JP5184093B2

JP5184093B2 - ディスプレイを駆動する方法、保持媒体、システム及び機器

Info

Publication number: JP5184093B2
Application number: JP2007547671A
Authority: JP
Inventors: ユアン・クリストファー・スミス; ポール・リチャード・ロートレイ; クレア・フォーデン
Original assignee: Cambridge Display Technology Ltd
Current assignee: Cambridge Display Technology Ltd
Priority date: 2004-12-23
Filing date: 2005-11-30
Publication date: 2013-04-17
Anticipated expiration: 2025-11-30
Also published as: GB2421604B; GB0428191D0; JP2008525837A; BRPI0516422A; TW200634595A; US7953682B2; EP1834254A2; GB2421604A; MY141448A; KR101101903B1; WO2006067520A3; WO2006067520A2; TWI385552B; KR20060073489A; GB0524337D0; CN101278282B; CN101278282A; US20080291122A1

Description

本発明は、非負行列分解を使用してデジタルデータを処理する方法、機器、およびコンピュータプログラムコードに関し、具体的には、本発明の実施形態は、パッシブマトリックスOLED(有機発光ダイオード)ディスプレイなどのディスプレイ向けのマルチラインアドレス指定(MLA)技法に適用可能である。

特性分析(データを重み付けした特性の組に分解すること)のための技法には、ベクトル量子化(VQ)、主成分分析(PCA)、および非負行列分解(NMF)が含まれる。概略的に言えば、ベクトル量子化は、最も密接に対応する組からプロトタイプ的特性を識別することにより、データを表現するのに使用することのできる1組のプロトタイプ的特性を識別することを目的とする。主成分分析は、1組の直交基底関数を構築し、次いでそれを組み合わせてデータを表現できることを目的とする。ベクトル量子化はデータを厳密に再現することを試みるのではなく、プロトタイプ的特性の組から最も近い一致を見つけるので、多くの応用にとって不適切である。主成分分析、および特異値分解(SVD)などの他の技法は、プロトタイプ関数または基底関数が負となる可能性があり、したがって物理的現実性が欠ける傾向があるという欠点がある。一方、非負行列分解は、因子行列中の負エントリが許されないという制約の下で、目標行列が、互いに掛け合わせるときに目標を近似する1対の因子行列に分解される技法である。このため、特性およびその重み付けが、現実的に有用かつ認識可能な要素に対応する傾向がある。例えば、こうした3つの技法の、顔のイメージの分解への応用が、非特許文献１で対比されている。
D. D. LeeおよびH. S. Seung、"Learning the Parts of Objects by Non-Negative Matrix Factorisation"、Nature、（米国）、１９９９年１０月２１日、第４０１巻、ｐ．７８８〜７９１

非負行列分解は、手順が比較的単純であるという利点をさらに有するが、手順が反復的であり、大量のデータ集合に対して収束するのが非常に遅くなる可能性があるので、デジタル信号処理ハードウェアなどの技術的手段を用いた手順の実装が妨げられる。したがって、多くの実際的な応用、特にリアルタイムでの計算を必要とする応用にとっては不適切である。いわゆる「対角化」NMF技法は、対角的に偏りのある解に制限し(行駆動方式)、その結果収束が早くなるが、マルチラインアドレス指定方式の場合にはほとんど利点が得られない。

2004年9月30日出願の英国特許出願第0421712.1号明細書で、非負行列分解技法を使用して、ディスプレイ、具体的にはOLEDディスプレイ向けのマルチラインアドレス指定をどのように改善することができるかを述べた。他の関連技術を、2004年9月30日出願の英国特許出願第0421711.3号明細書および第0421710.5号明細書に見出すことができる。これら3つのすべての特許出願の内容は、参照によりその全体が組み込まれる。

NMFのためのマルチラインアドレス指定改良型デジタル信号処理技法へのNMF技法の応用を容易にすることが望ましい。OLEDディスプレイ駆動への応用を参照しながらそのような技法を説明するが、この技法はそのような応用に限定されないことは理解されよう。

本発明の第1の態様によれば、1対の行列(F、G)を求めるために非負行列分解を使用して目標行列(X)を定義するデータアレイ内のデータをデジタル処理する方法であって、前記対の第1行列は前記データを表す1組の特性を決定し、前記対の第2行列は前記特性の重み付けを決定し、それによって前記第1行列と前記第2行列の積が前記目標行列を近似し、前記目標行列データ(X)を入力する過程と、前記第1および第2行列の前記一方の行と、前記第1および第2行列の他方の列とを選択する過程と、前記目標行列に対する前記選択した行および列の目標寄与(R)を求める過程と、非負制約を条件として、前記目標寄与から前記選択した行および列に関する更新値を求める過程と、すべての前記行および列が更新されるまで、前記第1および第2行列の他の行および列について、前記選択する過程および前記求める過程を反復する過程を含む方法が提供される。

概略的に言えば、各実施形態において、第1および第2行列の値を更新することにより、行-列ごとの単純化された信号処理を使用することができる。選択された各行および列の目標寄与は、概略的に言えば、目標行列と、行列の対のすべての他の行および列の積から求められる重み付けされた特性の組合せとの差である(したがって、目標寄与は、目標行列と同じサイズの行列である)。言い換えれば、目標寄与は、選択された行および列によって定義される特性(および重み付け)を除くすべての特性についての重み付けされた特性の和である。どちらの行列を第1行列と呼び、どちらの行列を第2行列と呼ぶかは重要ではないことを理解されよう。しかし、方法の1サイクルの完了時に、両方の行列の成分すべて(すなわち、一方の各列と他方の各行)が更新されていることが好ましい。

各実施形態では、データはいくつかの組として存在し、目標は、1つまたは複数の軸上の各組からのデータ、および別の軸上のデータの特性(例えば、1組のタイプ、分類、または短縮パラメータ分析)を含む。各実施形態では、複数の組にわたる成分または特性の和が意味をなすように、特性は加法的である。

好ましくは、データアレイ内のデータは物理的実体を表わし、光または電気信号キャリアなどのデータキャリア、あるいは任意のタイプの揮発性または不揮発性記憶媒体上で提供することができる。このデータのいくつかの例を以下で与える(リストは網羅的ではない)。

1.顔またはその他のイメージマッチング/認識:データはイメージデータであり、特性は、目標の各部分、例えば顔のイメージの各部分を含み、例えば2次元イメージに関するデータを保持する1組の列ベクトルを含む。このことが、例えば、
Y.Wang、Y.Jia、C.HuおよびM. Turk、“Fisher Non-Negative Matrix Factorisation for Learning Local Features”;
M. RajapakaseおよびL. Wyse、Prock. SPIE、（編集者T. EbrahimiおよびT. Sikora）、“Face Recognition with Non-Negative Matrix Factorisation”、（米国）、Visual Communications and Image Processing 2003、第５１５０巻、ｐ．１８３８〜１８４７
でさらに説明されている。

2.ネットワークセキュリティ:データは、例えばユーザ活動データ(またはユーザプロファイルデータ)を含む。例えば、ユーザのプロファイルの意味表現を、コンテンツベースのテキストフィルタリングによって構築することができる(例えば、H. Gangshi、Z. Yafei、L. JianjiangおよびX. Jiang、“A NMF-based Method for Constructing User Profile”、Journal of the China Society for Scientific and Technical Information、（米国）、２００４年８月、第２３巻、第４号を参照)。ネットワークは、(限定はしないが)有線および無線ネットワーク、電気通信ネットワーク、コンピュータデータネットワーク、およびその他のタイプのネットワークを含む任意のタイプのデータネットワークとすることが可能である。抽出された特性は、例えば典型的活動パターンを含むことが可能であり、かつ/または潜在的に不正の活動および不正でない活動のパターンに分類することが可能である。

3.データマイニング:データは、データベース内の格納データおよび/または多変量データを含み、方法の実施形態が、例えばユーザ定義された数の特性を作成することにより、例えば入力データの短縮表現を与えるのに使用される。概略的に言えば、NMF手順により、データベース内のデータが、手順によって発見された1組の属性または特性にマッピングされる。このようにして、例えば文書用語行列を分解することによって非構造的テキストデータをマイニングすることができる。このようにして、例えば高次元意味空間内のテキストの2つの(好ましくは隣接する)分節に関するベクトルを比較して、分節間の意味関連性の程度を特性付けすることにより、潜在的な意味分析の一形態を実施することができる。例えば、文書が1組のキーワードおよびその頻度によって表される場合に、特性抽出を使用して文書コレクションの主題を抽出することができる。各主題(特性)はキーワードの組合せによって表される。次いで、コレクション中の文書を発見したテーマによって表すことができる。正の値は、例えば、1組の文書にわたる用語(または用語のグループ)の平均頻度を表すことができることを理解されよう。負の結果を与える因子分析方法は意味をなさない。

4.センサデータ処理:データは、計量化学データ、ハイパースペクトルまたはその他の分光/撮像データ、表面プラズモン共鳴データ、励起-放射行列分光データ、光誘導分光データなどを含む(例えば、F. Vogt、B. Dable、J. CramerおよびK. Booksh、“Recent Advancements in Chemometrics for SMART Sensors”、Analyst、（米国）、２００４年、第１２９巻、ｐ．４９２〜５０２、およびその中のiterative multivariate curve resolution using ALS、alternating leased squaresを参照。V. TsagarigsおよびV. Anastassopoulos、“Feature Extraction of MERIS Data”、（オーストリア、ザルツブルグ、ポスターセッション2P13)、Esanvat Symposium VI、２００４年９月１０日も参照)。次いで、特性は、物理的に意味のあるスペクトルの成分、例えばスペクトル(および/またはイメージ)への成分の寄与を含むことができる。

5.生物学的配列分析:データは、例えば、配列の異なるフラグメント間、および/または表現空間の局在化特性に対応するデータの部分間で特性(配列の部分)を突き合わせるために、遺伝子、プロテオーム、ヌクレオチド、またはアミノ酸配列データ、あるいはマイクロアレイデータなどの生物学的配列データを含む(例えば、P.M. KimおよびB. Tidor、“Subsystem Identification though Dimensionality Reduction of Large-Scale Gene Expression Data”、Genome Research、（米国）、２００３年、第１３巻、ｐ．１７０６〜１７１８を参照)。あるいは、データは、例えば配位子-受容体結合または相互作用点特定のために、原子座標データなどの他の生物学的データを含むこともできる。

