應的攝像機/攝像頭的理想Gamma滿足公式2 Lout＝Lin0.45 (2) 從Gamma問題的起源來看，起源於CRT顯示器，因為其Gamma值是2.2，為了補償掉這個非線性，在攝像機中人為引入了Gamma值0.45。如果在系統中只存在兩個Gamma環節CRT顯示器和攝像機，那麼可以實現完全的Gamma校正。
需要說明的是，這裡的輸入和輸出亮度信號都是在各自的坐標空間中進行了規一化(Normalized)的，即0≤Lout≤1，0≤Lin≤1。而其它類型的顯示器比如液晶等，其Gamma函數的形式或者不同，或者雖然形式上也是冪函數，但是參數不同。
如圖2所示，圖2為多個環節級聯(Cascading或者叫做串聯)起來環節Gamma特性的模型示意圖，總的Gamma特性等於各個環節Gamma函數的複合(Composition)，滿足公式3 GCT(.)＝G(1)(.)οG(2)(.)οG(3)(.)........G(n-1)(.)οG(n)(.) lout＝GCT(lin)＝G(n)(G(n-1)(G(n-2)(.......G(2)(G(1)(lin))))) (3) 「。」表示函數的複合運算。CT表示Cascaded Total，即級聯總Gamma的意思。
理想的情況是輸入光信號從進入攝像頭到最終在顯示屏上顯示輸出光信號，輸入和輸出亮度信號之間存在線性關係，即Lout＝Lin，這樣人看到的景物才和原來的完全一樣，用戶體驗最好。
要獲得線性關係，必須對於具有非線性Gamma特性環節進行Gamma校正(Gamma Correction)。如圖3所示，對於一個環節來說，其Gamma特性給定，那麼可以用另外一個校正環節和它進行級聯，來使得級聯後總的Gamma特性稱為真正的線性關係，從而達到了補償掉給定環節非線性的目的，校正環節的模型為Gamma特性等效模型的逆模型，如果等效模型可以用函數關係式表示，則逆模型的函數關係式為其反函數。顯然，Gg(.)和Gc(.)互為反函數，因此對單個給定環節，只要Gg(.)滿足一定條件，就可以找到Gc(.)對Gg(.)進行Gamma校正。一般情況下，對於一個函數，要獲得其反函數不一定有解(或者即使解存在，也無法用計算的方法獲得)。
實際應用中更多的情況如圖4所示，校正環節需要插入到前後兩個給定環節之間，此時Gc(.)情況更加複雜，Gc(.)和Ga(.)或者Gp(.)不再是簡單的反函數關係，但是只要Ga(.)，Gp(.)滿足一定條件，就可以找到Gc(.)對Ga(.)和Gp(.)進行Gamma校正。
在通信的一般情況下，校正需要涉及到兩個以上的通信終端。比如在一個兩方視頻通信中，終端A的視頻傳送到終端B，那麼這路視頻的校正就同時涉及到終端A上的Gamma環節和終端B上的Gamma環節。實現以上所述的Gamma校正方法，前提是能夠對於一個給定的Gamma環節或者多個Gamma環節的級聯，確定其Gamma特性參數，即Gamma特性函數曲線的參數。這個前途在很多情況下是不能保證的，主要例如 1、對於IPTV等流媒體業務和應用，因為節目製作過程中，已經受到了視頻輸入設備的Gamma特性的影響，在節目播出的時候，尤其是點播等情況，已經無法獲得原來節目製作時候用於採集視頻信號的視頻輸入設備的Gamma特性了； 2、對於數據會議等應用也存在同樣問題，目前視頻會議的發展和數據會議的發展同步，兩者完善的結合，對於合作應用(collaborative applications)有很大的意義，在企業等環境中，有強烈的市場需求。關國的Webex公司是這個行業的佼佼者，短短幾年時間公司從一個開始創建(start-up)的公司成長為有世界影響的公司，說明了這種業務的巨大市場潛力。但是，在數據會議應用中，很多多媒體資料比如圖片，其來源是不可考的，很難獲得當時生成這些數據的視頻輸入設備的Gamma特性； 3、對於採用廉價攝像頭，尤其是那些非常便宜的USB接口攝像頭，其Gamma特性曲線和標準的Lout＝Lin0.45相差很遠，甚至根本不是冪函數的形式，而這些廉價的攝像頭一般出廠技術資料(可能根本沒有這樣的資料)中也無法獲取其Gamma特性參數； 以上三種應用都是非常重要的，都有很大的市場潛力，尤其是IPTV和數據會議市場發展非常快。而視頻通信要真正用於巨大的市場，必須依靠走公眾運營的道路，吸引千家萬戶，這樣就要求入門條件一定要非常低，視頻輸入設備要非常價格低廉。因此如何獲得給定的環節或者多個Gamma環節的級聯的Gamma特性參數，實現視頻通信中的Gamma特性校正，是需要解決的首要問題。


發明內容
本發明提供一種伽瑪環節伽瑪特性參數的獲取方法及裝置，以解決現有技術中無法僅根據伽瑪環節的輸出亮度信號確定該環節伽瑪特性參數的問題。
為解決上述問題，本發明提供如下技術方案 一種伽瑪環節的伽瑪特性參數獲取方法，包括如下步驟 獲取伽瑪環節輸出亮度信號的亮度直方圖； 根據所述亮度直方圖計算所述輸出亮度信號的高階統計量； 根據所述輸出亮度信號的高階統計量確定伽瑪環節的伽瑪特性參數。
所述方法中，可以先根據所述亮度直方圖確定所述輸出亮度信號的亮度分布概率密度函數，再根據所述亮度分布概率密度函數計算所述輸出亮度信號的高階統計量。
較佳的，所述的根據所述輸出亮度信號的高階統計量確定伽瑪環節的伽瑪特性參數的方法具體包括如下步驟 用如下多項式函數表示伽瑪環節的伽瑪特性函數 其中pi為需要確定的伽瑪特性參數，i＝1、2...M，M表示多項式的次數，x表示自變量，對應於輸入亮度信號的亮度； 根據伽瑪環節的輸入亮度信號的亮度分布概率密度函數fe(x)、輸出亮度信號的亮度分布概率密度函數fr(x)以及伽瑪特性函數y＝g(x；p)，e∈
三者之間的如下關係式 d(e；p)fr(r)＝fe(e)，r＝g(e；p)，e∈
