DE19805493A1 - Anordnung und Verfahren zur Unterdrückung von Zeilenflimmern auf Anzeigen mit zeitlich zeilenversetzter Teilbildanzeige - Google Patents

Description

Mit der Erfindung wird ein neues Filter und Filterverfahren beschrieben, mit dem Zeilenflimmern auf Anzeigen, bei denen Teilbilder zeitlich zeilenversetzt angezeigt werden, vermin­ dert werden kann. Insbesondere handelt es sich bei solchen Anzeigen um Kathodenstrahlröhren, die im Interlaced-Modus ar­ beiten.

Um Internetanwendungen, wie Electronic Commerce und Electro­ nic Mail in den Heimbereich zu bringen, besteht das Bedürf­ nis, kostengünstige Einrichtungen zu schaffen, um eine mög­ lichst große Verbreitung dieser Netzanwendungen zu erreichen. Um eine kostengünstige Darstellung von PC-Grafiken und Texten zu ermöglichen, bietet es sich also an, an einen heimischen Fernseher ein Zusatzgerät anzuschließen, das den Internetan­ schluß ermöglicht und die PC-Funktionalität für die Kommuni­ kation mit dem World-Wide-Web übernimmt, während der Fernse­ her die aus dem Netz gewünschten Bilder und Texte zur Anzeige bringt. Bei heimischen Fernsehgeräten besteht jedoch das Pro­ blem, daß diese mit Teilbild- bzw. Interlaced-Darstellung ar­ beiten und daß bei Anzeige von PC-Grafik und Texten ein stö­ rendes Zeilenflimmern auftritt.

Heute werden Internetinhalte auf Basis des PC-VGA-Standards dargestellt und zur Darstellung auf einem Standard 50 Hz In­ terlaced-Fernsehgerät müssen neben einer Timinganpassung auch Maßnahmen zur Verbesserung des dargestellten Bildes ergriffen werden. Dabei spielt die Unterdrückung des Zeilenflimmerns, das durch die Darstellung von Bildern und Texten im Inter­ laced-Modus hervorgerufen wird, eine große Rolle. Dieses Zei­ lenflimmern erweist sich besonders bei Strukturen als stö­ rend, deren Elemente nur eine Zeile breit sind, wie dies für Linien und Buchstabenelemente zutrifft. Die Frage nach einer Filterung derartiger Strukturen zur optimalen Wiedergabe im Interlaced-Mode ist derzeit nicht allgemein geklärt. Experi­ mente haben gezeigt, daß die Wahrnehmungen von Flimmern und Ausdehnung von Linien nicht nur vom Kontrast und deren verti­ kalen Dicke abhängt, sondern darüber hinaus auch von der ho­ rizontalen Struktur, sowie von der Wahl von Hinter- und Vor­ dergrund und Farbe.

Um dieses Flimmerproblem zu lösen, haben verschiedene Gra­ fikcontrollerhersteller unterschiedliche aber nicht zufrie­ denstellende Maßnahmen zur Lösung ergriffen. Beispielsweise werden hierzu vertikale Tiefpaßfilter eingesetzt, die typi­ scherweise einen Einzugsbereich von 2 bis 5 dargestellten Zeilen haben. Die dadurch erreichte Flimmerreduktion geht je­ doch stark auf Kosten der Bildschärfe, was bei kleinformati­ ger Darstellung bestimmter Buchstaben, wie beispielsweise beim "e" zu einer nicht akzeptablen Wiedergabe führt.

Derzeit ist im Stand der Technik lediglich ein Ansatz be­ kannt, der zur Vermeidung von Zeilenflimmern neben dem verti­ kalen Kontrast auch den Einfluß der Struktur in horizontaler Richtung berücksichtigt [3]. Bei diesem Ansatz werden als entscheidende Elemente für den Flimmer- und Schärfeneindruck vertikal hochfrequente Anteile bei horizontalen Niederfre­ quenzanteilen (VH/HL) identifiziert. Abhängig vom vertikal hochfrequenten horizontal hochfrequenten Anteil (VH/HH) wird die Komponente VH/HL begrenzt. Die dort beschriebene nichtli­ neare Filterstruktur ist jedoch hinsichtlich der erzielbaren Wiedergabequalität weiter verbesserbar, indem weitere Ein­ flußgrößen der Flimmerwahrnehmung bei der Auslegung des Fil­ ters berücksichtigt werden.

Die der Erfindung zugrundeliegende Aufgabe besteht darin, ein Filter und ein Filterverfahren anzugeben, mit welchem die Bildqualität von zeitlich zeilenversetzt dargestellten Teil­ bildern einer Anzeigevorrichtung verbessert werden kann, in­ dem insbesondere das bei diesem Darstellungsverfahren auftre­ tende Zeilenflimmern besser unterdrückt wird.

Diese Aufgabe wird gem. den Merkmalen des Patentanspruches 1 für die Anordnung und gem. den Merkmalen des Patentanspruches 7 für das Verfahren gelöst. Weiterbildungen der Erfindung er­ geben sich aus den abhängigen Ansprüchen.