6.機械学習/認識技法:データは、(分析のための)イメージデータ、サウンドデータ、テキスト/ワードデータなどの、認識すべきオブジェクトまたはオブジェクトの部分を記述するデータを含む(ここでのオブジェクトは、有形または無形のデータオブジェクトでよい)(例えば、H. Asari、Watson School of Biological Sciences、Bold Spring Harbor Laboratory、“Non-negative Matrix Factorisation on a Possible Way to Leam Sound Dictionaries”、（米国）、２００４年４月１５日(http://zadorlab.cshl.edu/asari/nmf.html)を参照)。好ましくは、元のデータの属性または次元の数は、NMF手順によって削減され、したがって学習が容易になる。

7.データ分析/パターン認識:データは、分析のためのデータ、例えば検索結果クラスタ分析および/またはウェブ検索に対する文書参照のリスト(例えば、S.Osinski、MSC in Advanced Software Engineering、Department of Computer Science、University of Sheffield、“Dimensionality Reduction Techniques for Search Results Clustering”、（英国）、２００４年８月２０日を参照)、あるいは機械翻訳を実施または検証するためのワードアライメントデータ(例えば、C. Goutte、K. YamadaおよびE. Gaussier、“Aligning Words using Matrix Factorisation”、（仏国）、http://acl.ldc.upenn.edu/ac12004/main/pdf/187_pdf_2-col.pdfを参照)を含む。これを使用して、例えば検索の前に特性に基づいて選択することにより、検索しないようにデータを削減することができる。特性ベースの選択(事前フィルタリング)は、1組の分類に基づいて文書を選択すること、すなわち、特定のトピック、地理的領域などに関するすべての文書を識別することを含むことができる。ここでは(本明細書の他の箇所と同様に)、文書はマルチメディア素材などを含むことができる。

他の分類タイプの応用は、個人データの分類、例えば購買習慣、アンケートに対する応答(例えば、消費者調査、国勢調査データ、精神測定質問)、経済的活動-スポッティング詐欺(spotting fraud)(例えば、給付金受給者に関するデータ)などを含む。

特定の例を拡張するために、スーパーマーケットは、この方法の実施形態を使用して、ロイヤルティカードデータに基づいて顧客の購買習慣を記述する最小限の数の分類を予測することができる。これを使用して、販売促進および/または他のマーケティング活動の目標を特定のグループに設定することができる。アンケートへの応答を同様に分析することができ、例えば、大部分のグループの応答を正確に再現する最小限のサブセットが生成される。次いで、こうした分類を調べて、態度または振舞いのパターンを調査することができる。さらに、前述のように、個人の出現を定量化することができる場合に(例えば、利益クレーム)、振舞いのパターンを分類することができ、潜在的には、可能性のある詐欺の特定の助けとすることができる。

本明細書に記載の技法を、データ集合または文書の代表(例えば擬似乱数)選択に対して使用して、1組の特性を求めることができ、次いで、速度向上のためにデータの大規模なグループに適用することができる。

特性抽出の応用は、データ圧縮、データ分解および投射、ならびにパターン認識も含む。特性抽出を使用して、監督された学習の速度および有効性を向上させることもできる。

方法の1つの好ましい実施形態では、データは、表示すべきイメージに関するデータを含む(データによって表される物理的実体は、電気信号として格納されたイメージとみなすことができる)。この(およびその他の)応用に関する記載の方法の実施形態の1つの特定の利点は、得られる処理速度が著しく改善されることであり、通常は、従来の技法よりも20倍から40倍の改善である。これにより、方法の実施形態は、例えば、リアルタイムビデオを表示するときに、マルチラインアドレス指定方式を実装するのに適している。

方法の好ましい実施形態では、更新値を求める過程は、選択された行および列に関する、それぞれの行および列の以前の値とは実質的に無関係に新しい値を求める過程を含む(行/列は、複数の成分を有するベクトルを定義する)。一般には、行/列の(ベクトル)値は、その以前の値とは無関係であるが、行/列の以前の値を、方法の連続的反復の収束の度合を決定し、したがって2次の寄与に見える重み因子に組み込む(以下でさらに説明する)ことも可能である。

好ましくは、目標寄与を求める過程は、目標行列Xと、選択された行以外の他の各行に、行列の対の選択された列以外の他の各列を掛けることによって求められる重み付けされた特性の和との差を求める過程を含む。

目標行列が大きい場合、目標行列を細分することができ、目標行列の別々の各部分に本方法を(好ましくは並列に)適用できることを理解されよう。例えば、大型ディスプレイを4つの象限に分割し、各象限に本技法を別々に適用することができる。

好ましくは、更新値を求める過程は、G_ia=f₁(R,F)およびF_au=f₂(R,F)の値を計算する過程を含む。ただしRはI行U列の行列であり、FはA行U列の行列であり、GはI行A列の行列であり、f₁およびf₂は第1関数および第2関数を示し、G_iaはGのi行a列の成分を示し、F_auはFのa行u列の成分を示す。好ましくは、f₁およびf₂は、選択された行および列の積の目標寄与に対する近似の品質を測定するコスト関数を最小にするように選択される。このコスト関数は、平方ユークリッド距離、または乖離関数、またはその他のコスト関数とすることができる。

1つの好ましい実施形態では、G_iaおよびF_auが以下に従って求められる。

上式で、R_iuは、Rのi行およびu列におけるデータ要素を示し、Rは以下によって与えられる。

また、上式で、Φ_iuはI×U行列Φのi行u列におけるデータ成分を示す。ユークリッドコスト関数が使用される場合、Φ_iuは、すべてのiおよびuについてほぼ1である。別の実施形態では、Φ_iuは、Φ_iu=I/(Z_iu+γ)という形式を有し、Z_iuは、XおよびRの少なくとも一方に依存するI×U行列のi行u列におけるデータ成分を示し、γは、1未満、好ましくは0.1未満、より好ましくは0.01未満の正の定数である。

ある好ましい実施形態では、Aは、IおよびUの小さい方より小さい。ディスプレイへの応用では、Aを、各行を別々に駆動するときに必要な行駆動エポックの数と比較してパッシブマトリックスディスプレイで削減することのできる行駆動エポックの数の因子を記述する「多重化比」と等しくすることができる。例えば、240ライン(モノクローム)画面は、通常240本の別々の行駆動エポックを必要とするが、例えばA=36では、所望のイメージを生成するのにフレーム期間にわたって構築されるサブフレームを(1組の列駆動信号と共に)それぞれ定義するのに必要な(マルチライン)行駆動エポックはわずか36だけである。したがって、ピーク駆動が著しく低減され、(OLEDディスプレイの場合)ピーク駆動が装置効率と装置寿命の両方に密接に関係するので、ディスプレイ寿命およびおよび/または電力消費を大幅に向上させることができる。マルチラインアドレス指定技法では、一続きのサブフレームがピクセルの全知覚輝度に寄与することを考慮すると、表示されるイメージの実効多重化比は依然としてパラメータAより低くてよい。例えば、A=120である240ラインディスプレイは、実効多重化比23を有することができ、その結果、(大部分は、多重化比240のために必要な高い電圧と、ディスプレイキャパシタンスのために)約100Wから約2Wの電力消費の理論的低減が得られ、パルス変調を使用して一度に1つの行が駆動される従来型パッシブマトリックス駆動方式と比較して、ディスプレイ寿命が約10倍に向上する。あるいは、より高いディスプレイ輝度および/またはより大型のディスプレイフォーマットまたは解像度へのアクセスが可能となることからも利点を得ることができる。さらに、目標の応用の要件をより良く満たすように、ディスプレイに関する解像度、サイズ、輝度、寿命、電力消費などの仕様間で折り合いをつけることができる(ここでは、「サブフレーム」への参照は一続きの時間フレームの1つを指し、一続きの時間フレームは、組み合わされたときに、イメージの空間的細分ではなく所望のイメージの印象を与えるが、そのような空間的細分もさらに使用できることを当業者は理解されよう)。

この方法は、平均輝度および/または色値の表示の場合に、組み合わせて目標行列に対する全平均値を与えるように、第1および第2行列を例えばそれぞれほぼ一様な値に初期化することをさらに含む。しかし、この方法の他の実施形態では、例えばゆっくりと変化する一続きのデータアレイ/目標行列に本方法が反復的に適用される場合、第1および第2行列に関する以前の値を、これらの行列の新しい値を求めるための基礎として使用することができる。この技法を使用して、例えばビデオデータを表示するために行列を求めることができる。しかし時には、動画を定義するイメージのストリームは、例えばあるシーンから別のシーンへと急激な変化を有する可能性があり、したがって、初期化は、現在のイメージと以前のイメージとの差の程度に依存することがある。現在のイメージと以前のイメージとの差を求めることにより、または現在のイメージと前述の第1および第2行列の組合せによって近似されるイメージとの差を求めることにより、これを求めることができる。

好ましくは、非負制約は、例えば更新値が普通なら負となる場合に更新行/列値をほぼ0に設定することによって実施される、難しい制約である。第1および第2行列が放射型ディスプレイを駆動するために使用されているとき、「負」の放射は実際的に実装可能ではないので(しかし目標寄与Rは負となることがある)、これらの行列のすべての行列成分が0または正となる必要を当業者は容易に理解されよう。好ましくは、更新プロセスに悪影響を及ぼす小さい数による除算を回避するために、更新値は、下限または上限の一方または好ましくは両方によって制限される。