其中e表示輸入亮度信號的亮度，r表示輸出亮度信號的亮度，d(e；p)表示伽瑪特性函數g(e；p)關於自變量e的一階導函數； 得到輸入亮度信號的高階統計量mie、輸出亮度信號的高階統計量mrq與伽瑪特性函數各係數的如下數學模型 其中mrq表示輸出亮度信號的第q階統計量，整數q＝0，1，2，3...；Mei表示輸入亮度信號的第i階統計量，整數i＝0，1，2，3...Mq；pk1，pk2，......，pkq表示伽瑪特性函數的係數，其中整數k1，k2，....，kq為求和式中的啞元；M表示伽瑪特性函數的次數； 利用所述數學模型獲得各伽瑪特性參數值。
較佳的，所述利用所述數學模型獲得各伽瑪特性參數值的方法為 分別令所述數學模型中q＝1，2，3，4，....，M+T+1後，形成M+T+1個方程，從而建立一個含有M+T+1個聯立方程的非線性方程組，然後通過求解該非線性方程組，獲得各伽瑪特性參數值。
較佳的，如果可以獲取輸入亮度信號的各高階統計量mie，則所述利用所述數學模型獲得各伽瑪特性參數值的方法為 將輸入亮度信號的各高階統計量mie帶入所述數學模型，並相應令q＝1，2，3，4，....，M後，形成M個方程，從而建立一個含有M個聯立方程的非線性方程組，然後通過求解該非線性方程組，獲得各伽瑪特性參數值。
較佳的，所述的根據所述亮度直方圖確定所述輸出亮度信號的亮度分布概率密度函數的方法包括如下步驟 根據輸出亮度信號的亮度直方圖得到設定亮度信號對應的亮度分布概率密度函數的近似值； 對所述設定亮度信號對應的亮度分布概率密度函數的近似值進行插值和數據擬合處理獲得近似的亮度分布概率密度函數。
較佳的，利用下述公式，根據所述亮度分布概率密度函數確定所述輸出亮度信號高階統計量 其中msp表示信號s的第p階高階統計量，fs(s)表示亮度信號s的分布概率密度函數，p為階數。
較佳的，利用如下公式，近似根據所述亮度直方圖確定所述輸出亮度信號的高階統計量 其中N表示直方圖的柱數，p為階數，s為亮度信號值，hs(k)為亮度信號直方圖。
所述方法中，所述伽瑪環節為單伽瑪環節或者多個單伽瑪環節級聯後的等效伽瑪環節。
本發明還提供一種伽瑪環節的伽瑪特性參數獲取裝置，包括 第一模塊，獲取伽瑪環節輸出亮度信號的亮度直方圖； 第二模塊，根據所述亮度直方圖計算所述輸出亮度信號的高階統計量； 第三模塊，根據所述輸出亮度信號的高階統計量確定伽瑪環節的伽瑪特性參數。
其中，所述第二模塊具體包括 函數確定子模塊，根據所述亮度直方圖確定所述輸出亮度信號的亮度分布概率密度函數； 高階統計量計算子模塊，根據所述亮度分布概率密度函數確定所述輸出亮度信號的高階統計量。
其中，所述第三模塊具體包括 第一數學模型生成子模塊，用如下多項式函數表示伽瑪環節的伽瑪特性函數，則其中pi為需要確定的伽瑪特性參數 其中pi為需要確定的伽瑪特性參數，i＝1、2...M，M表示多項式的次數，x表示自變量，對應於輸入亮度信號的亮度； 根據輸入亮度信號的高階統計量mie、輸出亮度信號的高階統計量mrq與伽瑪特性函數多項式中各係數的內在數學關係，生成如下數學模型 其中mrq表示輸出亮度信號的第q階統計量，整數q＝0，1，2，3...；Mei表示輸入亮度信號的第i階統計量，整數i＝0，1，2，3...Mq；pk1，pk2，......，pkq表示伽瑪特性函數的係數，其中整數k1，k2，....，kq為求和式中的啞元；M表示伽瑪特性函數的次數； 第一方程組生成子模塊，分別令所述數學模型中q＝1，2，3，4，....，M+T+1後，生成M+T+1個方程； 第一計算子模塊，求解所述M+T+1個方程組成的非線性方程組的解，獲得各伽瑪特性參數值。
其中，如果可以獲取輸入亮度信號的各高階統計量，則所述第三模塊具體包括 第二獲取子模塊，獲取輸入亮度信號的各高階統計量mie； 第二數學模型生成子模塊，用如下多項式函數表示伽瑪環節的伽瑪特性函數，則其中pi為需要確定的伽瑪特性參數 其中pi為需要確定的伽瑪特性參數，i＝1、2...M，M表示多項式的次數，x表示自變量，對應於輸入亮度信號的亮度； 根據輸入亮度信號的高階統計量mie、輸出亮度信號的高階統計量mrq與伽瑪特性函數多項式中各係數的內在數學關係，生成如下數學模型 其中mrq表示輸出亮度信號的第q階統計量，整數q＝0，1，2，3...；Mei表示輸入亮度信號的第i階統計量，整數i＝0，1，2，3...Mq；pk1，pk2，......，pkq表示伽瑪特性函數的係數，其中整數k1，k2，....，kq為求和式中的啞元；M表示伽瑪特性函數的次數； 第二方程組生成子模塊，分別連接所述第二獲取子模塊和第二數學模型生成子模塊，將輸入亮度信號的各高階統計量mie帶入所述數學模型，並相應令q＝1，2，3，4，....，M後，形成M個方程； 第二計算子模塊，求解所述M個方程組成的非線性方程組的解，獲得各伽瑪特性參數值。
其中，所述函數確定子模塊具體包括 第一單元，根據輸出亮度信號的亮度直方圖得到設定亮度信號對應的近似亮度分布概率密度函數值； 第二單元，對所述設定亮度信號對應的近似亮度分布概率密度函數值進行插值和數據擬合處理獲得近似的亮度分布概率密度函數。
本發明的有益效果如下 本發明技術方案利用了對於單個給定的Gamma環節或者多個給定Gamma環節的級聯組合的輸入亮度信號和輸出亮度信號各自的高階統計量之間的內在數量關係，從而根據伽瑪環節的輸出亮度信號確定該環節伽瑪特性參數，使得Gamma校正的應用範圍能夠大大拓寬，特別能夠針對IPTV，數據會議，廣泛使用低端視頻輸入設備的公眾視頻通信提供好的Gamma校正功能，大大提高用戶體驗和服務質量，進一步提升這些業務的市場競爭力，為電信運營商、服務提供商和設備廠商帶來巨大的經濟效益。