Vorteilhaft wird bei der vorgeschlagenen Anordnung ein neuro­ nales Netz als Filter eingesetzt, das die Umgebung eines dar­ zustellenden Bildpunktes bei der Berechnung seines Bildantei­ les miteinbezieht. Vorteilhaft wurde dieses neuronale Netz als neuronaler Filter zuvor mit Halbbildern und einer spezi­ ellen Bewertungsfunktion, die die Flimmerwirkung und die phy­ siologische Auflösung der Retina berücksichtigt, trainiert.

Vorteilhaft werden bei einer Weiterbildung der vorgeschlage­ nen Anordnung mehrere neuronale Filter eingesetzt, um die verschiedenen Signalanteile des Bildsignales separat zu be­ handeln, da damit eine weitere Bildverbesserung erzielbar ist.

Vorteilhaft werden bei einer Weiterbildung der vorgeschlage­ nen Anordnung wenigstens die Helligkeits- oder die Farbantei­ le der Bilderzeugungssignale oder auch beide neuronal gefil­ tert, um die Effizienz, sowie die Bildqualität entscheidend zu steigern.

Vorteilhaft kommt das vorgeschlagene neuronale Filter in ei­ ner Bildanzeigevorrichtung zur Anwendung, welche zeitlich zeilenversetzte Bilder anzeigt, wobei die Bilderzeugungs­ signale dieser Bildanzeigevorrichtung zunächst das neuronale Filter durchlaufen und dann die Bildanzeigevorrichtung an­ steuern. Auf diese Weise wird eine kommerziell verwertbare Vorrichtung bereitgestellt, bei der mit geringem technischem Aufwand eine verbesserte Bilddarstellung von PC-Texten und Graphiken möglich ist.

Besonders vorteilhaft ist diese Bildanzeigevorrichtung als Kathodenstrahlröhre ausgebildet, da solche Röhren weit ver­ breitet in Fernsehgeräten eingesetzt werden und hinsichtlich der zeitlich zeilenversetzten Darstellung, sowie je nach Leuchteigenschaften der eingesetzten Leuchtstoffe zahlreiche Untersuchungsergebnisse vorliegen, so daß ein neuronales Fil­ ter mit vielfältigen Daten hinsichtlich dieser Bildschirmei­ genschaften bzw. Flimmereigenschaften, sowie der Rezeption der Retina versorgt werden kann.

Vorteilhaft ist eine Trainingsanordnung für ein solches neu­ ronales Filter, bei der ein vom neuronalen Filter zu filtern­ des Bild, zunächst in Halbbilder zerlegt und anschließend von einem physiologischen Filter, daß als Raumzeitfilter ausge­ führt ist und sowohl das Retinamodell, als auch die Flimmer­ wahrnehmung beinhaltet, gefiltert wird. Mit dem so erhaltenen gefilterten Originalbild und den gefilterten Teilbildern, kann die Darstellung und Wahrnehmung am Bildschirm simuliert werden und nachdem dasselbe Bild das neuronale Netz zum Trai­ ning durchlaufen hat, kann mit Hilfe dieser Bilder, die den Raumzeitfilter durchlaufen haben und deren Ähnlichkeiten un­ tereinander der Fehler bestimmt werden und dem neuronalen Netz rückgeführt werden, daß damit seine Verbindungsgewichte nachjustiert. Auf diese Weise kann durch Hinzuziehung geeig­ neter Muster, wie kleiner Buchstaben, Kurven und paralleler Linien ein Filter mit guten Filtereigenschaften hinsichtlich der geforderten Aufgabe geeignet trainiert werden.

Vorteilhaft ist mit dieser vorgeschlagenen Trainingsanordnung ein Verfahren ausführbar, mit welchem das neuronale Filter trainiert werden kann, indem ein iterativer Prozeß stattfin­ det, bei dem vom neuronalen Netz ausgegebene Bilder sukzessi­ ve wieder in Halbbilder zerlegt werden und dem Raumzeitfilter zugeführt werden, woraus erneut der Fehler des neuronalen Netzes bestimmt und bewertet wird und durch ein Rückführung zu einer Nachjustierung von dessen Gewichten führt. Ein ge­ eignetes Abbruchkriterium für dieses Trainingsverfahren kann die Unterschreitung einer bestimmten Schwelle der Bewertungs­ funktion für die Bildverbesserung sein.

Vorteilhaft ist auch ein Herstellverfahren zur Herstellung von Bildinhalten, die auf einer Anzeige mit zeitlich zeilen­ versetzter Darstellungsweise angezeigt werden sollen reali­ sierbar, indem originale Bildinhalte das neuronale Filter durchlaufen und dann in einer Speichereinheit bereitgehalten werden, um wiederholt auf der Anzeigevorrichtung zur Anzeige gebracht zu werden. Insbesondere sind durch dieses Herstell­ verfahren Schrifttypensätze für diese Anzeigevorrichtungen herstellbar.