前述のように、この方法の実施形態は、所望の目標に対して極めて高速に収束するが、一般にはこの方法の2回以上の反復が適用される。固定数の反復を使用することができ(処理時間に対する限界が与えられ、これはビデオなどのいくつかの応用にとって有用であることがある)、あるいは第1および第2行列の変化が実質上なくなるまで、または変化がしきい量未満となるまで、または誤差もしくはコスト関数がしきい値未満となるまでこの方法を反復することができる。この方法の実施形態で後でより詳細に説明するように、収束の速度が重み付け因子で制御され、重み付け因子は、収束が進むときに調節することができ、かつ/または(例えば、低レベルで駆動されるピクセルについてより良好な収束が得られるように)目標行列内の1つまたは複数の値に依存することができ、かつ/またはピクセル色に依存することができる(人間の目は赤輝度または青輝度よりも緑輝度の小さい変化を知覚することができるため)。

この方法がディスプレイを駆動するのに使用される場合、好ましくは、ディスプレイは、電気光学ディスプレイ、より具体的には、OLEDディスプレイなどの放射型ディスプレイ、特にパッシブマトリックスOLEDディスプレイ、無機LEDディスプレイ、またはプラズマディスプレイを含む。したがって、この方法の1つの好ましい実施形態では、マルチラインアドレス指定について、ディスプレイに対する行駆動および列駆動が、第1および第2(因子)行列内の値から導出される。

この方法の実施形態を、保持媒体上に実現され、またはコンピュータプログラム製品内に実現されたプロセッサ制御コードで実装することができ、あるいは様々な行列を格納するデータメモリ、プロセッサ制御コードを格納するプログラムメモリ、およびコードをロードおよび実行するためのプロセッサを備えるコンピュータシステム上に実現することができ、あるいはASIC(特定用途向け集積回路)またはFPGA(フィールドプログラマブルゲートアレイ)などの専用ハードウェアを使用して実現することができる。

したがって、本発明は、1対の行列(F、G)を求めるために非負行列分解を使用して目標行列(X)を定義するデータアレイ内のデータをデジタル処理する機器であって、前記対の第1行列は前記データを表す1組の特性を決定し、前記対の第2行列は前記特性の重み付けを決定し、それによって前記第1行列と前記第2行列の積が前記目標行列を近似し、前記目標行列データ(X)を入力する手段と、前記第1および第2行列の一方の行と、前記第1および第2行列の他方の列とを選択する手段と、前記目標行列に対する前記選択した行および列の目標寄与(R)を求める手段と、非負制約を条件として、前記目標寄与から前記選択した行および列に関する更新値を求める手段と、すべての前記行および列が更新されるまで、前記第1および第2行列の他の行および列について、前記選択することおよび前記求めることを反復する手段とを備える機器をさらに提供する。

別の態様では、本発明は、ピクセルの行列を有する電気光学ディスプレイを駆動する方法であって、前記ピクセルの行列に関するイメージデータをイメージデータ行列に入力する過程と、前記イメージデータ行列を第1因子行列と第2因子行列の積に分解する過程と、前記因子行列を使用して前記ディスプレイを駆動する過程と、を含み、前記分解する過程は、前記因子行列の積が前記イメージデータ行列に近づくように前記因子行列を反復的に調節する過程を含み、前記反復的に調節する過程は、前記因子行列の一方の各行と、前記因子行列の他方の各列とを調節する過程を含む方法を提供する。

概略的に言えば、反復的調節は、第1の行と列の対を調節し、次いで、因子行列の一方のすべての列と、因子行列の他方のすべての列が更新されるまで調節することを含む。これにより、従来の「全行列」手法(例えばALS)と比較して、逆行列演算の必要なしに実装することのできる(標準NMF技法とは異なって)高速な収束が実現される。好ましくは、古い値に因子を掛けることによって(または古い値に因子を加え/古い値から因子を引くことによって)新しい値が求められる従来の乗法的(または加法的)全行列更新規則手順とは異なり、行/列調節は、行/列に関する以前の値とは無関係に実施される。このようにディスプレイを駆動することにより、同一データでのディスプレイの行ごとの駆動と比べて、ピクセルのピーク輝度が低減される。

本発明は、ピクセルの行列を有する電気光学ディスプレイ用のドライバであって、前記ピクセルの行列に関するイメージデータをイメージデータ行列に入力するための入力部と、前記イメージデータ行列を第1因子行列と第2因子行列の積に分解する行列分解システムと、前記因子行列を使用して前記ディスプレイを駆動するためのドライバ出力部とを備え、前記行列分解システムは、前記因子行列の一方の各行と、前記因子行列の他方の各列とを調節することにより、前記因子行列の積が前記イメージデータ行列に近づくように前記因子行列を反復的に調節するように構成されるドライバをさらに提供する。

別の態様では、本発明は、上述の行列分解システムを実装する集積回路を提供する。

別の態様では、本発明は、1対の因子行列(F、G)を求めるために目標行列(X)を定義するデータアレイを処理する方法であって、それによって前記因子行列の積は前記目標行列(X)を近似し、前記因子行列の第1行列の単一の行または列について、更新規則が反復的に適用されたときに更新規則が収束する値を求める過程を含み、前記更新規則は、前記更新規則を使用して目標行列をより近似するように2つの因子行列を反復的に更新する分解アルゴリズムの更新規則であり、前記求めた値で前記行または列を更新する過程と、前記因子行列の第2行列の列または行について前記求める過程および前記更新する過程を反復する過程と、前記因子行列の第1および第2行列の前記求める過程および前記更新する過程を反復して、前記因子行列の第1行列の各行または列と、前記因子行列の第2行列の各列または行を更新する過程、とをさらに含む方法を提供する。

各実施形態では、更新規則は、例えば、従来技術で説明されているユークリッドまたは乖離最小化NMFに関する従来型反復子(例えば、D.D. LeeおよびH.S. Sung、“Algorithms for Non-negative Factorisation”、Advances in Neural Information Processing Systems、（米国）、２００１年、第１３巻)、またはその他の何らかの更新規則を含むことができる。概略的に言えば、この方法の実施形態が行列成分に関する反復手順を回避することによって「利得」を与えることを理解されよう。

上述の方法を実装するプロセッサ制御コードを、ディスク、CD、またはDVD-ROMなどのデータ保持体、読取り専用メモリ(ファームウェア)などのプログラムされたメモリ、あるいは光または電気信号キャリアなどのデータ保持体上で提供することができる。コードは、デジタル信号プロセッサ(DSP)で実装されるコード、あるいはCで書かれたコード、あるいはマイクロコード、あるいはASICまたはFPGAをセットアップまたは制御するコード、あるいはVerilog(商標)、VHDL、SystemCなどのハードウェア記述言語に関するコードなどの従来型プログラミング言語でのコードを含むことができる。そのようなコード(および/または関連するデータ)を、互いに通信する複数の結合された構成要素間で配布できることを当業者は理解されよう。

これから、添付の図を参照しながら例示によって本発明の上記およびその他の態様をさらに説明する。

マルチラインアドレス指定(MLA)技法を使用して有機発光ダイオード(OLED)ディスプレイを駆動することを具体的に参照しながら本発明の一実施形態を説明するが、既に示したように、本発明の応用はこれに限定されない。

＜有機発光ダイオードディスプレイ＞
ここでは有機金属LEDを含む有機発光ダイオードは、使用される材料に依存する色の範囲内で、ポリマー、小分子、およびデンドリマーを含む材料を使用して製造することができる。ポリマーベースの有機LEDの例が、国際公開第90/13148号パンフレット、国際公開第95/06400号パンフレット、および国際公開第99/48160号パンフレットに記載されており、デンドリマーベースの材料の例が、国際公開第99/21935号パンフレットおよび国際公開第02/067343号パンフレットに記載されており、いわゆる小分子ベースの装置の例が米国特許第4,539,507号明細書に記載されている。典型的なOLED装置は、2つの層の有機材料を有し、その一方が発光ポリマー(LEP)、オリゴマー、または発光低分子量材料などの発光材料の層であり、他方がポリチオフェン誘導体やポリアニリン誘導体などの正孔移送材料(hole transporting material)の層である。

有機LEDを基板上のピクセルの行列内に堆積させ、単一カラーまたはマルチカラーピクセレーテッドディスプレイを形成することができる。赤、緑、および青の発光サブピクセルのグループを使用してマルチカラーディスプレイを構築することができる。いわゆるアクティブマトリックスディスプレイは、各ピクセルに関連するメモリ要素、通常は蓄積コンデンサおよびトランジスタを有し、一方パッシブマトリックスディスプレイはそのようなメモリ要素を有さず、その代わりに、安定したイメージの印象を与えるように反復的に走査される。他のパッシブディスプレイには、複数のセグメントが共通電極を共有し、電圧を他方の電極に印加することによってセグメントを点灯させることのできるセグメント化ディスプレイが含まれる。単純なセグメント化ディスプレイを走査する必要はないが、複数のセグメント化領域を有するディスプレイでは、(電極の数を削減するために)電極を多重化し、次いで走査することができる。

図１ａに、OLED装置100の一例の垂直断面図を示す。ピクセルのエリアのアクティブマトリックスディスプレイ部分が、関連する駆動回路(図１ａでは図示せず)によって占有される。装置の構造は、例示のために幾分単純化してある。

OLED100は、通常は0.7mmまたは1.1mmのガラスであるが、任意選択で透明プラスチックまたはその他の何らかのほぼ透過性の材料である基板102を有する。基板上に、通常は約150nmの厚さのITO(酸化インジウムスズ)を有する陽極層104が堆積し、その一部の上に金属接触層が設けられる。通常、接触層は、約500nmのアルミニウム、またはクロムの層が間に挟まれたアルミニウムの層を有し、陽極金属と呼ばれることもある。ITOおよび接触金属で被覆されたガラス基板は、米国のCorning社から入手可能である。ITOを覆う接触金属は、陽極接続が具体的には装置の外部接点に関して透明である必要がない場合に、経路の抵抗を低減する助けになる。接触金属が望ましくない場所、具体的にはそうでない場合は表示が隠されることになる場所のITOから、フォトリソグラフィの標準プロセスと、その後に続くエッチングとによって接触金属が除去される。