圖1為單環節Gamma特性的一般模型； 圖2為多環節級聯Gamma特性的一般模型； 圖3為校正單個環節的Gamma特性示意圖； 圖4為校正多個給定環節的Gamma特性示意圖； 圖5為利用亮度直方圖，通過插值和數據擬合處理得到的輸出亮度信號分布概率密碼函數曲線示意圖； 圖6為256級亮度信號的亮度直方圖的一個示意圖； 圖7為本發明所述第一種Gamma特性參數獲取方法的主要流程示意圖； 圖8為圖7所示方法中步驟S102具體包括的詳細處理流程示意圖； 圖9為圖7所示方法中步驟S104具體包括的詳細處理流程示意圖； 圖10為本發明所述第二種Gamma特性參數獲取方法的主要流程示意圖； 圖11為本發明Gamma特性參數獲取裝置的主要結構示意圖； 圖12為圖11中第二模塊的一種具體結構示意圖； 圖13為圖11中第三模塊的一種具體結構示意圖； 圖14為圖11中第三模塊的另一種具體結構示意圖； 圖15為圖12中函數確定子模塊的一種具體結構示意圖。

具體實施例方式 在當前實際應用中，Gamma校正可以結合視頻通信終端來實現，實現Gamma校正的首要問題是確定視頻碼流所經過的伽瑪路徑的Gamma函數參數，Gamma函數參數一般稱為Gamma特性參數，再根據Gamma函數參數確定Gamma校正函數參數，然後根據Gamma校正函數參數對視頻碼流進行校正，在確定了Gamma校正函數參數後，就可以執行Gamma校正，現有技術中有很多校正方法，都可以基於本發明獲得的Gamma函數參數實現。對於一個給定的Gamma環節或者多個Gamma環節的級聯，Gamma函數參數獲取過程一般只需要進行一次，校正過程發生在通信過程中，根據Gamma校正函數來實現，對於信號的每個採樣值(可以理解為一個像素)都重複進行校正。
本發明目的在於提供一種Gamma特性參數的獲取方法，首先分步闡述本發明技術構思的相關實現原理 一、亮度信號的分別概率密度函數和亮度直方圖之間的關係 對於Gamma環節或者多個Gamma環節的級聯組合來說，定義輸入亮度信號的全體集合為{s(t)|t∈R，0≤s(t)≤1}，該集合為全體信號幅值(amplitude)小於等於1的非負值(信號取值為非負)時間信號的集合(任何信號在經過規一化處理之後一定滿足這個幅值小於等於1的條件)的集合，R表示全體實數集合。
因為存在隨機幹擾，這些信號可以看成是隨機過程。這些信號的統計特性可能各不相同，但是按照信號的統計特性，特別是概率分布特性可以對於信號進行分類。
任何信號作為一個隨機過程都有一個概率分布密度函數，如果隨機過程是平穩的(這裡是嚴格意義上的平穩)，那麼這個概率密度函數和時間無關；如果不是平穩的，這個概率密度函數可能和時間有關。因此，一般來說，對於一個隨機過程s(t)(t∈R，0≤s(t)≤1)來說，利用fs(x，t)，t∈R表示其概率密度函數，則如果是嚴格平穩的隨機過程，fs(x，t)，t∈R和t無關，即不隨時間變化而變化，因此嚴格平穩的情況下fs(x，t)＝fs(x)。
如果一個信號s(t)不滿足條件t∈R，0≤s(t)≤1，那麼需要進行規一化使得其滿足該條件。如果s(t)實際的取值範圍是
，規一化後的信號sn(t)如公式3所示 sn(t)＝s(t)/Smax(3) 相應地，要從規一化的值還原到實際的值(逆規一化)。計算公式如公式4所示 s(t)＝Smax sn(t)(4) 根據概率密度函數的定義，對於任何t，有公式5所示的如下屬性 並且，fs(x，t)≥0 (5) 對於滿足信號幅值小於等於1的非負值信號，滿足公式6 fs(x，t)＝0，x＜0或者x＞1 (6) 也就是說，信號值大於1或者小於0是不可能的，因此信號在大於1或者小於0的範圍內的分布概率為零。
作為一個自然推論，對於任何t，有公式7所示的如下屬性 按照概率密度函數的定義，對於很小的區間長度δ和區間
上一點x0來說，有公式8所示的如下屬性，其中符號Prob表示概率(Probability) fs(x0，t)δ≈Prob{x0≤s(t)≤x0+δ}(8) 或者等效公式9所示 公式8的直觀意義是說，在時刻t，亮度信號落在區間[x0，x0+δ]的概率近似等於fs(x0，t)δ；或者公式9的直觀意義是說，亮度信號落在區間的概率近似等於fs(x0，t)δ。
這其實是一種把連續概率密度函數變成離散概率密度的方法。視頻亮度信號的概率分布密度函數離散化形式定義為該視頻的亮度直方圖，因此，由連續概率密度，通過這種離散化就可以得到信號的亮度直方圖。
對於規一化的亮度信號，可以把
區間等分成N個子區間，每個子區間的長度是1/N。第k(k＝0，1，2，....，N-1)個子區間是[k/N，(k+1)/N]。如果N足夠大，1/N足夠小，那麼根據公式9得到公式10 於是形成一個可以用集合11表示的概率序列(sequence) 如果信號還原到其非規一化的信號空間中，比如在視頻通信中通常亮度信號取0-255的整數，共256級亮度。當然可以一般化為2D級亮度的情況。這個時候，那麼需要把
線性映射成集合{0，1，2，3，...，2D-2，2D-1}。每個子區間相應擴大2D倍，成為(1/N)2D。於是相應的概率序列變成集合12所示 根據公式7、公式9，顯然有公式13 集合12所示序列即為亮度信號s(t)的直方圖，顯然直方圖是可以由信號亮度的概率密度函數直接得到的，反過來也可以由直方圖經過處理得到信號的亮度概率密度函數。
例如256級亮度信號直方圖如圖5所示，其中h(0)＝0、h(1)＝0....h(64)＝0.005、h(65)＝0.006.....h(96)＝0.01.....h(128)＝0.015.....h(190)＝0.006、h(191)＝0.005、h(192)＝0.001、h(193)＝0...h(255)＝0。
二、亮度信號亮度直方圖的獲取 現有技術中由很多獲取亮度信號亮度直方圖的方法，對於一個已知的亮度信號，在視頻信號的情況下，視頻分成一幀一幀連續的圖像。每一幀圖像(或者其中的某個連續的區域，比如其中的一個景物等)可以看成是平穩的隨機信號(在二維圖像的情況下，也叫做隨機場random field)。對於這幀平穩的圖像(或者其中的平穩區域)都可以用現有的技術獲得其亮度直方圖，具體獲取的方法為本領域技術人員所熟知。