Im Folgenden werden Ausführungsbeispiele der Erfindung anhand von Figuren weiter erläutert.

Es zeigen

Fig. 1 eine schematische Darstellung einer Trainingsan­ ordnung für ein neuronales Filter;

Fig. 2 ein Trainingsmuster für das neuronale Netz;

Fig. 3 das Trainingsmuster nach Durchlaufen des Raumzeit­ filters;

Fig. 4 ein optimal gefiltertes Bild des Trainingsmusters nach Einstellung der Gewichte am neuronalen Netz;

Fig. 5 ein Beispiel für den räumlichen Dämpfungsverlauf des Raumzeitfilters.

Wie Fig. 1 zeigt, besteht eine Trainingsanordnung für ein neuronales Filter zur Unterdrückung von Zeilenflimmern bei zeitlich und zeilenversetzter Teilbilddarstellung aus einem neuronalen Netz NN einem Raumzeitfilter ZWF und einer Bewer­ tungsstufe BEW. Weiterhin sind in Fig. 1 ein Originalbild ORG und ein Abbild des Originalbildes nach neuronaler Filterung FORG dargestellt. Zusätzlich sind Abbilder des gefilterten Originalbildes nach Durchlaufen des Raumzeitfilters ZWF S A' und B' dargestellt. Ebenso finden sich Halbbilder A und B des gefilterten Originalbildes FORG, wie sie beispielsweise zur Anzeige bei zeitlich zeilenversetzter Darstellung auf einer Computeranzeige wie einer Kathodenstrahlröhre gebracht werden können, um das Bild FORG mittels Interlaced-Darstellung anzu­ zeigen. Weiterhin dargestellt ist ein räumlicher Filterlauf FF des Raumzeitfilters ZWF und ein Auswertefenster AF, mit dem das Originalbild ORG abgetastet wird. Dieses Auswertefen­ ster AF ist zweimal dargestellt, um zu veranschaulichen, wie die einzelnen Bilderzeugungssignale einzelner Bildpunkte des Originalbildes ORG sukzessive abgetastet werden können. Das Auswertefenster AF besteht beispielsweise aus einen Raster für Bildpunkte, hier beispielsweise 1 bis 5. Um einen gerin­ geren Aufwand bei der Auslegung des neuronalen Netzes betrei­ ben zu müssen, kann beispielsweise das Auswertefenster symme­ trisch ausgelegt sein, da so jeweils für eine Vielzahl von symmetrischen Bildpunkten lediglich ein Eingang mit der Summe der Intensitäten am NOR benötigt wird und wie hier angedeu­ tet, beispielsweise insgesamt nur 5 Eingänge am neuronalen Netz benötigt werden. Abgesehen davon ist es völlig unerheb­ lich, welche Form das Fenster aufweist, sofern beliebige Mög­ lichkeiten bei der Ausführung des neuronalen Netzes zur Ver­ fügung stehen und hinreichend kurze Rechenzeiten mit Hinblick auf die gewünschte Bildwiederholfrequenz erreicht werden kön­ nen. Bei der Dimensionierung des Fensters ist jedoch zu be­ achten, daß dies eine bezüglich der Zeilenanordnung des Bild­ schirms höhere Auflösung aufweist, was durch die Bildraster­ punkte 3 angedeutet wird. Damit wird es ermöglicht, daß das neuronale Netz eine detailliertere Information über den Hö­ henaufbau des Bildes, das anzuzeigen ist, erhält. Das neuro­ nale Netz NN weist vorgeschaltet eine Normierungseinheit NOR auf, welche die einzelnen Bilderzeugungssignale, die vom Aus­ wertefenster abgetastet wurden, normiert. Weiterhin sind am neuronalen Netz NN drei Schichten zu erkennen, eine Eingangs­ schicht S1, eine verborgene Schicht S2 und eine Ausgangs­ schicht S3. Die verborgene Schicht S2 weist vorzugsweise eine sigmoides Übertragungsverhalten auf, was beispielsweise durch die Anwendung einer Tangenshyperbolikusfunktion erreicht wer­ den kann. Zum Training des neuronalen Netzes werden ihm be­ liebige Originalbilder ORG angeboten, die für die später ge­ wünschten Filtereigenschaften charakterisierend sind. Dabei sind insbesondere Bilder auszuwählen, die verschiedene Kan­ tenformen, Buchstaben und Doppelkanten, sowie horizontale und vertikale Kurven aufweisen. Vorzugsweise können diese Bilder auch durch einen Zufallsgenerator erzeugt werden, wobei Er­ gebnisse bei Untersuchungen gezeigt haben, daß mit 100 sol­ chen Bildern ein gutes Trainingsergebnis des Filters erzielt wird. Durch das Verwenden eines Zufallsgenerators wird insbe­ sondere sichergestellt, daß eine gleichmäßige Grauwert- und Farbverteilung innerhalb der im Netz eingebundenen Musterbil­ der sichergestellt wird. Beispielsweise werden die Bilderzeu­ gungssignale, bzw. digitale und analoge Werte, die Signal­ stärken der Bilderzeugungssignale eines solchen Bildes ent­ sprechen, in einem Speicher abgelegt und mit Hilfe des Aus­ wertefensters AF abgetastet, wobei vorzugsweise so vorgegan­ gen wird, daß das Zentrum des Auswertefensters 1 sukzessive jeden Bildpunkt des Originalbildes ORG abtastet. In der Folge werden die in diesen Fenstern vorhandenen Bildsignalinforma­ tionen den Eingängen des neuronalen Netzes 1 bis 5 zugeführt woran dieses durch seine Filterung in den einzelnen Schichten S1 bis S3 einen Wert ausgibt, zur Veränderung der Signalstär­ ke des gefilterten Bildpunktes 1. In einer Summantionsstelle, bei der der Originalwert des Signals von 1 zugeführt wird und der vom Netz erzeugte Wert hinzuaddiert wird, ergibt sich daraus ein gefilterter Wert für die