CN119417725A Xr沉浸式led显示屏的边缘融合方法及系统 （深圳市美亚迪光电有限公司）

道塘头社区塘头南岗第三工业园9栋本发明涉及一种XR沉浸式LED显示屏的边缘的图像数据进行特征提取，得到RGB三通道空间域特征矩阵和频域边缘特征矩阵；进行特征处得到多尺度细节特征图；对XR沉浸式LED显示屏和亮度过渡函数；通过PID控制器对显示帧率进2对XR沉浸式LED显示屏的图像数据进行空间域特征提取和频域特征提取基于所述空间域特征矩阵和所述频域边缘特征矩阵，采用多尺度将所述多核上下文特征图输入位置编码模块和亮度编码模块进行编码处理，得到位通过特征金字塔结构对所述位置一亮度综合编码特征矩阵进行多尺度根据所述多尺度细节特征图中的亮度分布和梯度信息，并采用基于所述边缘拓扑结构图和所述亮度过渡函数，通过PID控制器对显示帧率进行动态2.根据权利要求1所述的XR沉浸式LED显示屏对XR沉浸式LED显示屏的图像数据进行RGB三通道分离，得到R通对所述R通道特征矩阵、所述G通道特征矩阵和所述B通道特征矩阵进行亮度计算和对将所述空间域亮度特征矩阵和所述空间域对比度特征矩阵进行特征组合，得到RGB三对所述图像数据进行快速傅里叶变换，得到频域基础特征数据，对所述第一组频域卷积特征、所述第二组频域卷积特征和所述第三组3.根据权利要求2所述的XR沉浸式LED显示屏的采用多尺度卷积核对所述空间域特征矩阵进行并行卷积处理对所述频域边缘特征矩阵进行全局平均池化和最大池化双路径处理，通过第一全连接层和ReLU激活函数对所述双路径全局上下文特征通过第二全连接层和Sigmoid激活函数对所述中间层特征向量进行处理，得到通道注3基于所述通道注意力权重矩阵对所述多尺度特征表示矩阵进行加将所述注意力增强特征矩阵与所述空间域特征矩阵进行逐元素相加的残差连接运算，得到融合特征矩阵，并通过批归一化层和Softmax激活函数对所述融合特征矩阵进行标准4.根据权利要求3所述的XR沉浸式LED显示屏的边缘融合方通过位置编码模块中的正余弦位置编码函数对所述多核上下文特征图进行坐标映射，将所述二维位置编码矩阵进行多头自注意力特征分解，得到位置注将所述多核上下文特征图输入亮度编码模块进行亮度分布计算，得到初始亮度特征，并将所述初始亮度特征输入3x3深度可分离卷积层进行局部特征处理，得到局部亮度特通过通道注意力机制对所述局部亮度特征进行权重分配，得到亮度注通过LayerNormalization和残差连接对所述特征融合矩阵进行特征标准化处理，得5.根据权利要求4所述的XR沉浸式LED显示对所述三层特征金字塔结构中的每一层特征进行空间维度特征提取，得到深度特征对所述初始分离特征组中1/4和1/8尺度的特征图进行双线性插值上采样至1/2尺度，对所述通道注意力权重向量和所述统一尺度特征组进行通道维度的将所述多尺度融合特征图上采样至原始尺寸，并与所述位6.根据权利要求5所述的XR沉浸式LED显示屏的边缘基于所述多尺度细节特征图进行亮度直方图统计，并通过区域滑动4通过横向和纵向Sobel算子对所述多尺度细节特征图进行梯度运算，并计算梯度幅值将所述边缘区域亮度特征向量和所述边缘梯度特征向量进行特征根据所述初始聚类结果计算每个聚类簇的中心点坐标、平均亮度对所述边缘拓扑结构图中相邻聚类簇的亮度均值进行非线性差值计算，7.根据权利要求6所述的XR沉浸式LED显示屏的对所述边缘区域的显示帧率进行采样分析，并根据所述亮度过渡函数计算目标帧率，得到帧率差值序列；将所述帧率差值序列输入比例系数为P、积分系数为I、微分系数为D根据所述边缘拓扑结构图构建平行处理通道，每个通道对应一个聚类显示按照所述亮度过渡函数对所述边缘区域中的每个显示点进行亮度差值补偿，将所述边缘区域的显示数据通过并行的亮度调整通道和色彩校正通道进行双路径处根据所述处理速度矩阵对所述边缘处理数据进行动态帧率匹配和缓特征提取模块，用于对XR沉浸式LED显示屏的图像数据进行空间域特征提取和频域特特征处理模块，用于基于所述空间域特征矩阵和所述频域边缘编码处理模块，用于将所述多核上下文特征图输入多尺度分解模块，用于通过特征金字塔结构对所述像素聚类模块，用于根据所述多尺度细节特5适应聚类算法对所述XR沉浸式LED显示屏的边缘区域进行像素聚类，得到边缘拓扑结构图被处理器执行时实现权利要求1至7中任一项所述的6[0002]多个LED显示屏的无缝拼接和边缘融合是保证显示效果的关键技术环节。