基于图像分割的移动设备显示器省电方法技术

本发明专利技术提供了基于图像分割的移动设备显示器省电方法，通过卷积操作、上下文正则化操作和循环迭代操作解决了现有同类算法图像区域和非图像区域分割不准确的问题，尤其解决了预测图片大面积错误和边缘分割不清晰的问题，提高了图像分割准确程度，进而降低图像中非图像区域的亮度，在有效保持图像质量的同时，使得显示器耗电程度可以随用户的使用偏好进行调节。

【技术实现步骤摘要】
基于图像分割的移动设备显示器省电方法
本专利技术涉及OLED自发光显示器省电领域，尤其涉及一种基于图像分割的移动设备显示器省电方法。
技术介绍
当今社会，手机、平板电脑等智能移动设备已被广泛使用。显示器作为智能移动设备中人机交互不可或缺的界面，主要分为非自发光显示器和自发光显示器。有机发光二极管(OrganicLight-Emitting,OLED)作为一种现代新兴的自发光显示器技术，不同于传统的非自发光显示器，每一个像素都可以提供光源，其亮度可以根据所显示的图像的内容单独调节，易于有效控制电池消耗。因此，目前应用OLED自发光显示器的功率约束图像增强算法是一个研究热点。现有的自发光显示器的功率约束图像增强算法已经有很多。Lee等人提出了一种基于直方图的可修改的修正技术，改进了Jan等人方法的抑制率。虽然这些方法可以保持图像质量，但其节能率较低。因此，Lee等人提出了一种基于直方图的可修改的修正技术，改进了Jan等人方法的抑制率。虽然这些方法可以保持图像质量，但其节能率较低。因此，基于OLED显示器，大家当前公认的降低耗能技术是基于改变像素亮度值来增加电池寿命，这种方法在近些年受到非常多的关注。另外一种专门应用于视频播放器的OLED显示器节能方法是一种基于场景分类的动态色调映射方法。尽管这种方法优化了显示器的能量消耗，但是视频分类器在某些特定的场景中是失败的。Park等人提出了一种在图像中降低人的感知的α混合方法来降低显示器的功耗。这种方法虽然实现了视频处理的低计算复杂度，但是在不同图像的处理中需要初始化确定的参数，这在实际中是很难实现的。Nam等人提出的一个基于功率受限对比度增强(SDMSR)的多阶的视网膜大脑皮层方法，其中输入图片被分成不同的子模块并且计算出对于每一个局部的调整像素强度合适的增益，直到到达能量的目标消耗。然而使用这些规定的假设或者先验的对比度增强去过分的校准每一个像素的强度的方法，增强图像可能会出现效果差强人意的人造图像或者造成图像退化。为了减少图像像素强度的退化，基于校准的人造图像出现，例如Chang等人提出了一种可调光的感知像素，使用减法因子降低像素亮度值，这种方法通过结构相似性(SSIM)的评估，允许不通过任何设备显示器的先验的知识，直接判断显示器内容的像素强度。Chondro等人提出的应用于AMOLED显示器且以感知色调为目标的节能方法，对于输入图片的局部亮度通过临近区域的颜色进行抑制。通过根据色调转换增加每一个像素的结构会使能量消耗更加减少，尽管此方法在节能和图像质量方面有一定的权衡，但是其计算复杂度太高，影响影音播放器的使用。Chang等人的方法是对Chondro等人的方法通过抑制过度曝光区域和蓝色光谱来进一步提高的方法。Kang等人直接延展出基于SSIM评估和感知质量能量减少(PQPR)算法，PQPR算法的思想是输入图片线性的转换，基于获得的灰阶图像曲线进行图像增强。后来又提出了一种在OLED显示器中基于图像质量能量控制(IQPC)算法，这是对Kang等人方法的改进。IQPC方法为了减少错误以避免图像质量损失，提出一个曲线目标函数。之后提出的原始亮度二极管能量控制(OLEDPC)算法，是对IQPC的直接延展。Chondro等人提出一种基于直方图均衡化的显示器功率约束对比增强算法(HDPCCE)。该算法利用凸优化理论最小化目标函数，同时实现对比度增强和节电。OLEDPC方法设计另外的一个目标函数，决定灰阶图曲线，全局的校准基于图像质量的输入图片的像素强度。最近，Chondro等人采用颜色保持像素调光(HPPD)方法，提出一个色调饱和值颜色图(HSV)，目的在于抑制AMOLED显示器的能量消耗。然而，现有的功率约束图像增强算法有2个明显的不足之处。第一，影响视觉感受。现有的方法都是直接将整张图片进行调整，这种操作会损失图像的细节信息，影响视觉感受。第二，省电的程度较小。现有的方法实际应用于智能移动设备时，用户不能根据自身需要灵活调整所需的省电程度，体验感较差。因此，目前应用OLED自发光显示器的功率约束图像增强算法是一个研究热点。
技术实现思路
本专利技术的目的在于提供基于图像分割的移动设备显示器省电方法，能够根据上下文正则化的循环深度学习框架的分割图像，进而降低图像中非图像区域的亮度，在有效保持图像质量的同时，使得显示器耗电程度可以随用户的使用偏好进行调节。为了实现上述目的，本专利技术采用以下技术方案：基于图像分割的移动设备显示器省电方法，其特征在于，包括以下步骤：步骤1：对输入图片在VGG19-FCN网络中进行卷积操作，其中，VGG19-FCN网络由18个卷积层、5个池化层和3个反卷积层构成；具体包括以下步骤：步骤1.1：卷积层操作，采用以下方法：假设是第l层卷积层的第i层特征映射，定义特征映射为输入量，为输出量，即二值掩膜图，卷积操作如公式(1-1)所示：其中，是第l层卷积层的第i层卷积层的卷积核，是第l层卷积层的第i层卷积层的偏差参数；n是在中特征映射的数量，*表示为卷积操作，f(·)为激活函数；步骤1.2：池化层最大池化操作，采用以下公式(1-3)表示：其中，Ω(m,n)表示特征向量的空间向量的位置(m,n)，△代表在本算法框架的第7层中；步骤1.3：反卷积层操作，采用以下方法：将第一层卷积层的第5层的输出量反卷积到原图大小，再将第一层卷积层的第4层的输出和第3层的输出量也依次反卷积，得到反卷积操作用公式(1-4)表示：其中是第l层卷积层的第i层卷积层的卷积核，表示为反卷积操作；步骤1.4：调整学习率，采用以下方法：学习率的调整如公式(1-5)所示：其中，Rt为学习率，t为变化计数，t＝0，1，2，3；α为衰减指数；ρ＝0.90；步骤2：对卷积层输出的二值掩膜图上下文正则化操作，具体包括以下步骤：步骤2.1：定义为在位置(m,n)的像素，Xg是灰度图，则Xg在位置(m,n)的像素I(m,n)为：其中，η是最原始的误差，η为：其中，为最小化误差参数η，表示Frobenius范数操作；步骤2.2：定义约束函数：其中，是像素周围8个方向的像素；步骤2.3：定义权重函数W(m,n)：当W(m,n)＝0时，m和n之间的相应上下文约束将被取消；步骤2.4：基于两个相邻像素的向量之间的平方差的方法，构造权重函数W(m,n)：其中，σ为规定参数，σ＝0.5，I(m+Δm,n+Δn)为Xg的输入像素周围8个方向的像素；步骤2.5：在图像域中加入加权上下文约束，改写公式(1-9)为：其中，ω代表8个所在位置的像素的不同方向；步骤2.6：定义高阶滤波器DΔm,Δn，使DΔm,Δn在每一个位置(Δm,Δn)的值都满足：即使DΔm,Δn在每一个位置(Δm,Δn)的值都满足其中，ω表示指标集，为像素的乘法算子，为卷积算子，DΔm,Δn表示一个一阶微分算子，WΔm,Δn表示像素在(Δm,Δn)的一个加权矩阵，||·||1表示曼哈顿距离的评估；步骤2.7：定义并最小化下面的目标函数，目标函数(1-14)由公式(1-7)和公式(1-13)得：其中，ξ是平衡两个条件的正则化参数；对于符合以下公式：步骤2.8：定义辅助变量重写公式(1-15)：其中，β为预定义的比例因子，β的初始值β0为1，最大值βm本文档来自技高网...