ほぼ透明な正孔移送層106が陽極層の上に堆積し、その後にエレクトロルミネセント層108および陰極110が堆積する。エレクトロルミネセント層108は、例えばPPV(ポリ(p-フェニレンビニレン))を有することができ、陽極層104とエレクトロルミネセント層108の正孔エネルギー準位を整合させる助けになる正孔移送層106は、導電性透明ポリマー、例えばドイツのBayer AGのPEDOT:PSS(ポリスチレン-スルホン酸-ドープされたポリエチレン-ジオキシチオフェン)とすることができる。典型的なポリマーベースの装置では、正孔移送層106は、約200nmのPEDOTを有することができ、発光ポリマー層108は約70nmの厚さである。これらの有機層をスピンコーティングで堆積させることができ(その後で、プラズマエッチングまたはレーザーアブレーションによって望ましくないエリアから材料が除去される)、またはインクジェットプリンティングで堆積させることができる。後者の場合、例えばフォトレジストを使用して、バンク112を基板上に形成し、有機層をその中に堆積させることのできるウェルを画定することができる。そのようなウェルは、ディスプレイの発光エリアまたはピクセルを画定する。

陰極層110は通常、より厚いアルミニウムのキャッピング層で覆われた、(例えば物理的蒸着で堆積した)カルシウムやバリウムなどの低仕事関数金属である。任意選択で、電子エネルギー準位整合を改善するために、エレクトロルミネセント層と直接に隣接してフッ化バリウムの層などの追加の層を設けることができる。陰極セパレータ(図１ａでは図示せず)を使用することによって陰極線の相互電気的分離を達成し、または高めることができる。

小分子装置およびデンドリマー装置についても同じ基本的構造を使用することができる。通常、いくつかのディスプレイが単一基板上で製造され、製造工程の終わりに、基板がけがきされ、酸化および水分進入を抑制するために封入容器がそれぞれに取り付けられる前にディスプレイが分離される。

OLEDを照明するために、図１ａで電池118によって表される電力が、陽極と陰極の間に印加される。図１ａに示す例では、光が透明陽極104および基板102を通じて放出され、陰極は一般に反射性であり、そのような装置は「ボトムエミッタ」と呼ばれる。陰極(「トップエミッタ」)を通じて放出する装置も、例えば陰極がほぼ透明となるように陰極層110の厚さを約50〜100nm未満に保つことによって構築することができる。

上記の説明は、本発明の実施形態のいくつかの応用を理解する助けとなるための、OLEDディスプレイの1タイプの例に過ぎないことを理解されよう。Novaled GmbHで製造されているような陰極が底部にある逆の装置を含む様々な他のタイプOLEDが存在する。さらに、本発明の実施形態の応用はディスプレイ、OLED、またはその他に限定されない。

有機LEDを基板上のピクセルの行列内に堆積させ、単一カラーまたはマルチカラーピクセレーテッドディスプレイを形成することができる。赤、緑、および青の発光ピクセルのグループを使用してマルチカラーディスプレイを構築することができる。そのようなディスプレイでは、個々の要素が、一般に行(または列)ラインを活性化させてピクセルを選択することによってアドレス指定され、ピクセルの行(または列)が書き込まれ、表示が作成される。いわゆるアクティブマトリックスディスプレイは、各ピクセルに関連するメモリ要素、通常は記憶コンデンサおよびトランジスタを有し、一方パッシブマトリックスディスプレイはそのようなメモリ要素を有さず、その代わりに、安定したイメージの印象を与えるようにTV画像とある程度同様に反復的に走査される。

次に図１ｂを参照すると、パッシブマトリックスOLEDディスプレイ装置150の単純化した断面図が示されており、図１ｂでは図１ａと同様の要素が同様の番号で示されている。図示するように、正孔移送層106およびエレクトロルミネセント108層が、陽極金属104および陰極層110でそれぞれ画定された互いに垂直な陽極線および陰極線の交点で、複数のピクセル152に細分される。図では、陰極層110で画定された導電線154がページに対して垂直であり、陰極線と垂直に走る複数の陽極線158のうちの1つの断面が示されている。陰極線と陽極線の交点のエレクトロルミネセントピクセル152を、関係する線間に電圧を印加することによってアドレス指定することができる。陽極金属層104はディスプレイ150に対する外部接点を与え、陽極金属層104を、(陽極金属リードアウトの上に陰極層パターンを走らせることによって)OLEDへの陽極接続と陰極接続の両方のために使用することができる。前述のOLED材料、具体的には発光ポリマーおよび陰極は、酸化および水分の影響を受けやすく、したがって装置は金属容器111内に封入され、UV硬化性エポキシ接着剤113によって陽極金属層104上に取り付けられ、接着剤内の小さいガラスビーズが、金属容器が接点に触れ、接点と短絡することを防止する。

次に図2を参照すると、図１ｂに示されるタイプのパッシブマトリックスOLEDディスプレイ150用の駆動構成の概念図が示されている。電源ライン202と複数の列ライン204のうちの1つとにそれぞれ接続された複数の定電流発生器200が設けられる。図が見やすいように、複数の列ライン204のうちの1つだけを図示している。複数の行ライン206(そのうちの1つだけを図示している)も設けられ、それらのそれぞれを切換え接続210によって選択的にグランド線208に接続することができる。図示するように、ライン202上の正の供給電圧では、列ライン204は陽極接続158を有し、行ラインは陰極接続154を有するが、電源ライン202がグランド線208に対して負であった場合、接続は反転する。

図示するように、ディスプレイのピクセル212は、それに印加された電力を有し、したがって照明する。イメージを作成するために、列ラインのそれぞれが活性化されるときに、完全な行がアドレス指定されるまで、行についての接続210が維持され、次いで次の行が選択され、プロセスが反復される。しかし、好ましくは、個々のピクセルがより長くとどまることを可能にし、したがって全駆動レベルを低減するために、行が選択され、すべての列が並列に書き込まれ、すなわち、電流が列ラインのそれぞれ対して同時に駆動され、行内の各ピクセルが所望の輝度で照明する。列内の各ピクセルを、次の列がアドレス指定される前にアドレス指定することができるが、これは、とりわけ列キャパシタンスの効果のために、好ましくはない。

パッシブマトリックスOLEDディスプレイでは、どの電極を行電極と呼び、どれを列電極と呼ぶかは任意であり、本明細書では「行」および「列」が交換可能に使用されることを当業者は理解されよう。

OLEDに対して電圧制御駆動ではなく電流制御駆動を与えることが通常である。OLEDの輝度は、装置を流れる電流によって決定され、これにより、OLEDが発生する光子の数が決定されるからである。電圧制御構成では、輝度はディスプレイのエリアにわたって、時間、温度、および年月と共に変化する可能性があり、所与の電圧で駆動されたときにピクセルがどれだけ明るく見えるかを予測することが難しくなる。カラーディスプレイでは、色表現の精度も影響を受ける可能性がある。

ピクセル輝度を変更する従来の方法は、パルス幅変調(PWM)を使用してピクセルオン時間を変更することである。従来のPWM方式では、ピクセルが完全にオンまたは完全にオフのどちらかであるが、ピクセルの見掛け輝度は、観測者の目の中での統合のために変化する。代替方法は、列駆動電流を変更することである。

図3に、従来技術によるパッシブマトリックスOLEDディスプレイ用の汎用ドライバ回路の略図300を示す。OLEDディスプレイが破線302によって示され、対応する行電極接点306をそれぞれ有する複数のn個の行ライン304と、対応する複数の列電極接点310を有する複数のm個の列ライン308とを備える。OLEDが行ラインと列ラインの各対の間に接続され、図示する構成では、その陽極が列ラインに接続される。y-ドライバ314が列ライン308を定電流で駆動し、x-ドライバ316が行ライン304を駆動し、選択的に行ラインをグランドに接続する。y-ドライバ314およびx-ドライバ316は、通常はどちらもプロセッサ318の制御下にある。電源320は回路、具体的にはy-ドライバ314に電力を供給する。

OLEDディスプレイドライバのいくつかの例が米国特許第6,014,119号明細書、米国特許第6,201,520号明細書、米国特許第6,332,661号明細書、欧州特許第1,079,361A号明細書、および欧州特許第1,091,339A号明細書に記載されており、PWMを使用するOLEDディスプレイドライバ集積回路が、米国マサチューセッツ州ビバリーのClare Micronix of Clare, Inc.によって販売されている。改良型のOLEDディスプレイドライバのいくつかの例が出願人の同時係属の国際公開第03/079322号パンフレットおよび国際公開第03/091983号パンフレットに記載されている。特に、参照により本明細書に組み込まれる国際公開第03/079322号パンフレットは、コンプライアンスが改善された、デジタル制御可能なプログラマブル電流発生器を説明している。

＜マルチラインアドレス指定(MLA)技法＞
OLEDディスプレイの寿命を改善することのできる技法が引き続き求められている。パッシブマトリックスディスプレイはアクティブマトリックスディスプレイよりも製造するのがずっと安価であるので、パッシブマトリックスディスプレイに適用可能である技法が特に求められている。OLEDの駆動レベル(したがって輝度)を低減することにより、装置の寿命を著しく向上させることができ、例えばOLEDの駆動/輝度を半分にすることによってその寿命を約4倍に向上させることができる。マルチラインアドレス指定(MLA)技法を使用して、具体的にはパッシブマトリックスOLEDディスプレイでどのようにピークディスプレイ駆動レベルを低減し、したがってディスプレイ寿命を向上させることができるかを先に説明した(前述の出願人の以前の特許出願を参照)。

概略的に言えば、MLA技法は、列電極が駆動されるのと同時に2つ以上行電極を同時に駆動し(またはより一般的に、行および列のグループを同時に駆動し)、その結果、各行(ライン)の必要なルミネセンスプロファイルが、単一ライン走査期間でのインパルスとしてではなく、複数のライン走査期間にわたって構築される。したがって、各ライン走査期間中のピクセル駆動を低減することができ、したがってディスプレイの寿命が延長され、かつ/または駆動電圧の低下および容量性損失の低下により電力消費が低下する。これは、OLED寿命が、ピクセル駆動(輝度)と共に、通常は1から2の間の仕事率に低下するが、観測者に対して同一の見掛け輝度を与えるためにピクセルを駆動しなければならない時間の長さは、減少するピクセル駆動とほぼ線形に増加するだけである。MLAによって実現される利点の程度は、共に駆動されるラインのグループ間の相関に部分的に依存する。