總之，對於輸出亮度信號，可以獲得集合12所示的亮度直方圖，進一步因為是平穩的，其亮度分布概率密度函數和時間變量無關，因此相應的概率序列變成集合14所示 對於本發明來說，因為需要確定其Gamma特性參數的給定Gamma環節或者多個給定Gamma環節的級聯組合的Gamma特性參數是不隨時間變化的(即使有變化，也是因為產品質量不穩定造成緩慢的時間飄移)，因此，我們只要利用輸入亮度信號在某一時間段內的信息(對應於上述的平穩圖像幀或者其平穩區域)來確定Gamma特性參數就可以了。
三、從亮度直方圖獲得亮度分布概率密度函數 根據14則有 對於均勻分布在
區間上的N個點可以得到函數fr(x)在這些點上的數值， 這些離散點在坐標系r軸上的位置如圖6所示，如果N足夠大(一般可以對於256級亮度做到N＝256，已經足夠大了)，那麼可以通過數據插值(interpolation)或者擬合(fitting)方式得到輸出亮度分布概率密度的表達式，該表達式可以表示為公式16所示的多項式(包括多項式樣條函數) fr(r)＝cdrd+cd-1rd-1+cd-2rd-2+.....+c1r+c0(16) 多項式16中涉及到d+1個係數，分別為cd，cd-1，cd-2，.....，c0. 作為一個實施例，以採用最小二乘(Least Squares)擬合方法為例，首先構造矩陣R，向量f，然後按照標準公式17計算向量c，得到的係數cd，cd-1，cd-2，.....，c0 c＝(RTR)-1RTf(17) 其中 c＝[c0，c1，......，cd]T
因此，一旦按照式17計算出了係數向量c＝[c0，c1，......，cd]T，就可以計算出在任意給定r數值下的函數值fr(r)。
四、亮度信號的連續高階統計量及其計算 高階統計量，又叫做高階統計量(higher order moments，HOM，也稱高階矩)，對於隨機信號s(t)，的高階統計量的具體定義是 p階原點矩如公式18所示 其中msp表示信號s的第p階高階統計量，fs(s)表示亮度信號s的分布概率密度函數，p為階數。
顯然，有公式19 ms0＝1(19) 並且，均值(mean)其實就是一階原點矩。
p階中心矩 顯然，一般意義上，方差就是二階中心矩，當p＞2，p階中心矩就稱為高階統計量。
由上述描述可知，對於一個給定的亮度信號，其高階統計量可以通過如下步驟計算 第一步首先獲取其亮度直方圖； 第二步從亮度直方圖獲取用多項式近似表示的亮度分布概率密度函數； 第三步按照公式18或者公式20，同過數值積分的方法分別計算原點矩和中心矩。
另外，在計算精度要求不高的情況下，也可以直接由直方圖計算高階統計量，具體方法如下 因為按照積分的近似表達式有 即公式21，利用直方圖直接計算高階統計量的近似公式 其中N表示直方圖的柱數，p為階數，s為亮度信號值，hs(k)為亮度信號直方圖。
同理，有公式22 在精度要求不是很高的情況下，可以利用公式21和公式22直接通過亮度直方圖來計算信號的高階統計量。
對於滿足規一化條件的亮度信號，從公式19和公式20可以看出，亮度信號都是小於1的非負數，並且對於同一個亮度信號而言，有下述不等式23和24成立 ms0≥ms1≥...............≥msp≥msp+1≥..........................(23) cs0≥cs1≥...............≥csp≥csp+1≥..........................(24) 並且隨著階數p的增大，序列ms0，ms1，...............，msp，msp+1，..........................和cs0，cs1，...............，csp，csp+1，..........................按照近似幾何級數的規律遞減並且趨近於零，即 limp→+∞msp＝0(25) limp→+∞csp＝0(26) 這個屬性很重要，說明高階統計量隨著階數增高遞減，趨向於零。從而在後面的推理中，可以根據這個性質，把高於一定階數的輸入信號的高階統計量忽略不計，作為零處理。從而可以把需要求解的未知數控制在一定的數量，而方程的數量可以有任意多個，因此只要構造了足夠多的方程，就可以求解所有的未知數，從而獲得Gamma特性參數和輸入信號的所有不為零(即沒有小到一定門限以下而沒有被忽略為零的)的高階統計量。
因此，當p大於某個正整數T之後，可以認為高階統計量等於零。
五、Gamma環節的輸入、輸出亮度信號的高階統計量之間的內在數量關係 用y＝g(x；p)，p＝[p1，p2，...，pM]T表示單Gamma環節或多Gamma環節的級聯等效環節的Gamma特性函數關係式，其中p＝[p1，p2，...，pM]T是一個參數向量，一般情況下由M個參數組成，這些參數的全部或者部分是需要確定的。
按照這個很一般的形式，Gamma特性函數幾乎可以是任何形式的函數，只要滿足連續的條件，而且一般來說，Gamma特性函數還是光滑可導的，至少是分段光滑可導的，因此假設其關於變量x的導數存在是合理的。用如下符號表示 並且，Gamma特性函數還應該滿足 g(1；p)＝1(28) 一般來說，用多項式函數表示Gamma特性函數，其中各係數即為需要確定的Gamma特性參數 其中pi為需要確定的伽瑪特性參數，i＝1、2...M，M表示多項式的次數，x表示自變量，對應於輸入亮度信號的亮度；常數項之所以是

是由條件28決定的。
用e(t)和r(t)分別表示輸入和輸出亮度信號，那麼各自對應的概率密度函數是fe(x，t)和fr(x，t)。
並且 r(t)＝g(e(t)；p)，p＝[p1，p2，....，pM]T(30) 根據概率理論有 d(e；p)fr(r)＝fe(e)其中，r＝g(e；p)，e∈
(31) 其中e表示輸入亮度信號的亮度，r表示輸出亮度信號的亮度，d(e；p)表示伽瑪特性函數g(e；p)關於自變量e的一階導函數。