传统的[0004]本发明的主要目的为提供一种XR沉浸式LED显示屏的边缘融合方法及系统，本发基于所述边缘拓扑结构图和所述亮度过渡函数，通过PID控制器对显示帧率进行特征提取模块，用于对XR沉浸式LED显示屏的图像数据进行空间域特征提取和频7用自适应聚类算法对所述XR沉浸式LED显示屏的边缘区域进行像素聚类，得到边缘拓扑结8够分别反映图像中不同色彩通道的亮度和色调变化。对RGB三通道特征矩阵进行亮度和对第二卷积层使用5x5的卷积核，第三卷积层则使用7x7的卷积核。不同大小的卷积核能够的卷积核捕捉图像中的局部细节特征，不同大小的卷积核分别处理细节信息的不同层次，连接层和ReLU激活函数对双路径全局上下文特征向量进行处理，得到中间层特征向量。活函数则帮助调整特征图的响应强度，使得图像的各个部分能够在融合时获得合理的权9图像中的亮度变化信息。将初始亮度特征输入3x3深度可分离卷积层中进行局部特征处过交互作用提取出更具表现力的特征。通过LayerNormalization和残差连接对得到的特性插值是一种上采样方法，通过线性插值的方式将低分辨率的特征图恢复至较高的分辨对多尺度细节特征图分别采用横向和纵向的Sobel算子进行梯度运算，计算出每个像素点权无向图，并通过Kruskal最小生成树算法进行边缘连接计算，得到边缘拓扑结构图。Kruskal算法是一种最小生成树算法，能够在加权无向图中找到连接所有节点的最小生成从而确保各个通道之间的同步性和显示效果的一致性。在控制帧率和处理速度的基础上，[0020]在一个示例中，对XR沉浸式LED显示屏的图像数据进行空间域特征提取和频域特将空间域亮度特征矩阵和空间域对比度特征矩阵进行特征组合，得到RGB三通道;;;;到三个卷积层中进行卷积运算。第一个卷积层的卷积核大小为3x3，其卷积操作表示;类似地，第二个卷积层使用大小为5x提取最具代表性的频域特征。设特征降维操作为函数frearce，则降维后的频域特征表示;;通过第二全连接层和Sigmoid激活函数对中间层特征向量进行处理，得到通道注;F;;;;;其中，Aensnei为通道注意力权重矩阵，和brca分别为第二全连接层的权重F;;;;其中，Wc和o:分别为通道c的均值和方差，为防止分母为零的一个小常数，fnin为批归一化后的特征矩阵。通过Softmax激活函数对归一化后的融合特征矩阵进行通过位置编码模块中的正余弦位置编码函数对多核上下文特征图进行坐标映射，将多核上下文特征图输入亮度编码模块进行亮度分布计算，得到初始亮度特征，通过LayerNormalization和残差连接对特征融合矩阵进行特征标准化处理，得;和PE(y,2r1)表示位置y处的正余弦编码。通过这种方式，对二维平面中的每个位算注意力权重并进行特征组合，捕捉到不同位置之间的关系。假设将二维位置编码矩阵;;;个3×3深度可分离卷积层中进行局部特征处理。深度可分离卷积是一种高效的卷积方式，;亮度特征进行全局池化，得到每个通道的统计特征gERC，然后通过两个全连接层和;;;定性和表达能力，对特征融合矩阵进行LayerNormalization和残差连接。Layer;其中，lc和o:分别为通道c的均值和方差，E为一个小常数，用于防止除零。LayerNormalization使得每个通道内的特征具有相同的尺度，从而提高模型的训练稳定性和泛化能力。通过将标准化后的特征与原始输入的多核上下文特征图进;对三层特征金字塔结构中的每一层特征进行空间维度特征提取，得到深度特征对初始分离特征组中1/4和1/8尺度的特征图进行双线性插值上采样至1/2尺度，;;;;;;同来源的特征在通道维度上拼接，以保留来自不同尺度的信息，而特征降维则通过一个;[·,·];聚类算法对XR沉浸式LED显示屏的边缘区域进行像素聚类，得到边缘拓扑结构图和亮度过通过横向和纵向Sobel算子对多尺度细节特征图进行梯度运算，并计算梯度幅值;;其中，*表示卷积操作，G,(xy)和GY(xy)分别为像素(x,y)处的横向和纵向梯度;边缘梯度特征向量进行特征级联，以得到一个更全面的特征表示，即边缘综合特征矩阵;;;;;;;其中，Lmin和分别为亮度过渡函数的最小值和最大值。通过这种归一化处将边缘区域的显示数据通过并行的亮度调整通道和色彩校正通道进行双路径处亮度的平滑过渡和边缘融合的连贯性。帧率差值序列Af(t)通过实际帧率与目标帧率之;;;;;调整通道对显示点的亮度进行精细化的调整，而色彩校正通道则通过调整RGB通道的比例;;;编码处理模块3，用于将多核上下