液晶显示器应用于生活中方方面面,例如家电、移动设备、视频监控、视频会议、系统生产调度、传媒等诸多领域。显示器的动态范围对图像细节的表达、图像对比度的提升至关重要,因此开发高质量液晶显示器的关键之一就是提高其动态范围。鉴于传统液晶显示器采用的全局调光技术功耗大、存在漏光现象、对比度受限等问题,为此,人们提出了区域调光技术,以降低设备功耗,提高对比度,改善显示效果。现有的区域调光算法只适应于特定图像亮度等级和对比度类型,没有综合考虑各种图像特征。此外,一种合适的区域调光算法应在具有高效性能的同时获得较高的视觉质量,然而现有的区域调光方法大多不能同时具备上述优点。针对以上问题,本文以LED-LCD直下式图像视频显示原理样机为平台开展区域调光技术研究,主要的研究内容如下:（1）基于深度学习在图像特征提取等方面的显著成就,将深度学习应用于区域调光领域。结合客观指标评价和主观视觉评价提出一种区域背光提取的数据测量方法及系统,构建用于深度学习的区域背光提取数据库。将卷积神经网络应用在区域背光提取当中,得到高显示质量的背光提取方法,争取接近或达到自然场景中可表示的动态范围,以在显示端重现真实的自然场景。（2）将最优化方法用于解决区域调光问题,以功耗和图像对比度为约束条件,以表征图像失真的峰值信噪为目标。为了保证区域调光算法的效率,以贪心算法为基础改进设计了一种新的启发式区域调光算法。为了提高贪心算法的全局优化能力,提出了一种基于取出-放入策略和变步长搜索策略的改进算法,使显示图像具有较高的视觉质量。通过与不同方法的实验对比,在显示原理样机上进行显示,验证了所提神经网络背光提取方法的有效性和实用性。通过对不同类型图像的实验,与多种传统算法和启发式算法进行比较,结合客观评价指标和在显示原理样机上的主观评价结果,表明了所提的启发式区域调光算法在相同或更低功耗的情况下获得了更高的视觉质量。