Signalstärke des Punktes 1, F1. Auf diese Weise wird jeder Bildpunkt des Originalbil­ des behandelt und anhand seiner Umgebungsinformation, welche durch das Auswertefenster AF vorgegeben ist durch das neuro­ nale Netz bewertet, was zu einem gefilterten Abbild des Ori­ ginalbildes FORG führt. Dieses gefilterte Originalbild FORG wird vorzugsweise aus den Informationen über die Bildsignal­ stärke der einzelnen Bildpunkte F1 zusammengesetzt. Bei­ spielsweise ist hierfür ein weiterer Bildspeicher vorgesehen, in den die durch das neuronale Netz NN erzeugte Signalinfor­ mationen F1 nach erfolgter Abtastung durch das Auswertefen­ ster AF und Filterung durch das neuronale Netz sukzessive eingeschrieben werden. Dieses gefilterte Originalbild FORG, wird dann in zwei Halbbilder, oder falls mehrere Teilbilder dargestellt werden auch in mehrere Teilbilder zerlegt, deren Aufbau durch die zeitlich zeilenversetzte Darstellung auf der Anzeigevorrichtung vorgegeben ist. In diesem Fall ist es durch Pfeile 10 und 20 angedeutet, wie das gefilterte Origi­ nal FORG in zwei Halbbilder A und B zerlegt wird. Werden die­ se beiden Halbbilder gedanklich übereinandergelegt, so erhält man daraus die Bildinformation des gefilterten Originalbil­ des. Weiterhin werden bei diesem Ausführungsbeispiel das Ori­ ginalbild ORG und die Halbbilder A und B dem Raumzeitfilter ZWF zugeführt, der auf die darin enthaltenen Halbbildsi­ gnalinformationen eine räumliche Filterfunktion FF und eine zeitliche Filterung anwendet. Die Zufuhr ist durch Pfeile 100, 110 und 120 angedeutet. Das Raumzeitfilter ZWF erzeugt daraus Abbilder S A' und B', die den Zustand simulieren, wie das Au­ ge diese Bilder wahrnimmt. Dieser Vorgang ist durch Pfeile 200, 210 und 220 dargestellt. Die näheren Zusammenhänge hier­ für werden später noch ausführlicher dargelegt. Aus den Ei­ genschaften der drei Bilder S A' und B' bzw. deren Ahnlich­ keiten untereinander und der Ahnlichkeit der einzelnen Halb­ bilder A' und B' zum durch das Raumzeitfilter umgesetzten Originalbild S, läßt sich eine Bewertung der Filtereigen­ schaften des neuronalen Netzes durchführen und ein Abbil­ dungsfehler berechnen. Hierzu werden einer Bewertungsstufe BEW die Bildsignalinformationen der Abbilder S A' und B' über Pfeile 300, 310 und 320 angedeutet zugeführt. Diese errechnet daraus unter Anwendung einer Bewertungsfunktion BEW den Feh­ ler des neuronalen Netzes NN, der diesem über eine Rückfüh­ rung 400 zugeführt wird, um die Gewichtsanpassung innerhalb des Netzes durchführen zu können. Hierzu werden Standardtrai­ ningsverfahren für neuronale Netze, wie beispielsweise Multi­ layerperceptrons mit Back-Propagation angewendet. Nachdem die Anpassung der Gewichte der einzelnen Neuronen im neuronalen Netz NN infolge des zurückgeführten Fehlers erfolgt ist, kann dem neuronalen Netz erneut ein Bildmuster ORG zugeführt wer­ den und der beschriebene Trainingsschritt wiederholt werden. Das Trainingsverfahren kann beispielsweise solange angewendet werden, bis die Gewichtsadaptionen im neuronalen Netz keine Verbesserung des gefilterten Bildes FORG mehr bewirken. Zur Kontrolle können beispielsweise Signalwertschwellen für die Bildinformation bzw. Gradienten für die Änderung der Gewichte an den Neuronen vorgegeben werden. Für den praktischen Be­ trieb wird dann lediglich das neuronale Netz NN als neurona­ les Filter in Verbindung mit Bilderzeugungssignalen einge­ setzt, wobei diese ebenfalls durch ein Auswertefenster AF ab­ getastet werden und mit Hilfe des neuronalen Netzes zu einer geänderten Bildsignalinformation F1 umgesetzt werden. Mit F1 kann dann direkt die Bildanzeigevorrichtung angesteuert wer­ den. Bei einer groben Bildrasterung, d. h. großen Bildpunkten kann mittels des Auswertefensters auch eine Überabtastung in Relation zum einzelnen Bildpunktabstand erfolgen, um dem neu­ ronalen Netz Bildinformationen zur Verfügung zu stellen, die eine Auflösung aufweisen, die der des menschlichen Auges nä­ herkommt. Bevorzugt wird durch die Anwendung des vorgeschla­ genen Verfahrens und seinem Einsatz in einem neuronalen Fil­ ter der Einfluß der menschlichen Wahrnehmung in Verbindung mit zeitlich und zeilenversetzter Teilbilddarstellung mittels eines analytischen Modells bei der Optimierung des Filters berücksichtigt, wodurch ein höherer subjektiver Qualitätsein­ druck des dargestellten Bildes entsteht. Insbesondere wird dabei auf die Verarbeitungskette PC-Grafik/Text-Interlaced-Dar­ stellung-Bildschirm/Wahrnehmung wertgelegt. Das neuronale Filter glättet dabei die Strukturen der PC-Grafik bzw. des Textes für die Interlaced-Darstellung an einem Ort im Bild abhängig von dem Inhalt einer Pixelumgebung dieser Stelle. Der Begriff Pixel wird dabei Synonym für den Begriff Bild­ punkt verwendet. Die Glättungseigenschaften des neuronalen Filters werden dabei durch die numerische Optimierung unter Verwendung der dargestellten Trainingsverfahren eingestellt.