公式31可以用經典的概率理論獲得，如果兩個隨機變量r、e各自有概率分布密度函數，而兩個變量之間通過一個函數g發生關聯，那麼在兩者的概率分布密度函數和函數g三者之間有公式31所示的關係成立。該關係的推演屬於經典概率內容，這裡從略。
高階統計量或者高階統計量都來自一階矩和二階矩。對於一個物體，都可以計算其重心(center of gravity)或者質心(center of mass)，其實這就是一階矩。同樣，可以計算其轉動慣量(rotational inertia，物理上通常用I表示)，轉動慣量是一種二階距。對於隨機變量，可以按照公式(18)和(20)計算一系列量，叫做高階統計量，本來是沒有物理意義的。但是在一階和二階的情況下，計算公式和物理上計算重心和轉動慣量的公式相似，(18)，(20)中的被積分變量s相當於物體上某個體積微元的坐標，而概率分布密度函數相當於物質密度分布函數。因此，從物理上借用了高階統計量這個名詞，高階統計量在信息處理技術中得到廣泛的應用。因為在早期的經典隨機過程研究中，一般只對信號的一階二階矩進行研究，信號很多屬性其實無法得到深刻反映和描述。一個系統的輸入輸出信號之間的很多關係通過高階統計量可以得到揭示，因此高階統計量適合作為橋梁來溝通一個系統的輸入和輸出。信息處理的普遍問題歸納起來無非就是對於一個系統輸入、輸出和系統屬性參數三種量之中已知一種、或者兩種，來求另外的兩種或者一種。
高階統計量在本發明中的作用是通過公式31把輸入信號和輸出信號的高階統計量關聯起來。同時利用屬性25、26建立方程，求解Gamma特性參數。
六、根據輸出亮度信號的高階統計量確定Gamma特性參數的方法 由31出發，用微分形式表示為32 d(e；p)fr(r)de＝fe(e)de(32) 其中de表示變量e的微分。因為r＝g(e；p)，所以即33 dr＝d(e；p)de (33) 由於dr是變量r的微分，於是32就變成34 fr(r)dr＝fe(e)de (34) 以上32、33式用了微分的基本關係，目的是推出關係35，從而把輸入信號和輸出信號的高階統計量，Gamma參數三者之間的關係建立起來。
結合高階統計量，對於第q階矩，於是有35 為表述方便起見，引入一個輔助變量於是，經過一些數學處理，得到36 其中係數b(q)0，b(q)1，............，b(q)mq-1，b(q)mq滿足37所示遞推關係
或者等價地表示成38 對於i＝0，1，2，..............，M(q+1)(38) 其中函數min(M，i)表示取M、i中的最小值；Max(i-Mq，0)表示取i-Mq、0中的最大值。
顯然，對於q＝0，1，2，.........，b(q)0，b(q)1，............，b(q)Mq-1，b(q)Mq，完全由Gamma特性參數決定。
在q＝0，1的簡單情形下，可以通過觀察得到39和40 b(0)0＝1(39) b(1)0＝p0，b(1)1＝p1，............，b(1)M-1＝pM-1，b(1)M＝pM(40) 因此，按照這個初始條件39和40，就可以用遞推關係得到對於任意q的表達式。
所以經過數學分析，可以得到如下的一般形式 結合36可以得到數學模型42 其中mrq表示輸出亮度信號的第q階統計量，整數q＝0，1，2，3...；Mei表示輸入亮度信號的第i階統計量，整數i＝0，1，2，3...；pk1，pk2，......，pkq表示伽瑪特性函數的係數，其中整數k1，k2，....，kq為求和式中的啞元(dummies)；Mq是M和q的乘積。
等式左邊是輸出亮度信號的高階統計量，根據前述內容可以計算出來，因此是已知量。
將42看成是一個含有未知數的方程，那麼其中的未知數是兩類 第一類是需要確定的Gamma特性參數； 第二類是輸入亮度信號的各個高階統計量。
因為輸入信號是不知道的，因此它們的高階統計量也是未知數。這個方程是高度非線性的，最外層的每個求和項都是關於未知數p1，p2，p3，...，pM的q次乘式，因此相當於一個q次代數方程。
前面已經分析過，對於輸入亮度信號的高階統計量，當階數大於某個正整數T-之後，可以認為後面個各個高階統計量都非常接近零，可以認為是零。那麼對於第二類未知數，只要考慮前0，1，2，...，T階即可，也就是說，共有T+1個第二類未知數需要求解。
第一類未知數有M個，於是共有未知數M+T+1個。因此，需要至少M+T+1個方程來形成聯立方程組從而求得唯一解。因為有實際物理意義，方程組一定有解。
於是對於公式42，令q＝1，2，3，4，...，M+T+1，從而得到需要的M+T+1個方程。按照代數理論，當代數方程的次數高於5次，就不一定存在解析解，即不能獲得解的表達式。在這種情況下，必須藉助數值分析技術中的非線性方程組的數值解法來求得一個解。
總之，在建立了方程組之後，利用現有技術可以獲得方程組的解。
式36是基本的方程形式，但是不方便應用，因為存在中間變量b(q)k。該組中間變量通過遞推關係37依賴於Gamma特性參數。因此，實際上，按照式37一步步往回推演，可以得到關於Gamma特性參數的一組方程。也就是得到式41，把中間變量b(q)k全部用Gamma參數表示出來。因此，最終得到式42，一個完全不含有中間變量的方程，通過式37-41的推理，從基本方程形式36中消去了中間變量，得到了一個只包含於Gamma特性參數和輸入信號0-Mq階高階統計量作為未知數的方程組。
利用上述原理，本發明為解決現有技術存在的問題，基於輸出視頻信號的亮度信號的亮度直方圖，提出一種單Gamma環節或多個級聯的Gamma環節對應的等效環節的Gamma特性參數獲取方法，在不具備任何對應的輸入視頻信號相關知識的情況下，根據輸出亮度信號測量視頻信號經過的單個Gamma環節或者多個Gamma環節的級聯組合對應的Gamma特性參數，本發明將這種獲取方法稱為全盲Gamma特性參數獲取方法。