図４ａに、一度に1つの行が駆動される従来の駆動方式に関する行G、列F、およびイメージX行列を示す。図４ｂに、マルチラインアドレス指定方式に関する行、列、およびイメージ行列を示す。図４ｃおよび４ｄに、表示されるイメージの典型的なピクセルについて、フレーム期間にわたるピクセルの輝度、言い換えればピクセルに対する駆動を示し、マルチラインアドレス指定によって達成されるピークピクセル駆動の低下を示す。

一般に、対応する電極によって駆動されるOLEDピクセル(またはサブピクセル)の所望のルミネセンスが、駆動信号によって決定されるルミネセンスのほぼ線形な和によって得られるように行および列駆動信号が選択される。決定された行駆動信号に従って2つ以上の行の間で列電流駆動信号を分割する、制御可能な電流分割器を先に述べた(前述)。

必要な駆動信号を求めるために、ディスプレイのためのイメージデータを行列とみなし、一方が行駆動信号を定義し、他方が列駆動信号を定義する2つの因子行列の積に分解することができる。ディスプレイが、これらの行列で定義されるように、行および列信号の連続する組で駆動され、表示イメージが構築され、それぞれの組の信号が、当初の分解された行列と同一サイズの表示イメージのサブフレームを定義する。ライン走査期間(サブフレーム)の合計数を、通常のラインごとの走査と比較して削減することができるが、必ずしもそれが必要であるわけではない(削減はイメージ圧縮を意味する)。いくつかのサブフレームにわたって輝度を単に平均することによってある程度の利点が得られるからである。

＜NMFデータ処理＞
好ましくは、イメージ行列分解は非負行列分解(NMF)を含む。概略的に言えば、NMFでは、(非負である)イメージ行列Xが1対の行列FおよびGに分解され、それによってXがFとGの積にほぼ等しくなり、FおよびGは、その成分がすべて0以上であるという制約を受ける条件下で選ばれる。典型的なNMFアルゴリズムは、XとFGとの間の平方ユークリッド距離などのコスト関数を最小にすることを目標とすることにより、FおよびGを反復的に更新して近似を改善する。非負行列分解はエレクトロルミネセントディスプレイを駆動するのに有用である。そのようなディスプレイを駆動して「負」のルミネセンスを生成することはできないからである。

NMF分解手順が図４ｅに図示されている。行列FおよびGはイメージデータの線形近似についての基底を定義すると考えることができ、イメージは一般に、純粋にランダムなデータではなく何らかの固有の相関構造を含むので、多くの場合に、比較的少数の基底ベクトルで良好な表現を達成することができる。カラーディスプレイのカラーサブピクセルを3つの別々のイメージ平面として扱うことができ、または一緒に単一平面として扱うことができる。表示イメージの明るいエリアが概して単一方向に照明するように因子行列内のデータをディスプレイの上部から下部にソートすることにより、フリッカを低減することができる。

NMF技法に関する背景情報を以下の参考文献で見つけることができる。
D.D. Lee、H.S. Seung、“Algorithms for non-negative matrix factorization”;
P. Paatero、U. Tapper.、“Least squares formulation of robust non-negative factor analysis”、Chemometr. Intell. Lab.、１９９７年、第３７巻、ｐ．２３〜３５;
P. Paatero、“A weighted non-negative least squares algorithm for three-way ‘PARAFAC' factor analysis”、Chemometr. Intell. Lab.、１９９７年、第３８巻、ｐ．２２３〜２４２;
P. Paatero、P.K. Hopke、他、“Understanding and controlling rotations in factor analytic models”、Chemometr Intell. Lab、２００２年、第６０巻、ｐ．２５３〜２６４;
J.W. Demmel、“Applied numerical linear algebra”、Society for Industrial and Applied Mathematics、Philadelphia、１９９７年;
S. Juntto, P. Paatero、“Analysis of daily precipitation data by positive matrix factorization”、Enviromnetrics、１９９４年、第５巻、ｐ．１２７〜１４４;
P, Paatero、U. Tapper、“ Positive matrix factorization: a non-negative factor model with optimal utilization of error estimates of data values”、Environmetrics、１９９４年、第５巻、ｐ．１１１〜１２６;
C.L. Lawson, R.J. Hanson、“Solving least squares problems”、Prentice-Hall、Englewood Cliffs、NJ、１９７４年;
Daniel D. Lee、H. Sebastian Seung、“Algorithms for Non-negative Matrix Factorization”、Advances in Neural Information Processing Systems 13、Papers from Neural Information Processing Systems (NIPS) 2000年、米国コロラド州デンバー、MIT Press 2001、ｐ．５５６〜５６２;
Wenguo Liu、Jianliang Yi、“Existing and New Algorithms for Non-negative Matrix Factorization”(www.dcfl.gov/DCCI/rdwg/nmf.pdf;その中で論じられているアルゴリズムに関するソースコードはhttp://www.cs.utexas.edu/users/liuwg/383CProject/CS_383C_Project.htmで見つけることができる)。

図５ａに、MLAアドレス指定を実装するパッシブマトリックスOLEDドライバ500の一実施形態の略図を示す。

図５ａでは、図３を参照しながら説明したのと類似したパッシブマトリックスOLEDディスプレイが、行ドライバ回路512で駆動される行電極306と、列ドライバ510によって駆動される列電極310とを有する。これらの行ドライバおよび列ドライバの詳細が図５ｂに示されている。列ドライバ510は、列電極のうちの1つまたは複数に対する電流駆動を設定する列データ入力509を有し、同様に行ドライバ512は、行のうちの2つ以上に対する電流駆動比を設定する行データ入力511を有する。好ましくは、入力509および511はインターフェースを容易にするためにデジタル入力である。好ましくは、列データ入力509は、ディスプレイ302のすべてのU列に対する電流駆動を設定する。

シリアルまたはパラレルとすることが可能なデータおよび制御バス502上で、表示されるデータが供給される。バス502は、ディスプレイの各ピクセルについての輝度データを格納し、またはカラーディスプレイでは(別々のRGBカラー信号として、または輝度信号およびクロミナンス信号として、またはその他の方式で符号化することのできる)各サブピクセルについての輝度情報を格納するフレームストアメモリ503への入力を供給する。フレームメモリ503に格納されたデータは、ディスプレイに関する各ピクセル(またはサブピクセル)についての所望の見掛け輝度を決定し、この情報を第2の読取りバス505により、ディスプレイ駆動プロセッサ506で読み出すことができる(各実施形態では、バス505を省略し、その代わりにバス502を使用することができる)。

ディスプレイ駆動プロセッサ506を完全にハードウェアで実装することができ、または例えばデジタル信号処理コアを使用してソフトウェアで実装することができ、または例えば行列演算を高速化するための専用ハードウェアを使用して、ハードウェアとソフトウェアの組合せで実装することができる。しかし、一般には、ディスプレイ駆動プロセッサ506は、少なくとも部分的には、クロック508の制御下で作業メモリ504と共に動作するプログラムメモリ507に格納されたプログラムコードまたはマイクロコードによって実装される。例えば、標準デジタル信号プロセッサと従来型プログラミング言語で書かれたコードとを使用してディスプレイ駆動プロセッサを実装することができる。プログラムメモリ507内のコードは、以下でさらに説明するマルチラインアドレス指定方法の一実施形態を実装するように構成され、データ保持体（carrier）または取外し可能ストレージ507a上で提供することができる。

図５ｂに、分解されたイメージ行列でディスプレイを駆動するのに適した行ドライバおよび列ドライバを示す。列ドライバ1000は、一緒にグループ化され、各列電極への電流を設定する可変基準電流I_refが供給される1組の調節可能なほぼ一定の電流源1002を備える。基準電流は、図４ｅの行列Fの行aなどの因子行列の行から導出された列ごとに異なる値でパルス幅変調される。行ドライバ1010はプログラマブルカレントミラー1012を備え、好ましくはプログラマブルカレントミラー1012は、ディスプレイの各行について、または同時に駆動される行のブロックの各行について1つの出力を有する。行駆動信号は、図４ｅの行列Gの列aなどの因子行列の列から導出される。適切なドライバのそれ以上の詳細は、2004年9月30日出願の、出願人の同時係属の英国特許出願第0421711.3号明細書、およびその優先権を主張する2005年9月29日出願のPCT出願第GB2005/050168号で見出すことができ、そのどちらも参照により本明細書に組み込まれる。他の構成では、さらに、または別法として、OLEDピクセルに対する駆動を変更する他の手段、具体的にはPWMを使用することができる。

図６に、NMFを使用してイメージを表示する例示的手順の流れ図を示し、この例示的手順を、図５ａのディスプレイ駆動プロセッサ506のプログラムメモリ507に格納されたプログラムコードで実装することができる。

図６では、手順はまず、フレームイメージ行列Xを読み取り(ステップS600)、次いで、NMFを使用してこのイメージ行列を因子行列FおよびGに分解する(ステップS602)。より早い(earlier)フレームの表示中にこの分解を計算することができる。次いでステップ604で、手順はA個のサブフレームを用いてディスプレイを駆動する。ステップ606は、サブフレーム駆動手順を示す。

サブフレーム駆動手順は、Gの列aをRに設定し、行ベクトルRを形成する。これは、図5bの行ドライバの処理によって自動的に1に正規化され、その結果、xRが正規化されたRとなるスケーリング係数xは、成分の和が1となるようにRを正規化することによって導出される。同様に、Fの行aをCに設定し、列ベクトルCを形成する。Cは、yCがスケーリングされたCとなるスケーリング係数をyとして、最大成分の値が1となるようにスケーリングされる。フレームのスケーリング係数

が求められ、基準電流が

によって設定される。ただしI₀は、従来通りに走査されるライン単位（line-at-a-time）システムでの全輝度に対して必要な電流に対応し、x因子およびy因子は、駆動構成によって導入されるスケーリング効果を補償する(他の駆動構成では、これらの一方または両方を省略することができる)。