【技术保护点】
1.基于图像分割的移动设备显示器省电方法，其特征在于，包括以下步骤：步骤1：对输入图片

【技术特征摘要】
1.基于图像分割的移动设备显示器省电方法，其特征在于，包括以下步骤：步骤1：对输入图片在VGG19-FCN网络中进行卷积操作，其中，VGG19-FCN网络由18个卷积层、5个池化层和3个反卷积层构成；具体包括以下步骤：步骤1.1：卷积层操作，采用以下方法：假设是第l层卷积层的第i层特征映射，定义特征映射为输入量，为输出量，即二值掩膜图，卷积操作如公式(1-1)所示：其中，是第l层卷积层的第i层卷积层的卷积核，是第l层卷积层的第i层卷积层的偏差参数；n是在中特征映射的数量，*表示为卷积操作，f(·)为激活函数；步骤1.2：池化层最大池化操作，采用以下公式(1-3)表示：其中，Ω(m,n)表示特征向量的空间向量的位置(m,n)，△代表在本算法框架的第7层中；步骤1.3：反卷积层操作，采用以下方法：将第一层卷积层的第5层的输出量反卷积到原图大小，再将第一层卷积层的第4层的输出和第3层的输出量也依次反卷积，得到反卷积操作用公式(1-4)表示：其中是第l层卷积层的第i层卷积层的卷积核，表示为反卷积操作；步骤1.4：调整学习率，采用以下方法：学习率的调整如公式(1-5)所示：其中，Rt为学习率，t为变化计数，t＝0，1，2，3；α为衰减指数；ρ＝0.90；步骤2：对卷积层输出的二值掩膜图上下文正则化操作，具体包括以下步骤：步骤2.1：定义为在位置(m,n)的像素，Xg是灰度图，则Xg在位置(m,n)的像素I(m,n)为：其中，η是最原始的误差，η为：其中，为最小化误差参数η，表示Frobenius范数操作；步骤2.2：定义约束函数：其中，是像素周围8个方向的像素；步骤2.3：定义权重函数W(m,n)：当W(m,n)＝0时，m和n之间的相应上下文约束将被取消；步骤2.4：基于两个相邻像素的向量之间的平方差的方法，构造权重函数W(m,n)：其中，σ为规定参数，σ＝0.5，I(m+Δm,n+Δn)为Xg的输入像素周围8个方向的像素；步骤2.5：在图像域中加入加权上下文约束，改写公式(1-9)为：其中，ω代表8个所在位置的像素的不同方向；步骤2.6：定义高阶滤波器DΔm,Δn，使DΔm,Δn在每一个位置(Δm,Δn)的值都满足：即使DΔm,Δn在每一个位置(Δm,Δn)的值都满足其中，ω表示指标集，为像素的乘法算子，为...

【专利技术属性】
技术研发人员：渠慎明，苏靖，程普，张东生，刘珊，渠梦瑶，王青博，张济仕，
申请(专利权)人：河南大学，
类型：发明
国别省市：河南,41