如圖7所示，本發明第一種Gamma環節的Gamma特性參數獲取方法包括如下步驟 步驟S101、獲取Gamma環節輸出亮度信號的亮度直方圖； 本技術領域的技術人員可以通過多種現有技術方便獲取Gamma環節輸出亮度信號的亮度直方圖，亮度直方圖可以用序列{hr(k)，k＝0，1，2...，N-1}表示，例如256級亮度信號直方圖如圖5所示，其中h(0)＝0、h(1)＝0....h(64)＝0.005、h(65)＝0.006.....h(96)＝0.01.....h(128)＝0.015.....h(190)＝0.006、h(191)＝0.005、h(192)＝0.001、h(193)＝0...h(255)＝0。
步驟S102、根據所述亮度直方圖確定所述輸出亮度信號的亮度分布概率密度函數； 通過公式14-17，利用步驟S101中獲得的亮度直方圖確定所述輸出亮度信號的亮度分布概率密度函數。
步驟S103、根據所述亮度分布概率密度函數計算所述輸出亮度信號的高階統計量； 通過公式18-20，可以根據前述步驟得到的亮度分布概率密度函數的多項表達式16，計算出輸出亮度信號的高階統計量。
步驟S104、根據兩個通過設定函數相關聯的變量的微分的數學關係，建立輸入信號和輸出信號的高階統計量、Gamma參數三者之間的數學模型，從而確定Gamma環節的Gamma特性參數。
如圖8所示，步驟S102具體包括如下步驟 S1021、獲得輸出亮度信號的亮度分布概率密度函數的亮度信號各離散採樣值對應的亮度分布概率密度函數值； 根據前述亮度直方圖與亮度分布概率密度函數值之間的近似關係(具體見公式3-13的推導)，在認為信號平穩的情況下，通過公式15，利用步驟S202中得到的亮度直方圖，可以獲得輸出亮度信號的亮度分布概率密度函數的各亮度信號值對應的亮度分布概率密度函數值。
S1022、利用具有一般性的多項式表達式16表示亮度分布概率密度函數； S1023、利用步驟S1021中獲得的各亮度信號值對應的亮度分布概率密度函數值，計算該表達式16中的係數。
可以通過現有數學方法進行計算，例如前面給出的最小二乘擬合方法，見公式17。
當然，最小二乘是最常用方法，但是不是唯一方法。在經典的計算數學方法中，還可以用多種插值方法。甚至可以用神經網絡來訓練來得到係數。
應該說明，本發明在描述中，為了描述方便採用了均勻間隔的N個離散採樣值，間隔為1/N。但是這個條件不是必需的，完全可以採用非均勻間隔的N個離散採樣值。離散採樣值對應的函數值，由直方圖直接得到。
如圖9所示，步驟S104具體包括如下步驟 S1041、用如下具有一般性的多項式函數表示Gamma環節的Gamma特性函數，即公式29所示 其中pi為需要確定的伽瑪特性參數，i＝1、2...M，M表示多項式的次數，x表示自變量，對應於輸入亮度信號的亮度； S1042、根據概率理論得出公式31，通過公式32-42的推導，建立輸入亮度信號的高階統計量、輸出亮度信號的高階統計量與Gamma特性函數多項式中各係數的如下數學模型，即42 其中mrq表示輸出亮度信號的第q階統計量，整數q＝0，1，2，3...；Mei表示輸入亮度信號的第i階統計量，整數i＝0，1，2，3...Mq；pk1，pk2，......，pkq表示伽瑪特性函數的係數，其中整數k1，k2，....，kq為求和式中的啞元；M表示伽瑪特性函數的次數； S1043、當分別令數學模型42中q＝1，2，3，4，....，M+T+1時，等式左邊為步驟S103中求出的輸出信號的高階統計量，由此可以組成M+T+1個方程； S1044、對該非線性方程組求解獲得29式中的各係數值。
如前所述，在計算精度要求不高的情況下，還可以直接通過亮度信號直方圖計算高階統計量，具體方法如圖10所示，為本發明提供的第二種Gamma環節的Gamma特性參數獲取方法，包括如下步驟 步驟S201、獲取Gamma環節輸出亮度信號的亮度直方圖； 步驟S202、根據所述亮度直方圖近似計算所述輸出亮度信號的高階統計量； 通過前述公式21-26近似計算。
步驟S203、根據所述輸出亮度信號的高階統計量確定Gamma環節的Gamma特性參數。
如果輸入亮度信號的統計特性是知道的，因此其亮度概率密度分布函數是已知的，從而其各個高階統計量都是已知的，不需要求解。
因此，只有Gamma特性參數p1，p2，p3，...，pM作為未知數需要求解。這樣，只需要M個方程就夠了。我們對於(42)，令q＝1，2，3，4，....，M，取M個方程形成聯立方程組，從而通過求解該方程組確定Gamma特性參數p1，p2，p3，...，pM。
本發明在不能對於輸入亮度信號進行直接測量的情況下，僅僅根據輸出亮度信號及其亮度分布概率密度函數和高階統計量來確定未知Gamma環節或者多個Gamma環節級聯組合的Gamma特性參數。
如圖11所示，為實現上述方法，本發明還提供一種伽瑪環節的伽瑪特性參數獲取裝置100，包括 第一模塊101，獲取伽瑪環節輸出亮度信號的亮度直方圖； 第二模塊102，根據所述亮度直方圖計算所述輸出亮度信號的高階統計量； 第三模塊103，根據所述輸出亮度信號的高階統計量確定伽瑪環節的伽瑪特性參數。
如圖12所示，為實現第一種較為精確的獲取方法，所述第二模塊102具體包括 函數確定子模塊1021，根據所述亮度直方圖確定所述輸出亮度信號的亮度分布概率密度函數； 高階統計量確定子模塊1022，根據所述亮度分布概率密度函數確定所述輸出亮度信號的高階統計量。