Gemäß dem vorgeschlagenen Verfahren kommt dabei eine speziel­ le örtliche und zeitliche Filterung, als Modell für die Bild­ schirmwiedergabe und die niedrigen Stufen der visuellen Wahr­ nehmung zum Einsatz. Hierbei bearbeitet das Modell die auf einer Anzeige mit Interlaced-Darstellung zur Anzeige zu brin­ genden Halbbilder A und B zu modellgemäß von der Retina wahr­ genommenen Halbbildern A' und B'. Die Bewertungsfunktion zur Optimierung des neuronalen Filters setzt sich aus zwei Antei­ len zusammen, wobei einer ein Maß für die Ahnlichkeit der Bilder A' und B' mit dem Original S als Ausdruck für die Bildtreue angibt und der andere ein Maß für die Ähnlichkeit der Bilder A' und B' untereinander als Ausdruck der Flim­ merunterdrückung bewertet. Es wird also die Verarbeitungsket­ te PC-Grafik oder Text -Wiedergabe/Wahrnehmungsmodell - Soll­ bild durch das vorgeschlagene Verfahren zu einer Bearbei­ tungskette PC-Grafik-Text - neuronales Netz - TV/Inter­ laced-Bilder - Wiedergabe/Wahrnehmungsmodell - ist Bilder abgewan­ delt. Das neuronale Filter bzw. das neuronale Netz wird dabei auf Bilderzeugungsinformationen von beliebigen Originalbild­ ausschnitten angewandt. Während der Trainingsphase paßt es dazu seine Parameter gemäß gradientengestützten Optimierungs­ regeln und speziellen Algorithmen an [2]. Beim Training des neuronalen Netzes kommt es insbesondere auf eine geeignet große Anzahl und eine gleichmäßige Mischung von Beispielbild­ daten an und erst zweitrangig auf die spezielle Struktur des neuronalen Filters. Als neuronale Filterstruktur kommt hier das am weitesten verbreitete neuronale Netz, ein Multi­ layer-Perceptron (MLP) zum Einsatz, welches sich durch seine Struk­ turähnlichkeit zu einem digitalen, linearen Filter auszeich­ net. Durch das neuronale Filter wird beispielsweise der Lu­ minanzanteil des angezeigten Bildes gefiltert, indem eine Korrektur der Luninanzintensität an einer vorgegebenen Stelle des Originalbildes vorgenommen wird. Als Netzeingangsgrößen, wie für jedes lokale digitale Bildfilter dienen Abtastpunkte der Intensität aus einer zweidimensionalen Umgebung dieser Stelle, deren Form und Größe durch das Raster des Auswerte­ fensters vorgegeben ist. Zum Training werden mittels eines Zufallsgenerators künstliche Eingangsdaten erzeugt, in denen Grautöne gleich verteilt örtlich und zeitlich in dem Satz von Bildbeispielen auftreten.

