一种内容感知的显示控制方法技术

本发明专利技术涉及显示图像控制的技术领域，公开了一种内容感知的显示控制方法，所述方法包括：构建内容感知模型；基于训练损失函数对内容感知模型参数进行迭代优化，得到最优内容感知模型；利用最优内容感知模型对待显示图像进行目标实体感知，并选取符合预设感知内容的图像区域作为感知目标实体图像；利用感知目标背光修正模型对待显示图像中感知目标实体图像进行修正，并将修正后的待显示图像进行显示。本发明专利技术利用内容感知模型提取待显示图像中结合上下文信息的先验语料分布向量作为感知内容向量，并选取符合预设感知内容的图像区域作为感知目标实体图像进行亮度修正，实现基于图像感知内容的自适应提高显示图像整体对比度，增强显示效果。增强显示效果。增强显示效果。

【技术实现步骤摘要】
一种内容感知的显示控制方法


[0001]本专利技术涉及图像显示控制的
，尤其涉及一种内容感知的显示控制方法。

技术介绍

[0002]液晶显示器本身并不发光需要背光源为显示区域提供亮度，传统显示器背光无法自适应调节导致图像显示质量较差，进而影响图像显示效果，无法凸显原始图像的对比度。针对该问题，本专利技术提出一种内容感知的显示控制方法，智能化感知图像内容并自适应调节显示器不同点位的亮度，提高显示图像整体对比度，增强显示效果。

技术实现思路

[0003]有鉴于此，本专利技术提供一种内容感知的显示控制方法，目的在于：1)构建得到一种内容感知模型，依次提取待显示图像的关键目标图、添加先验语料信息的嵌入向量，并基于嵌入向量对先验语料信息进行迭代优化，得到待显示图像中结合上下文信息的先验语料分布向量，即感知内容向量，实现图像的内容感知，并选取符合预设感知内容的待显示图像中的图像区域作为感知目标实体图像，利用感知目标背光修正模型对待显示图像中感知目标实体图像进行自适应亮度修正，智能化感知图像内容并自适应调节显示器不同点位的亮度，提高显示本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种内容感知的显示控制方法，其特征在于，所述方法包括：S1：构建内容感知模型以及训练损失函数，所构建模型包括目标实体感知模块、特征融合嵌入模块以及感知内容输出模块；S2：基于训练损失函数对内容感知模型参数进行迭代优化，得到最优内容感知模型；S3：利用最优内容感知模型对待显示图像进行目标实体感知，得到不同图像区域的感知内容向量，并选取符合预设感知内容的图像区域作为感知目标实体图像；S4：构建感知目标背光修正模型，所构建模型以感知目标实体图像为输入，以修正背光后的图像为输出；S5：利用感知目标背光修正模型对待显示图像中感知目标实体图像进行修正，并将修正后的待显示图像进行显示。2.如权利要求1所述的一种内容感知的显示控制方法，其特征在于，所述S1步骤中构建内容感知模型中的目标实体感知模块，包括：构建内容感知模型中的目标实体感知模块，其中目标实体感知模块以待显示图像为输入，以关键目标图为输出；目标实体感知模块包括特征图提取层、3层关键目标检测层以及输出层，特征图提取层包括卷积层以及池化层，用于对输入图像进行卷积、池化处理，得到输出图像的特征图，关键目标检测层包括卷积层，用于对特征图进行卷积处理，得到特征图的关键目标中心点、关键目标中心点目标框以及关键目标关系，输出层输出标记关键目标的特征图，作为关键目标图；其中目标实体感知模块中的待优化参数为不同卷积层中卷积核的权重以及偏置量，卷积层中卷积核的尺寸为3
×3×
3，分别对应输入图像的宽、长以及颜色通道。3.如权利要求2所述的一种内容感知的显示控制方法，其特征在于，所述S1步骤中构建内容感知模型中的特征融合嵌入模块，包括：构建内容感知模型中的特征融合嵌入模块，其中特征融合嵌入模块以关键目标图和先验语料为输入，以嵌入向量为输出，先验语料为关键目标图中关键目标的先验语义关系；特征融合嵌入模块为编码结构，包括全连接层以及输出层，其中全连接层用于将关键目标图以及先验语料进行嵌入整合，输出层将嵌入整合结果作为嵌入向量进行输出，其中特征融合嵌入模块中的待优化参数为全连接层的矩阵向量。4.如权利要求3所述的一种内容感知的显示控制方法，其特征在于，所述S1步骤中构建内容感知模型中的感知内容输出模块，包括：构建内容感知模型中的感知内容输出模块，其中感知内容输出模块以嵌入向量为输入，以感知内容向量为输出；感知内容输出模块为基于感知内容解码的LSTM结构，利用LSTM对嵌入向量中的先验语料进行迭代更新，得到嵌入向量中结合上下文的先验语料分布向量，作为嵌入向量的感知内容向量；其中基于LSTM结构的嵌入向量迭代更新流程为：S11：令当前迭代次数为k，k的初始值为0，设置最大迭代次数为K；S12：更新感知内容输出模块中LSTM结构状态以及先验语料分布：A1
k+1
＝Sigmoid(W
A1,f
f+W
A1,m
m
k
)A2
k+1
＝Sigmoid(W
A2,f
f+W
A2,m
m
k
)
A3
k+1
＝Sigmoid(W
A3,f
f+W
A3,m
m
k
)A4
k+1
＝A2
k+1
⊙
A1
k+1
⊙
tanh(W
A4,f
f+W
A4,m
m
k
)m
k+1
＝A3
k+1
⊙
A4
k+1
其中：f表示输入感知内容输出模块的嵌入向量，m
k
表示先验语料的第k次迭代结果，m0表示输入到特征融合嵌入模块的先验语料；A1、A2、A3、A4分别表示LSTM结构的输入门、遗忘门、输出门以及记忆单元，A1
k+1
,A2
k+1
,A3
k+1
,A4
k+1
为第k+1次迭代后的LSTM结构状态；W
A1,f
,W
A2,f
,W
A3,f
,W
A4,f
分别表示LSTM结构中输入门、遗忘门、输出门以及记忆单元对嵌入向量处理的权重矩阵向量，W
A1,m
,W
A2,m
,W
A3,m
,W
A4,m
分别表示LSTM结构中输入门、遗忘门、输出门以及记忆单元对先验语料处理的权重矩阵向量；
⊙
表示逐元素相乘处理；S13：若k+1达到最大迭代次数，即k+1＝K，则将m
k+1
作为嵌入向量f中结合上下文信息的最终先验语料，并利用softmax函数对m
k+1
进行处理，得到嵌入向量f的感知内容向量f
′
＝Softmax(m
k+1
)，其中softmax函数用于得到m
k+1
中每个关系谓语的概率，作为结合上下文信息的先验语料分布向量，即感知内容向量；否则令k＝k+1，返回步骤S12。5.如权利要求1所述的一种内容感知的显示控制方法，其特征在于，所述S1步骤中构建内容感知模型的训练损失函数，包括：采集D组训练数据构成训练数据集data，其中每组训练数据包括图像以及对应的图像内容描述向量，所构成的训练数据集data的形式为data＝{(I
d
,y
d
)|d∈[1,D]}，其中(...

【专利技术属性】
技术研发人员：李顺，王晓帆，
申请(专利权)人：上海仙视电子科技有限公司，
类型：发明
国别省市：