[发明专利]基于图像分割的移动设备显示器省电方法

摘要

本发明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。

主权项

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，X^g是灰度图，则X^g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，D_Δm,Δn表示一个一阶微分算子，W_Δm,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β_max为2²，通过比例因子反复增加β，使其从最小值0到最大值2²；步骤2.9：首先，固定优化因此，可以直接在位置(m,n)中最优化其中，sign(·)是信号函数；其次，固定优化因为公式(1‑19)是的二次方程，因此可以重写公式(1‑19)：步骤2.10：使用二维傅里叶变换和假设循环边界条件优化计算出最优解Y*：其中，τ是傅里叶变化，τ(·)‑1是反傅里叶变化；步骤3：循环迭代操作，包括以下步骤：步骤3.1：在经过上下文正则化计算之后，将得出的最优解Y*与输入的RGB图片Xil做像素值的相乘，得到一张相乘后的图片Y；步骤3.2：将步骤3.1中的Y作为输入，重复进行步骤1、步骤2和步骤3.1，基于Y的熵值，设置熵值临界值6.92，使迭代从0到6.92进行，直至预测出与真相最为接近的二值掩膜图Y’；步骤4：根据步骤3.2的Y’，将OLED自发光显示器显示的图片的图像区域保持不变，非图像区域进行像素亮度值的降低。