これに続いて、ステップS608では、図５ｂに示すディスプレイドライバが、全フレーム期間の1/Aの間、ディスプレイの列をCで駆動し、ディスプレイの行をRで駆動する。これが各サブフレームについて反復され、次いで次のフレームについてのサブフレームデータが出力される。

＜高速NMFデータ処理＞
次に、本発明による、MLAおよびその他の応用についてのNMFデータ処理手順の実施形態をより詳細に説明する。

図４ｅおよび図７を参照すると、本発明の態様を実施するNMF手順は、以下のようにGとFの積がXの平均値X_averageに等しくなるようにFおよびGを初期化することによって開始する(ステップS700)。
G=1_IA F=(X_average/A)・1_AU (1)

一続きの関連するイメージでは、以前に見つけたFおよびGの値を使用することができる。添字は、それぞれ行および列の数を示し、小文字の添字は、選択された単一の行または列を示し(例えば、Aの行のうちの1つについてa)、1は単位行列である。

好ましくは、ステップS700の前の前処理ステップ(図示せず)として、空白の行および列が取り除かれる。

手順の全体の目標は、以下のようなFおよびGについての値を求めることである。
G_IAF_AU=X_IU (2)

説明する手順は、一度にGの単一の列(a)およびFの単一の行(a)を用いて演算し、a=1からa=Aまで、すべての列-行の対について進める(ステップS702)。したがって、手順は、Gの列およびFの行ごとに、まず選択された列-行の対についての残差R_IU ^aを計算し、この残差は、目標X_IUと、選択された列/行を除くGおよびFのその他のすべての列および行の組合せの寄与の和との差である(ステップS704)。

GおよびFの選択された列-行の対ごとに、目標は、図８に図示するように、選択された列-行の対の寄与を、残差R_IU ^aと等しくすることである。数学的な用語では、目標は、

であり、上式で、R_IU ^aは、最大レートA(A個のサブフレームが完全なI×U表示イメージに寄与する)を有するI×Uイメージサブフレームを定義する。

Gの選択された列aのI成分G_iaのそれぞれについて、およびFの選択された行aのU成分F_auのそれぞれについて式(4)を解くことができる(ステップS706)。解はコスト関数に依存する。例えば、(4)に対する最小2乗法(ユークリッドコスト関数)の実行では、左辺にF_aU・F^T _aU(これはスカラ値であり、したがって、これによる両辺の除算のために逆行列は不要である)が乗じられており、右辺にF^T _aUが乗じられているので、G_iaを直接計算することが可能となる。これは、後でより詳細に説明する。

いくつかの例示的解は以下の通りである。

以下の式を最小にすることを目標とするユークリッドコスト関数について、AおよびBは非負行列XおよびG・Fとして、

以下を最小にすることを目標とする「乖離」コスト関数(LeeおよびSeung、前述)について(対数はeを底とする)、

であり、上式で、Θ_iu=X_iu-R_iuである。一般化された方法について、

であり、上式で、Φ_iuは(I×U行列Φの)パラメータであり、一定でよく、またはΘ_iu、X_iu、およびR_iuのうちの1つまたは複数に依存することが可能であり、収束の速度を制御する(それ以上の詳細を以下で与える)。

非負制約を与えるために、ステップS708で、0より小さいG_iaおよびF_auの値が0(または小さい値)に設定される(R_IU ^aの成分は負となることが許される)。

好ましくは(しかし必須ではない)、0(または無限)による除算を防止するために、G_iaおよびF_auの値を、上界および/または下界、例えば0.01または0.001と10または100で制限することができ、これらは応用に従って変更することができる(ステップS710)。

任意選択であるが、好ましくは、次いで、例えば所定の反復回数だけ手順が反復される(ステップS712)。

後でより詳細に説明するように、人間の目は、低輝度レベルでは高輝度レベルよりも小さい輝度差により敏感であるので、ユークリッドコスト関数は必ずしも最適ではなく、最終イメージでのRMS(root mean square(二乗平均平方根))誤差は(便利ではあるが)必ずしも最良の性能係数ではない。

上記の手順は、FおよびGにそれぞれ因子が乗算されてそれらがコスト関数の停留点に近づく従来の乗法的更新規則を使用しないことを理解されよう。その代わりに、選択されたFおよびGの単一の列/行の対の新しい値が一緒に求められ、成分G_iaおよびF_auの新しい値が以前の値を参照することなく計算される。上記の式(5)〜(7)では、計算は例えばFおよびR^aに依存するG_iaについての新しい値であるが、式(3)から、R^aは列G_iaに依存しないことがわかる。

従来の全行列手順から高速収束対更新（fast-converging pairwise-update）NMF手順を導出する一般的方法があることを本発明者は理解した。概略的に言えば、全行列手順が適用されて、単一の列/行について手順がどの値に収束するかが求められ、次いでこの計算が使用されて、これらの収束値についての代数式が求められる。次いで、この代数式が因子行列の列および行の対の更新に対して、選択された対ごとに使用される。このことをユークリッドコスト関数および乖離コスト関数の例について示すが、新しい高速収束手順を生成するために他の全行列NMF手順にも適用することができる。次いで、これらの例示的例の代替の導出および一般化を説明する。

1つのサブフレームのみに対して実施される反復に関して表現される、ユークリッド最小化NMFのために標準反復子を使用して(1つの反復子のみを示しており、結果は、対称性により他の反復子に適用可能である)、小文字の添字は単一の要素(行または列)を示し、大文字の添字は全範囲に対する操作を示す。

以下の

および

を(8)に代入すると以下が得られる。

これを展開すると以下が得られる。

この式が反復ごとに一度適用されるのではなく、G_iaが平衡に達するまで複数回適用される場合を考える。平衡は、a)G_iaが0に向かう、またはb)G_iaの比が1に向かうという2つの形態のうちの1つで達することができる。比が等しく1となる場合、

G、F、Xのすべての項が正であるとき、式(12)は負のG成分となることは決してありえないが、式(13)は、負の値を返すことがありうることがわかり、これは、(12)を反復して適用する結果、0に向かうG_iaが得られるときに(13)が負を返す場合である。したがって、この場合、G_iaが0または何らかの最小の値に設定される。C_aが非常に小さい場合、または0である場合、ひずむほど大きな値が生ずる可能性があり、この場合、G_iaに対する妥当な最大限度を適用できることにも留意されたい。

Fに対する同様の反復子と共に、式(13)を代替ユークリッド最小化反復子として使用することができ、一度に1つのa添字で2つの行列を進める。

図９に、上記の手順の10回反復の結果を(図４ｅに対応するフォーマットで)示す。図９ａから９ｅはそれぞれ、開始イメージ、反復1、2、3、10回反復後の出力イメージを示す。

イメージは、モノクロームで幅126ピクセル、高さ100ピクセルであり、手順が一様なFおよびGで初期化された(図９ｂ)。重心ソートが最終イメージに関してGの列とFの行とに適用され、100個のサブフレームが使用された(A=100)。結果は以下のように特徴付けられる。

イメージ行カウント(元のMUX)100
生MLA MUX 100
実効MLA MUX 32.418824
推定寿命利得^* 3.084628
^*注:駆動レベルに対する寿命の2次依存を仮定

半分の行(A=50)での第2回目の実行は図９ｆに示す結果を与えた。反復子は最小の結果0.001および最大の結果10で適合され、行行列（row matrix）の各列が、完全なフレームの各反復の後に最大値1に再正規化された。この実行の結果は以下のように特徴付けられる。

イメージ行カウント(元のMUX)100
生MLA MUX 50
実効MLA MUX 19.879786
推定寿命利得^* 5.030235
^*注:駆動レベルに対する寿命の2次依存を仮定

1つのサブフレームのみに対して実施される反復に関して表現される、乖離最小化NMFに対する標準反復子を使用して(1つの反復子のみを示し、結果は、対称性により他の反復子に適用可能である)、小文字の添字は単一の要素(行または列)を示し、大文字の添字は全範囲に対する操作を示す。

比の中のG_iaの項を展開し、分離すると、

整理し直すと、

また、

を(16)に代入することにより以下が得られる。

G_iaC_u<<1を仮定することができる場合、(テーラー級数展開により)

(19)を(18)に代入することにより以下が得られる。

これは以下のように展開される。

ユークリッド最小化反復子を参照しながら上記で説明したように、上記の反復子の反復的適用の原理を利用して、同一の結論を導くことができ、すなわち、G_iaの値が0に近づくとき、または比が1に近づくとき、G_iaは安定した値に達する。

比が1に近づく場合、

また、

である場合、G_iaは0に向かう。

実際には、G(および対称性により、F)のすべての値を2つの限度内に制限することが好ましく、例えば0.001≦G,F≦1000が良好な解を与えると思われる。

図１０ａから１０ｄは、ユークリッドコスト関数(左側のイメージ)および乖離コスト関数(右側のイメージ)を使用して上述の技法に従って処理された100×100ピクセルのモノクロームイメージの反復1、2、3、10を示す。全サブフレーム解に関する20回の反復後の結果は、

一般的結論は、高速乖離NMFは、高速ユークリッドNMFよりも高速に、より認識可能なイメージを生成するが、RMS輝度誤差が大きく、高速乖離NMFは、(ずっと)より分散した解を生成し、すなわち平均実効MUXレートが、時には1/2に低くなる。

次に、本発明の実施形態で適用することのできる一般化高速NMF技法を説明する。

目標は、以下のようなGおよびFに関する値を求めることである。
G_IAF_AU=X_IU (23)

これを項の和として表すと、

上式では、前と同様に、小文字の添字は単一の要素を示し、大文字の添字は完全な範囲を示し、それによって例えば、G_Iaは単一サブフレーム行信号ベクトルを表す。単一サブフレームに対する最良のフィットを得ることに関心がある。