Wie Fig. 2 zeigt, kann ein einzelnes Beispielbild in einem Buchstaben e bestehen. Wie Fig. 2 weiter zeigt, hat ein Bildpunkt BP eine ähnliche Dimension wie Elemente der Schrift, die von der Rasterung der Schrifttype (Courier 6-Punkte-Schrift) abhängt. Durch eine Überabtastung dieses Bil­ des mit einer Schrittweite, die einem viertel der Bildpunk­ tabmessungen BP entspricht und nach einer Verarbeitung durch das Raumzeitfilter ZWF entsteht das in Fig. 3 dargestellte Abbild dieses Buchstabens. Dieses Sollbild F entspricht der Simulation der Low-Level-Wahrnehmung für Interlaced-Bilder des menschlichen Auges. Es wird also durch Anwendung einer Ortsfilterung aus dem Original erzeugt. Zur Simulation der Ortsfiltereigenschaften einer Bildanzeigevorrichtung und der Retina wird bevorzugt ein radialsymmetrische FIR-Filter ein­ gesetzt. Der Dämpfungsverlauf eines solchen Filters ist bei­ spielsweise in Fig. 5 dargestellt, wobei in der unteren Ebe­ ne die Bildpunkte also die Flächeninformation aufgetragen ist und nach oben die Dämpfungsinformation des Filterverlaufes FS. Um eine realistische Simulation der Auflösung der visuel­ len Wahrnehmung des menschlichen Auges von in der Regel 1/100° zu erreichen, wird dabei das Bild im Vergleich zum Pi­ xelabstand überabgetastet. In Fig. 3 ist die vierfache Über­ abtastung dargestellt. Das Filter wird als Tiefpaßfilter mit einer Kosinusfensterfunktion entworfen. Dabei werden eine Grenzfrequenz von ν_g = 0,6/Zeile und eine Fensterbreite von W = 4 Zeilen angesetzt. In der Physiologie spricht man bei sol­ chen Filtern als "on-center/off-around" rezeptive Felder. Sie sind vielfach bei Untersuchungen der visuellen Wahrnehmung nachgewiesen worden [7]. Die für die Flimmerwahrnehmung aus­ schlaggebende zeitliche Filterung der Interlaced-Bilder, die durch das Nachleuchten der Bildschirmpixel und die Verarbei­ tung in der Retina bestimmt wird, wird vereinfachend wie ein diskretes IIR-Tiefpaßfilter mit der Grenzfrequenz 25 Hz simu­ liert.

Es wird nun durch numerische Optimierung des neuronalen Net­ zes NN gemäß Fig. 1 für den dargestellten Buchstaben und ei­ nige weitere, zufällig gewählte Bildausschnitte bzw. alle Bildausschnitte eine Korrektur des Originalbildes so gebil­ det, daß die durch das Modell wahrgenommenen Interlaced-Bilder A' und B' eine Bewertungsfunktion minimieren, die so­ wohl die Wiedergabetreue als auch die subjektive Flimmerwahr­ nehmung berücksichtigt. Hierzu kommt im Ausführungsbeispiel folgende Bewertungsfunktion zur Anwendung:

E = √(S-A')² + (S-B')² + α.(A'-B')²

Durch das optimierte Filter wird der Zusammenhang zwischen Schärfewahrnehmung bzw. Wiedergabetreue und Flimmerwahrneh­ mung weitestmöglich berücksichtigt. Der Faktor α dient hier­ bei zur Gewichtung der einzelnen Bewertungsanteile. Hier wur­ de α zu 3 gewählt. Im Bild 4 ist ein solcher optimierter Buchstabe dargestellt, der an eine Interlaced-Wiedergabe op­ timal angepaßt ist. Dabei ist zu beobachten, daß das Verhal­ ten des neuronalen Filters plausiblerweise grundsätzlich dem eines vertikalen Tiefpasses ähnlich ist, das Ergebnis im De­ tail jedoch durch komplexe Abhängigkeiten der lokalen Grautö­ ne von der Nachbarschaft der einzelnen Bildpunkte, insbeson­ dere auch von der horizontalen Nachbarschaft gekennzeichnet ist. Diese können nicht mit vertikaler Tiefpaßfilterung be­ schrieben werden. Insbesondere kann so durch Anwendung des vorgeschlagenen Verfahrens oder durch Anwendung einer vorge­ schlagenen Anordnung ein Schrifttypensatz erzeugt werden, der besonders für die Darstellung auf Bildschirmen mit zeitlich zeilenversetzter Anzeige geeignet ist. Der konkret gewählten Anzahl der Eingänge für das neuronale Netz liegt folgende Überlegung zugrunde: Die zur Filterung eines Bildpunktes re­ levante Bildpunktnachbarschaft, also hier horizontal 3 Pixel und vertikal 5 Pixel wurde mittels einiger Experimente zur direkten optimierten Darstellung einzelner Text- und Grafi­ kausschnitte festgelegt. Die Symmetrien, reduzieren dabei 11 verschiedene Eingänge auf 5 verschiedene Eingänge gemäß der Symmetrie des Problems.