如圖13所示，如果不知道輸入亮度信號的任何特性，所述第三模塊具體103的一種具體結構包括 第一數學模型生成子模塊10311，用如下多項式函數表示伽瑪環節的伽瑪特性函數，則其中pi為需要確定的伽瑪特性參數 其中pi為需要確定的伽瑪特性參數，i＝1、2...M，M表示多項式的次數，x表示自變量，對應於輸入亮度信號的亮度； 根據輸入亮度信號的高階統計量mie、輸出亮度信號的高階統計量mrq與伽瑪特性函數多項式中各係數的內在數學關係，生成如下數學模型 其中mrq表示輸出亮度信號的第q階統計量，整數q＝0，1，2，3...；Mei表示輸入亮度信號的第i階統計量，整數i＝0，1，2，3...Mq；pk1，pk2，......，pkq表示伽瑪特性函數的係數，其中整數k1，k2，....，kq為求和式中的啞元；M表示伽瑪特性函數的次數； 第一方程組生成子模塊10312，分別令所述數學模型中q＝1，2，3，4，....，M+T+1後，生成M+T+1個方程； 第一計算子模塊10313，求解M+T+1個方程組成的非線性方程組的解，獲得各伽瑪特性參數值。
如圖14所示，如果可以根據輸入亮度信號的特性獲知輸入亮度信號的高階統計量mie，則所述第三模塊103的另一種具體結構包括 第二獲取子模塊10321，獲取輸入亮度信號的各高階統計量mie； 第二生成子模塊10322，用如下多項式函數表示伽瑪環節的伽瑪特性函數，則其中pi為需要確定的伽瑪特性參數 其中pi為需要確定的伽瑪特性參數，i＝1、2...M，M表示多項式的次數，x表示自變量，對應於輸入亮度信號的亮度； 根據輸入亮度信號的高階統計量mie、輸出亮度信號的高階統計量mrq與伽瑪特性函數多項式中各係數的內在數學關係，生成如下數學模型 其中mrq表示輸出亮度信號的第q階統計量，整數q＝0，1，2，3...；Mei表示輸入亮度信號的第i階統計量，整數i＝0，1，2，3...Mq；pk1，pk2，......，pkq表示伽瑪特性函數的係數，其中整數k1，k2，....，kq為求和式中的啞元；M表示伽瑪特性函數的次數； 第二方程組生成子模塊10323，分別連接所述第二獲取子模塊和第二數學模型生成子模塊，將輸入亮度信號的各高階統計量mie帶入所述數學模型，並相應令q＝1，2，3，4，....，M後，形成M個方程； 第二計算子模塊10324，求解所述生成子模塊生成的M個方程組成的非線性方程組的解，獲得各伽瑪特性參數值。
如圖15所示，圖12中的函數確定子模塊1021的一種具體結構包括 第一單元10211，根據輸出亮度信號的亮度直方圖得到設定亮度信號對應的近似亮度分布概率密度函數值； 第二單元10212，對所述設定亮度信號對應的近似亮度分布概率密度函數值進行插值和數據擬合處理獲得近似的亮度分布概率密度函數。
本發明提供的上述技術方案可以在任何一個視頻終端中實現，視頻終端中包括硬體形式的實體(當然其中運行的程序屬於軟體)，也可以包括軟體處理環節(運行於計算機上的程序，當然需要結合部分硬體外部設備比如攝像頭等)。對於硬體形式的終端，其核心是各種集成電路。外圍電路主要負責視頻信號的前後處理。
對於本發明方案，可以將圖11所示的裝置結構作為視頻終端的外圍電路，先行根據輸入的亮度信號獲取Gamma參數，然後將Gamma參數輸入給具體負責Gamma校正的部分電路，現有技術中有很多方法實現Gamma校正的部分電路，都可以基於本發明獲得的Gamma函數參數實現校正。
圖11所示的裝置利用現有商用的硬體集成電路晶片來實現，其中的部分計算環節，同樣可以使用硬體集成電路實現，例如 對於高階統計量的計算，主要需要用到積分計算，對於計算積分，積分器(integrator)是非常常用的典型集成電路之一，因此對於計算高階統計量，有大量商用集成電路晶片可以選擇。積分器晶片在使用的時候，需要制定被積分函數的形式，因此，在本發明中，需要通過晶片電路的配置功能指定被積分函數形式和具體參數； 對於直方圖的計算，也可以藉助商用集成電路實現。因為直方圖計算是基本的圖像處理功能之一，很多視頻通信的外圍電路，都提供這樣的功能。尤其在數位相機行業，存在進行多功能處理的晶片，包括直方圖統計、均衡、圖像增強和運動模糊處理等。在本發明中，可以藉助這些電路來進行直方圖的計算。
顯然，本領域的技術人員可以對本發明進行各種改動和變型而不脫離本發明的精神和範圍。這樣，倘若本發明的這些修改和變型屬於本發明權利要求及其等同技術的範圍之內，則本發明也意圖包含這些改動和變型在內。
權利要求
1.一種伽瑪環節的伽瑪特性參數獲取方法，其特徵在於，包括如下步驟
獲取伽瑪環節輸出亮度信號的亮度直方根據所述亮度直方圖計算所述輸出亮度信號的高階統計量；
根據所述輸出亮度信號的高階統計量確定伽瑪環節的伽瑪特性參數。
2.如權利要求1所述的方法，其特徵在於，先根據所述亮度直方圖確定所述輸出亮度信號的亮度分布概率密度函數，再根據所述亮度分布概率密度函數計算所述輸出亮度信號的高階統計量。
3.如權利要求1或2所述的方法，其特徵在於，所述的根據所述輸出亮度信號的高階統計量確定伽瑪環節的伽瑪特性參數的方法具體包括如下步驟
用如下多項式函數表示伽瑪環節的伽瑪特性函數
其中pi為需要確定的伽瑪特性參數，i＝1、2...M，M表示多項式的次數，x表示自變量，對應於輸入亮度信號的亮度；
根據伽瑪環節的輸入亮度信號的亮度分布概率密度函數fe(x)、輸出亮度信號的亮度分布概率密度函數fr(x)以及伽瑪特性函數y＝g(x；p)，e∈
三者之間的如下關係式
d(e；p)fr(r)＝fe(e)，r＝g(e；p)，e∈
；
其中e表示輸入亮度信號的亮度，r表示輸出亮度信號的亮度，d(e；p)表示伽瑪特性函數g(e；p)關於自變量e的一階導函數；
得到輸入亮度信號的高階統計量mei、輸出亮度信號的高階統計量mrq與伽瑪特性函數各係數的如下數學模型
其中mrq表示輸出亮度信號的第q階統計量，整數q＝0，1，2，3...；Mei表示輸入亮度信號的第i階統計量，整數i＝0，1，2，3...Mq；pk1，pk2，......，pkq表示伽瑪特性函數的係數，其中整數k1，k2，....，kq為求和式中的啞元；M表示伽瑪特性函數的次數；
利用所述數學模型獲得各伽瑪特性參數值。
4.如權利要求3所述的方法，其特徵在於所述利用所述數學模型獲得各伽瑪特性參數值的方法為