ここで、最小2乗法の手順を使用して、GまたはFについてこれを解くことができる。そのような最小2乗法の導出は以下の通りである。
Aa=b
A^TAa=A^Tb
a=(A^TA)^-1A^Tb (26)
上式で、aはn個の未知の定数を含むベクトルであり、Aは既知のパラメータのm×n行列であり、bはm個の既知の結果を含むベクトルである(例えば、よりなじみのあるy=Xaという記法と比較。ただしyの各値はx₁、x₂...、の値と関連付けられ、aについて解く)。n>mである場合(すなわち結果よりも未知数が多い場合)、A^TAは非正則であり、非可逆である。

ここで、(26)の手順が直接(25)に適用され、F^T _aUが乗算され、Gの単一の値(すなわちG_ia)について解かれる。

F_aUはベクトルであるのでこれは可能であり、したがってF_aUF^T _aUが単一のスカラ値であり、したがって逆行列が必要である。これは厳密に、元のユークリッド最小化NMFから導出される高速反復子である。(26)を(25)に適用してFについて解くことにより、同様の結果が生成される。

望まれる場合、他のサブフレームで解かれていない残留輝度であるR_IUを導入することにより、この結果をより単純に表現することができる。すなわち、

したがって(27)と、Fについての反復子は以下のようになる。

同様に高速乖離反復子を再表現すると、

上式では、

この再表現は他の選択肢を示唆し、上記の技法の欠点のいくつか、具体的には、絶対差(absolute difference)を最小にすることに関して、ユークリッド最小化は黒レベルのノイズを生成する傾向があること、および乖離最小化が容易に行き詰まる可能性があることをどのように解決するかを示唆する。

(29)および(30)を検討することによっていくつかの観察が得られる。まず、乖離最小化は、その場所のピクセル輝度にほぼ反比例する因子で和を重み付けする。これは、より首尾よく黒レベルを正しく保持するように思われるが、比の中の和は均衡しておらず、すなわち分子中の項と分母中の項は同じではない。このことは、なぜこの方法が部分解を非常に迅速に得ることができるかを説明することができるが、次いで、良好な最終的解まで進まないことがある。このことは、良好な反復子を均衡させる必要があることを示唆するが、黒レベルを改善するための重み付けは有利となるはずである。

概略的に言えば、記載の方法は以下の一般的形式を有する。

例えば、Φ_iu=1である場合、(32)は高速ユークリッド反復子となる。他の好ましい可能性には、Φ_iu=1/(Θ_iu+γ)、Φ_iu=1/(X_iu+γ)、およびΦ_iu=1/(R_iu+γ)が含まれる。ただしγは0による除算を防止するための小さい値である(例えばγ=0.001)。これらのすべては急速に収束し、(29)に近いRMS輝度誤差が生成されるが、乖離はずっと小さく(当初は(30)ほど急速には乖離しないが、行き詰まると追い付き、追い越す)、また著しいことに、RMSグレイレベル誤差がずっと低く、黒レベルおよび(したがって)(カラーディスプレイにおいて)色彩度の保持が優れている。

例えばΦ_iu=1/(Θ_iu+γ)を考慮し、手順の開始時にXとRは異なり、その結果Φ_iuは1程度となるが、手順が進むにつれてRが小さくなり、Φ_iuは1/(X_iu)に近づき、その結果、手順が進むにつれて収束が向上するように重みが自動的に変化する。任意選択で、例えばある色(例えば緑)について別の色(例えば赤または青)よりも良好な収束が得られるように、重み付けΦ_iuは色依存項(重み付け関数)も含む。これを、例えばRMS誤差またはその他の性能係数によって測定される手順の性能を、人間の目の特性と合致させる助けとすることができる。類似の技法を使用して、低輝度成分に追加の重み付けを与えることにより、人間の目が不釣合いにより敏感であるグレイスケール空間内のノイズを低減することができる。

上記の式をより単純化した形に再表現することも可能であり、それにより実際の応用が容易となる。以下の再表現では代替の命名法を採用し、その命名法では、入力イメージが成分V_xyを有する行列Vによって与えられ、Rが電流行行列、Cが電流列行列、QがVとR・Cとの間の残留誤差、pがサブフレームの数、averageが平均値、gammaが任意選択のガンマ補正関数を表す。

変数が以下のように初期化される。

次いで、NMFシステムの一実施形態は、p=1からサブフレームの合計数までについて以下の計算を実施する。
開始
各xおよびyについて、Q_xy=Q_xy+R_pyC_xp
各yについて、

各xについて、

各xおよびyについて、Q_xy=Q_xy-R_pyC_xp
開始に戻る

変数biasは0による除算を防止し、RおよびCの値はこの値に向かってプルされる。biasについての値を、initialRC×重み付けx×列の数によって求めることができる。ただし列の数はxであり、重み付けは、例えば64から128の間である。

上述の技法は有機LEDベースのディスプレイと無機LEDベースのディスプレイのどちらにも適用可能である。上述のアドレス指定方式は、一方の軸上にパルス幅変調列駆動(時間制御)を有し、他方の軸上に電流分割比(電流制御)を有する。無機LEDでは、電圧は電流の対数に比例するが(したがって電圧の積が電流の対数の和で与えられる)、OLEDでは、2次電流-電圧依存性が存在する。その結果、OLEDを駆動するのに上述の技法が使用されるとき、PWMが使用されることが重要である。これは、電流制御であっても、所与の電流に対して必要なピクセル間の電圧を定義する特性が存在し、電流制御のみでは、サブフレームの各ピクセルについての正しい電圧を必ずしも印加することができないからである。それでも、記載の方式は、OLEDで正しく動作する。所望の電流を達成するように行が駆動され、PWM時間で列が駆動され、実質的に列および行の駆動が分離され、したがって2つの別々の制御変数を与えることによって電圧変数と電流変数が分離されるからである。

いくつかの別の最適化は以下の通りである。

電流が行の間で共有されるので、ある行内の電流が増大する場合、残りの行内の電流が減少し、したがって好ましくは(必須でないが)、基準電流およびサブフレーム時間が補償のためにスケーリングされる。例えば、各サブフレーム内のピークピクセル輝度を等しくするという目標で、サブフレーム時間を調節することができる(最悪/ピーク輝度エージングも低下する)。実際には、このことは、最短の選択可能なサブフレーム時間によって制限され、最大列駆動電流によっても制限されるが、調節は2次最適化だけであるので、このことは問題でない。

後に、サブフレームが漸進的に小さくなる補正を適用し、したがってサブフレームは、全体的に暗くなる傾向があり、一方、初期のサブフレームは明るくなる傾向がある。PWM駆動では、PWMサイクルの開始が常にサイクルの「オン」部分であるのではなく、PWMサイクルの開始をランダムにディザリングすることによってピーク電流を低減することができる。直接的な実際の実装では、オフ時間が50%より多い場合、有効な期間の終わりにPWMサイクルの半分について「オン」部分タイミングを開始することにより、より単純に類似の利点を達成することができる。これは、潜在的にはピーク行駆動電流を50%低減することができる。

赤(R)、緑(G)、および青(B)(サブ)ピクセルを含む行では(すなわち、RGB、RGB、RGB行パターン)、各(サブ)ピクセルは異なる特性を有するので、行に印加される所与の電圧は、それぞれの異なる色のOLED(サブ)ピクセルについて正確な所望の駆動電流を達成しない可能性がある。したがって、各実施形態では、赤、緑、および青(サブ)ピクセルの別々の駆動可能な行(すなわち、それぞれRRRR...、GGGG...、およびBBBB...パターンを有する3つの行のグループ)でOLEDディスプレイを使用することが好ましい。このタイプのディスプレイ構成はまた、製造上の利点を与えることができる。

OLEDベースのディスプレイを具体的に参照しながら本発明の各実施形態を説明した。しかし、本明細書に記載の技法は、限定はしないが、真空蛍光ディスプレイ(VFD)およびプラズマディスプレイパネル(PDP)、ならびに厚膜および薄膜(TFEL)エレクトロルミネセントディスプレイなどのその他のタイプのエレクトロルミネセントディスプレイ、例えばiFire(RTM)ディスプレイ、大規模無機ディスプレイ、およびパッシブマトリックス駆動ディスプレイを含む他のタイプのディスプレイにも一般に適用可能である。

上述のように、上述の方法の実施形態を専用集積回路上で、またはゲートアレイによって、またはDSP(デジタル信号プロセッサ)上のソフトウェアで、またはそれらの組合せで実装できることを当業者は理解されよう。

従来型NMF手順と比較した、上述の手順に関する収束レートの改善を図１１に示す。この例では本明細書に記載の技法が従来の手順よりも1桁以上高速に収束することがわかる。この例から、本明細書に記載の技法が従来の技法よりも早く収束し始めることもわかる。

上述の技法の実施形態は、わずか5〜20ステップで全フレームMLA解に収束し、高い、またはより高いMUX利得を有する解を生成し、さらに、必要な反復回数が1000に達する可能性のある従来の手順よりもテキストおよびアイコンイメージ内容により良好に対処することのできるイメージデータ処理を提供する。

各実施形態では、速度は、リアルタイムビデオ応用を想定することができるのに十分である。これをMUXレートを劇的に低減する能力と組み合わせることにより、わずかに電力消費が高くなるだけで、アクティブマトリックス同等物よりも非常にコストの低いパッシブマトリックスTVサイズ画面(例えば8インチ以上)が可能となる。一例を挙げると、32インチVGA画面を、アクティブマトリックス同等物よりも50%だけ電力消費が高くなるだけでMLAパッシブマトリックスとして駆動することができる。

恐らく、多くの効果的な代替実施形態を当業者は思い浮かぶことであろう。例えば、上述のイメージ操作計算は、デジタルカメラなどの消費者電子撮像装置によって実施される操作と一般的特徴が異なるわけではなく、この方法の実施形態をそのような装置で好都合に実装することができる。