Durch die gewählte Vorgehensweise können signifikante Verbes­ serungen bei der Interlaced-Darstellung von Computergrafiken und Texten erzielt werden. Selbstverständlich ist man bei der Anwendung der Erfindung nicht auf bestimmte Parameter festge­ legt, sondern kann diese hinsichtlich der Wahrnehmung bei­ spielsweise durch eine Testgruppe, die die dargestellten Bil­ der beurteilt weiter optimieren. Dabei ist insbesondere zu Berücksichtigen, daß hier die Struktur des eingesetzten Mo­ delles entsprechend aufwandsreduziert ist. Eine vollständige Ausführung setzt die detaillierte Berücksichtigung des Tief­ paß- und Hochpaßeigenschaften der Retina, wie beispielsweise aus der Literatur [7,1] bekannt und verfügbar voraus. Außer­ dem bestehen Verbesserungsmöglichkeiten in einer genaueren Modellierung des Auswertefensters AF. Weitere Verbesserungs­ möglichkeiten bestehen in der Optimierung der verschiedenen Modellparameter der Formel, die beim Ausführungsbeispiel le­ diglich grob nach Erfahrungswerten eingestellt wurden. Ebenso besteht eine Möglichkeit der Optimierung unterschiedlicher Parameter hinsichtlich der Chrominanz- und Luminanzbildantei­ le. Zum gegenwärtigen Zeitpunkt wird von je einem neuronalen Filter für die Chrominanz- und Luminanzanteile ausgegangen, es besteht jedoch auch die Möglichkeit mehrere Filter für un­ terschiedliche Bilderzeugungssignale einzusetzen und diese mit spezielle getunten Bewertungsfunktionen zu trainieren. Grundsätzlich ist es jedoch auch bei Anwendung der Erfindung möglich, Bildanteile, wie beispielsweise Schriftsätze, die häufiger auf Interlaced-Bildschirmen angezeigt werden sollen, einmal zu erzeugen und zu speichern um diese dann ggf. unter Umgehung des neuronalen Filters also lediglich in ihrer vor­ verzerrten Form zu Anzeige zu bringen.

Bei der Implementierung des Verfahrens, bzw. beim Aufbau ei­ ner vorgeschlagenen Anforderung ist zu berücksichtigen, daß unter Berücksichtigung aller Symmetrien die Größe der Ein­ gangsschichten neuronalen Netzes reduziert werden kann. Eben­ so kann mit Hilfe der bekannten Methoden zur Strukturadapti­ on, auch "Pruning" genannt, die Anzahl der erforderlichen Multiplikationen durch Ausdünnung der Verbindungen innerhalb des Netzes reduziert werden. Wegen der dennoch insgesamt ho­ hen Anzahl von Multiplikationen, die das neuronale Netz aus­ zuführen hat, erscheint eine Lösung in Software als nachtei­ lig, insbesondere wenn eine hohe Videobandbreite unter Echt­ zeit-Bedingungen eingehalten werden muß. Für Anwendungen bei denen das Zeitverhalten unerheblich ist, also beispielsweise beim Training des neuronalen Filters kann dieses durchaus in Software realisiert sein. Mit Hinblick auf einen Massenmarkt ist die Realisierung des neuronalen Filters als applikations­ spezifischer Baustein oder innerhalb eines Grafik-Controllers oder Grafik-Treibers möglich. Es besteht jedoch auch die Mög­ lichkeit eine event-getriggerte Neuberechnung des Inhalts ei­ nes Bildschirmspeichers von einem externen Prozessor durch­ führen zu lassen. Bei einer Realisierung als Hardware ist das neuronale Netz als Schaltung zu realisieren.

[1] De Valois, R. L., Morgan, H. und Snodderly, D.M.: Psy­ chophysical studies of monkey vision 3: Spacial luminan­ ce contrast sensitivity tests of macaque and human ob­ servers. Vision, 14 (1973), S. 75-81
[2] Hornik, K., Stinchcombe, M. und White, H.: Multilayer feedforward networks are universal approximatros. Neural Networks, 2 (1989), S. 359-366
[3] Miyahara, K., Inoue, S., Onishi, H., Itow, T., Ohara, E. und Kobayashi, K.: Development of a new television set with personal computer capability. IEEE Trans. Consumer Electronics, 1997 Vol, 43, (Aug. 1997), S. 945-952
[4] Prange, S., Jansen, M. und Horn, J.: Adaptive comb­ filtering using neural networks IEEE Trans. Consumer Electronics, 1997 Vol, 43, (Aug. 1997), S. 833-836
[5] Prange, S., Jansen, M. und Horn, J.: Verfahren und Schaltungsanordnung zur Flimmerreduktion eines Bildsi­ gnals, Patentanmeldung, GR-Aktenzeichen 97 P 1036 DE, amtl. Kennzeichen 1 97 01 909.9 Siemens AG, 21.01.1997
[6] Prange, S., Jansen, M. und Horn, J.: Schaltungsanordnung zur Farbdecodierung eines Videosignals, Patentanmeldung, GR-Aktenzeichen 96 P 2421 DE, amtl. Kennzeichen 1 96 43 388.6. Siemens AG, 21.10.1996
[7] Wandell, B. A.: Foundations of vision. Sinauer Ass. Inc., 1995.