分別令所述數學模型中q＝1，2，3，4，....，M+T+1後，形成M+T+1個方程，從而建立一個含有M+T+1個聯立方程的非線性方程組，然後通過求解該非線性方程組，獲得各伽瑪特性參數值。
5.如權利要求3所述的方法，其特徵在於如果可以獲取輸入亮度信號的各高階統計量me，則所述利用所述數學模型獲得各伽瑪特性參數值的方法為
將輸入亮度信號的各高階統計量mei帶入所述數學模型，並相應令q＝1，2，3，4，....，M後，形成M個方程，從而建立一個含有M個聯立方程的非線性方程組，然後通過求解該非線性方程組，獲得各伽瑪特性參數值。
6.如權利要求2所述的方法，其特徵在於，所述的根據所述亮度直方圖確定所述輸出亮度信號的亮度分布概率密度函數的方法包括如下步驟
根據輸出亮度信號的亮度直方圖得到設定亮度信號對應的亮度分布概率密度函數的近似值；
對所述設定亮度信號對應的亮度分布概率密度函數的近似值進行插值和數據擬合處理獲得近似的亮度分布概率密度函數。
7.如權利要求6所述的方法，其特徵在於，所述的插值和數據擬合處理方法為最小二乘擬合法。
8.如權利要求2或6所述的方法，其特徵在於，利用下述公式，根據所述亮度分布概率密度函數確定所述輸出亮度信號高階統計量
其中msp表示信號s的第p階高階統計量，fs(s)表示亮度信號s的分布概率密度函數，p為階數。
9.如權利要求1所述的方法，其特徵在於，利用如下公式，近似根據所述亮度直方圖確定所述輸出亮度信號的高階統計量
其中N表示直方圖的柱數，p為階數，s為亮度信號值，hs(k)為亮度信號直方圖。
10.如權利要求1所述的方法，其特徵在於，所述伽瑪環節為單伽瑪環節或者多個單伽瑪環節級聯後的等效伽瑪環節。
11.一種伽瑪環節的伽瑪特性參數獲取裝置，包括
第一模塊，獲取伽瑪環節輸出亮度信號的亮度直方第二模塊，根據所述亮度直方圖計算所述輸出亮度信號的高階統計量；
第三模塊，根據所述輸出亮度信號的高階統計量確定伽瑪環節的伽瑪特性參數。
12.如權利要求11所述的裝置，其特徵在於，所述第二模塊具體包括
函數確定子模塊，根據所述亮度直方圖確定所述輸出亮度信號的亮度分布概率密度函數；
高階統計量計算子模塊，根據所述亮度分布概率密度函數確定所述輸出亮度信號的高階統計量。
13.如權利要求11或12所述的裝置，其特徵在於，所述第三模塊具體包括
第一數學模型生成子模塊，用如下多項式函數表示伽瑪環節的伽瑪特性函數，則其中pi為需要確定的伽瑪特性參數
其中pi為需要確定的伽瑪特性參數，i＝1、2...M，M表示多項式的次數，x表示自變量，對應於輸入亮度信號的亮度；
根據輸入亮度信號的高階統計量mie、輸出亮度信號的高階統計量mrq與伽瑪特性函數多項式中各係數的內在數學關係，生成如下數學模型
其中mrq表示輸出亮度信號的第q階統計量，整數q＝0，1，2，3...；Mei表示輸入亮度信號的第i階統計量，整數i＝0，1，2，3...Mq；pk1，pk2，......，pkq表示伽瑪特性函數的係數，其中整數k1，k2，....，kq為求和式中的啞元；M表示伽瑪特性函數的次數；
第一方程組生成子模塊，分別令所述數學模型中q＝1，2，3，4，....，M+T+1後，生成M+T+1個方程；
第一計算子模塊，求解所述M+T+1個方程組成的非線性方程組的解，獲得各伽瑪特性參數值。
14.如權利要求11或12所述的方法，其特徵在於，如果可以獲取輸入亮度信號的各高階統計量，則所述第三模塊具體包括
第二獲取子模塊，獲取輸入亮度信號的各高階統計量mie；
第二數學模型生成子模塊，用如下多項式函數表示伽瑪環節的伽瑪特性函數，則其中pi為需要確定的伽瑪特性參數
其中pi為需要確定的伽瑪特性參數，i＝1、2...M，M表示多項式的次數，x表示自變量，對應於輸入亮度信號的亮度；
根據輸入亮度信號的高階統計量mie、輸出亮度信號的高階統計量mrq與伽瑪特性函數多項式中各係數的內在數學關係，生成如下數學模型
其中mrq表示輸出亮度信號的第q階統計量，整數q＝0，1，2，3...；Mei表示輸入亮度信號的第i階統計量，整數i＝0，1，2，3...Mq；pk1，pk2，......，pkq表示伽瑪特性函數的係數，其中整數k1，k2，....，kq為求和式中的啞元；M表示伽瑪特性函數的次數；
第二方程組生成子模塊，分別連接所述第二獲取子模塊和第二數學模型生成子模塊，將輸入亮度信號的各高階統計量mie帶入所述數學模型，並相應令q＝1，2，3，4，....，M後，形成M個方程；
第二計算子模塊，求解所述M個方程組成的非線性方程組的解，獲得各伽瑪特性參數值。
15.如權利要求12所述的裝置，其特徵在於，所述函數確定子模塊具體包括
第一單元，根據輸出亮度信號的亮度直方圖得到設定亮度信號對應的近似亮度分布概率密度函數值；
第二單元，對所述設定亮度信號對應的近似亮度分布概率密度函數值進行插值和數據擬合處理獲得近似的亮度分布概率密度函數。
全文摘要
本發明涉及視頻通信技術，提供一種伽瑪環節伽瑪特性參數的獲取方法及裝置，以解決現有技術中無法僅根據伽瑪環節的輸出亮度信號確定該環節伽瑪特性參數的問題。本發明技術方案利用了單個給定Gamma環節或者多個給定Gamma環節的級聯組合的輸入亮度信號和輸出亮度信號各自的高階統計量之間的內在數量關係，從而根據伽瑪環節的輸出亮度信號確定該環節伽瑪特性參數，使得Gamma校正的應用範圍能夠大大拓寬，特別能夠針對IPTV，數據會議，廣泛使用低端視頻輸入設備的公眾視頻通信提供好的Gamma校正功能，大大提高用戶體驗和服務質量，進一步提升這些業務的市場競爭力，為電信運營商、服務提供商和設備廠商帶來巨大的經濟效益。
文檔編號H04N9/69GK101132537SQ20061010991
公開日2008年2月27日 申請日期2006年8月22日 優先權日2006年8月22日
發明者忠 羅 申請人:華為技術有限公司