本発明は記載の実施形態に限定されず、本明細書に添付の特許請求の範囲の思想および範囲内にある、当業者には明らかな修正形態を包含する。

OLED装置の垂直断面図である。パッシブマトリックスOLEDディスプレイの単純化した断面図である。パッシブマトリックスOLEDディスプレイに関する駆動構成の概念図である。周知のパッシブマトリックスOLEDディスプレイドライバのブロック図である。従来の駆動方式に関する行、列、およびイメージ行列を示す図である。マルチラインアドレス指定駆動方式に関する行、列、およびイメージ行列を示す図である。フレーム期間にわたる典型的ピクセルに関する対応する輝度曲線を示す図である。フレーム期間にわたる典型的ピクセルに関する対応する輝度曲線を示す図である。イメージ行列のNMF分解を表わす図である。本発明の一態様を実施するディスプレイドライバを示す図である。図４ｅの行列を使用してディスプレイを駆動する例示的列および行ドライバ構成を示す図である。イメージ行列分解を使用してディスプレイを駆動する方法に関する流れ図である。本発明の態様を実施するNMF手順の流れ図である。残差行列を求めるための、図４ｅのGおよびF行列の選択された列および行の乗算を表わす図である。本発明の一実施形態に従って表示のために処理される開始イメージを示す図である。本発明の一実施形態に従って表示のために処理された反復1を示す図である。本発明の一実施形態に従って表示のために処理された反復2を示す図である。本発明の一実施形態に従って表示のために処理された反復3を示す図である。本発明の一実施形態に従って表示のために処理された10反復後の出力イメージを示す図である。本発明の一実施形態に従って表示のために処理された10反復後の第2の圧縮出力イメージを示す図である。ユークリッドコスト関数(左側のイメージ)および乖離コスト関数(右側のイメージ)を使用して本発明の一実施形態に従って処理されたイメージの反復1を示す図である。ユークリッドコスト関数(左側のイメージ)および乖離コスト関数(右側のイメージ)を使用して本発明の一実施形態に従って処理されたイメージの反復2を示す図である。ユークリッドコスト関数(左側のイメージ)および乖離コスト関数(右側のイメージ)を使用して本発明の一実施形態に従って処理されたイメージの反復3を示す図である。ユークリッドコスト関数(左側のイメージ)および乖離コスト関数(右側のイメージ)を使用して本発明の一実施形態に従って処理されたイメージの反復10を示す図である。従来型NMF手順と比較した、本発明の一実施形態による手順に関する収束レートの改善を示す図である。

符号の説明

104 陽極金属
106 正孔移送層
108 エレクトロルミネセント
110 陰極層
111 金属容器
150 OLEDディスプレイ装置
152 エレクトロルミネセントピクセル
154 導電線
158 陽極線
200 定電流発生器
202 電源ライン
204 列ライン
206 行ライン
208 グランド線
210 切換え接続
212 ピクセル
300 汎用ドライバ回路
302 OLEDディスプレイ
304 行ライン
306 行電極接点
308 列ライン
310 列電極接点
314 y-ドライバ
316 x-ドライバ
318 プロセッサ
320 電源
500 パッシブマトリックスOLEDドライバ
502 データおよび制御バス
503 フレームストアメモリ
505 読取りバス
506 ディスプレイ駆動プロセッサ
507 プログラムメモリ
507a 取外し可能ストレージ
508 クロック
509 列データ入力
511 行データ入力
1000 列ドライバ
1002 電流源
1010 行ドライバ
1012 プログラマブルカレントミラー

Claims

1対の行列(F、G)を求めるために非負行列分解を使用して目標行列(X)を定義するデータアレイ内のデータをデジタル処理する方法を含む、ディスプレイを駆動する方法であって、前記対の第1行列は前記データを表す1組の特性を決定し、前記対の第2行列は前記特性の重み付けを決定し、それによって前記第1行列と前記第2行列の積が前記目標行列を近似し、
前記データをデジタル処理する方法は、
目標行列データ(X)を入力する過程と、
前記第1および第2行列の一方の行と、前記第1および第2行列の他方の列とを選択する過程と、
前記目標行列に対する前記選択した行および列の目標寄与(R)を求める過程と、
非負制約を条件として、前記目標寄与から前記選択した行および列に関する更新値を求める過程と、
すべての前記行および列が更新されるまで、前記第1および第2行列の他の行および列について、前記選択する過程および前記求める過程を反復する過程と、
を含み、
前記目標寄与(R)を求める過程は、前記目標行列(X)と、前記選択した行および列を除く前記第1および第2行列のすべての行および列から求めた重み付けされた特性の和との差を求める過程を含み、
前記目標寄与は前記差であるディスプレイを駆動する方法。

前記更新値を求める過程は、
前記選択した行の以前の値とは実質的に無関係に、前記選択した行に関する新しい値を求める過程と、
前記選択した列の以前の値とは実質的に無関係に、前記選択した列に関する新しい値を求める過程と、
を含む請求項１に記載のディスプレイを駆動する方法。

前記更新値を求める過程は、G_ia=f₁(R,F)およびF_au=f₂(R,G)の値を計算する過程を含み、
上式で、RはI行U列の行列であり、FはA行U列の行列であり、GはI行A列の行列であり、f₁およびf₂は第1関数および第2関数を示し、G_iaはGのi行a列におけるデータ要素を示し、F_auはFのa行u列におけるデータ要素を示す請求項１または２に記載のディスプレイを駆動する方法。

f₁およびf₂は、前記選択した行および列の積の前記目標寄与に対する近似の品質を測定するコスト関数を最小にするように選択される請求項３に記載のディスプレイを駆動する方法。

前記コスト関数は、前記選択した行および列の積と前記目標寄与との間の平方ユークリッド距離である請求項４に記載のディスプレイを駆動する方法。

前記コスト関数は、前記選択した行および列の積と前記目標寄与との間の乖離関数である請求項４に記載のディスプレイを駆動する方法。

G_iaおよびF_auは、

に従って求められ、上式で、R_iuは、Rのi行u列におけるデータ要素を示し、Rは、

によって与えられ、Φ_iuは、I×U行列Φのi行u列におけるデータ要素を示す請求項３または４に記載のディスプレイを駆動する方法。

Φ_iuはすべてのiおよびuについてほぼ1である請求項７に記載のディスプレイを駆動する方法。

Φ_iuは、Φ_iu=I/(Z_iu+γ)という形式を有し、
上式でZ_iuは、XおよびRの少なくとも一方に依存するI×U行列のi行u列におけるデータ要素を示し、γは正である請求項７に記載のディスプレイを駆動する方法。

AはIおよびUの小さい方より小さい請求項３から９のいずれか一項に記載のディスプレイを駆動する方法。

前記第1および第2行列を初期化する過程をさらに含む請求項１から１０のいずれか一項に記載のディスプレイを駆動する方法。

前記データは、時系列イメージにおけるイメージについてのイメージデータを含み、
前記初期化は、前記イメージと前のイメージとの差の程度に依存する請求項１１に記載のディスプレイを駆動する方法。

前記非負制約を条件として求める過程は、前記更新値が負となる場合に、前記更新値をほぼ0に設定する過程を含む請求項１から１２のいずれか一項に記載のディスプレイを駆動する方法。

前記更新値を、最小値と最大値との間にあるように制限する過程をさらに含む請求項１から１３のいずれか一項に記載のディスプレイを駆動する方法。

前記第1および第2行列のすべての行および列の前記更新を複数回反復する過程をさらに含む請求項１から１４のいずれか一項に記載のディスプレイを駆動する方法。

前記データはイメージを定義するイメージデータを含み、
前記第1行列によって決定される1組の前記特性は、前記第2行列によって決定される前記重み付けに従って組み合わされるときに前記イメージを近似する1組のサブフレームを構成する請求項１から１５のいずれか一項に記載のディスプレイを駆動する方法。

行および列として配置された複数のピクセルを含むディスプレイを駆動する方法であって、
前記デジタル処理する方法を使用して、表示用のデータを前記目標行列データ(X)として処理し、前記第1および第2行列(F、G)を求め、複数のサブフレームを使用してイメージを形成するために前記ディスプレイを駆動し、
各サブフレームは、前記第1および第2行列の一方の行と前記第1および第2行列の他方の列とに応答して駆動されるピクセルの行および列を有する請求項１に記載のディスプレイを駆動する方法。

プロセッサ制御コードを保持する保持媒体であって、前記プロセッサ制御コードが実行されるとき請求項１から１７のいずれか一項に記載のディスプレイを駆動する方法が実行される保持媒体。

請求項１に記載のディスプレイを駆動する方法を実装するように構成されたコンピュータシステムであって、前記方法は前記目標行列データ(X)を入力する過程を含み、
前記システムは、
前記データアレイに関する前記データのための入力部と、
前記第1および第2行列を出力するための出力部と、
前記目標行列および前記行列の対を格納するデータメモリと、
プロセッサ制御コードを格納するプログラムメモリと、
前記入力部と、前記出力部と、前記データメモリと、前記プロセッサ制御コードをロードおよび実行する前記プログラムメモリとに結合されたプロセッサと、
を備え、
前記コードは、実行されるときデータをデジタル処理する前記方法が実行されるシステム。

ピクセルの行列を有するディスプレイを駆動する機器であって、前記駆動することは、1対の行列(F、G)を求めるために非負行列分解を使用して目標行列(X)を定義するデータアレイ内のデータをデジタル処理することを含み、前記対の第1行列は前記データを表す1組の特性を決定し、前記対の第2行列は前記特性の重み付けを決定し、それによって前記第1行列と前記第2行列の積が前記目標行列を近似し、
前記機器は、
目標行列データ(X)を入力する手段と、
前記第1および第2行列の一方の行と、前記第1および第2行列の他方の列とを選択する手段と、
前記目標行列に対する前記選択した行および列の目標寄与(R)を求める手段と、
非負制約を条件として、前記目標寄与から前記選択した行および列に関する更新値を求める手段と、
すべての前記行および列が更新されるまで、前記第1および第2行列の他の行および列について、前記選択することおよび前記求めることを反復する手段と、
を備え、
前記目標寄与(R)を求めることは、前記目標行列(X)と、前記選択した行および列を除く前記第1および第2行列のすべての行および列から求めた重み付けされた特性の和との差を求めることを含み、
前記目標寄与は前記差である機器。