Claims (9)

1. Neuronales Filter zur Unterdrückung von Zeilenflimmern, einer Anzeige mit zeitlich zeilenversetzter Bildanzeige,

• a) das ein mit Teilbildinformationen trainiertes neuronales Netz (NN) mit nichtlinearer Übertragungscharakteristik aufweist,
• b) das Mittel zur Zufuhr von ungefilterten Bilderzeugungs­ signalen eines ersten anzuzeigenden Bildpunktes und min­ destens eines zweiten Bildpunktes (2, 3, 4, 5) in der Nachbarschaft des ersten Bildpunktes (1) aufweist,
• c) und das Mittel lediglich zur Abgabe von gefilterten Bil­ derzeugungssignalen für den ersten (S1) Bildpunkt auf­ weist.

2. Filter nach Anspruch 1, das je Art von Bilderzeugungs­ signal ein trainiertes neuronales Netz aufweist.

3. Filter nach einem der vorangehenden Ansprüche, bei dem mindestens Mittel zur Zufuhr von Helligkeits- und/oder Farb­ signalen als Bilderzeugungssignale vorgesehen sind.

4. Bildanzeigevorrichtung mit zeitlich zeilenversetzter An­ zeige von Teilbildern, welche ein neuronales Filter (NN) zur Unterdrückung von Zeilenflimmern aufweist, und so ausgebildet ist, daß seine Bilderzeugungssignale zur Ansteuerung der Bildanzeigevorrichtung das neuronale Filter durchlaufen.

5. Bildanzeigevorrichtung nach Anspruch 4, die als Katho­ denstrahlröhre ausgebildet ist.

6. Trainingsanordnung für ein neuronales Filter,

• a) bei der Mittel zur Zufuhr von Bilderzeugungssignalen ei­ nes Trainingsmusters (FORG, AF, 1, 2, 3, 4, 5) für ein neuronales Netz (NN) vorgesehen sind,
• b) bei der Mittel zur Erzeugung von Teilbilderzeugungs­ signalen (10, 20) aus dem Trainingsmuster (FORG6) vorge­ sehen sind,
• c) bei der ein Raum-Zeit-Filter (ZWF) zur Erzeugung von flimmerwahrgenommenen Bildsignalen des Trainingsmusters (FORG6) und/oder seiner Teilbilderzeugungssignale (A, B) vorgesehen sind,
• d) bei der Mittel zum Vergleich und zur Bewertung der flim­ merwahrgenommenen Bilderzeugungssignale zur Bestimmung eines Fehlers (BEW) vorgesehen sind,
• d) bei der ein neuronales Netz (NN) vorgesehen ist, dem Bilderzeugungssignale (1, 2, 3, 4, 5) zuführbar sind und bei der beim Training dem neuronalen Netz zugeführte Bilderzeugungssignale in Teilbilder (A, B) umgeformt werden, den Raum-Zeit-Filter (ZWF) durchlaufen, in dem Mitteln zum Vergleich (BEW) verglichen werden, und dem neuronalen Netz (NN) der gebildete Fehler (400) zur Ad­ aption Gewichte zugeführt wird.

7. Verfahren zum Training eines neuronalen Filters, mit folgenden Merkmalen:

• a) einem neuronalen Netz werden Bilderzeugungssignale min­ destens eines Trainingsmusters zugeführt;
• b) aus Bilderzeugungssignalen werden Teilbilderzeugungs­ signalen des Trainingsmusters erzeugt;
• c) ein Raum-Zeit-Filter erzeugt flimmerwahrgenommene Bild­ signale des Trainingsmusters und/oder seiner Teilbilder­ zeugungssignale;
• d) die flimmerwahrgenommenen Bilderzeugungssignale werden zur Bestimmung eines Fehlers miteinander verglichen und/oder bewertet;
• d) einem neuronalen Netz werden Bilderzeugungssignale auf­ geführt und durch dieses gefiltert und beim Training dem neuronalen Netz zugeführte Bilderzeugungssignale werden in Teilbilder umgeformt, durchlaufen den Raum-Zeit-Filter, werden miteinander und/oder mit dem Gesamtbild das ebenfalls Raum-Zeit-Filter durchlaufen hat vergli­ chen und/oder bewertet, und das Vergleichs- bzw. Bewer­ tungsergebnis dem neuronalen Netz zur Adaption seiner Neuronengewichte zugeführt.

8. Herstellverfahren für ein Bildmuster, das auf einer zeitlich zeilenversetzt arbeitenden Anzeigevorrichtung zur Anzeige gebracht werden soll,

• a) bei dem ein speziell trainiertes neuronales Netz verwen­ det wird,
• b) bei dem Bilderzeugungssignale des Originalbildes dieses Bildmusters dem speziell trainierten neuronalen Netz zu­ geführt werden und bei dem das Bildmuster am Ausgang des neuronalen Netzes abgegriffen und gespeichert wird.

9. Herstellverfahren nach Anspruch 8, bei dem ein Schrift­ satz von Typen hergestellt wird.