Page 123 - 《软件学报》2020年第9期

2744 Journal of Software 软件学报 Vol.31, No.9, September 2020

不予关注,此时将手指覆盖的区域调节至完全黑暗,即将该区域范围像素点的像素值调至为零,相邻区域进行部
分变暗处理,该方法可以有效将该区域的功耗显著降低,同时对图像整体的视觉效果未产生明显的影响.但该方
法未对屏幕的其他区域进行调节,存在进一步的优化空间.
Choubey [14] 基于人类视觉感知特点及感知显示内容,提出选择性关闭部分像素点的功耗优化方法,其根据
人类视觉系统最少可辨视觉阈值,计算当两个点光源之间的距离小于 0.04mm~0.05mm 时,在视觉效果上二者被
视作为同一个光源.因此对于高清甚至超清的 AMOLED 显示器,关闭部分像素点以降低显示功耗.其在实现时
只关闭图像的部分区域,存在进一步优化的空间.Chen [22] 提出一种基于图像空间的节能可视化方案,其核心思
路是:通过图像边缘检测算法获取图像的兴趣域,保留图像的兴趣域的同时抑制非兴趣的图像信息,实现保留图
像整体视觉效果的同时降低显示功耗.该方法在一定程度上实现了功耗优化,但其未对图像多区域优化进行深
入讨论,因此也存在继续优化的空间.
上述研究 [17−22] 为降低 AMOLED 显示功耗提供了思路,即:通过视觉感知算法对显示内容进行感知,而不是
通过简单的假设确定需要优化的区域.由于人类视觉感知系统的筛选机制,人类通常对图像中重要区域关注度
较高,该区域在计算机视觉系统中称为图像的“兴趣域”;同时,对图像中非重要区域信息(通常称为“非兴趣域”)
关注度较低.目前,对图像内容感知主要通过图像显著区域计算 [23] ,图像的视觉显著性信息能够反映图像中不同
区域对人视觉系统刺激程度,因此,通过视觉感知算法对显示内容进行感知,根据人们的视觉特性对显示内容划
分不同的区域,对不同的区域在不影响图像整体视觉效果的同时进行像素调整,实现降低显示内容的功耗.目
前,显著区域检测主要算法 [23−29] 及其性能分析见表 2.图 2 为 CS [28] 算法显著区域检测的 3 张测试图.

Table 2 Performance comparison of different algorithm for salient region detection
表 2 图像显著区域检测各算法性能指标
Algorithm Processing time (s) Precision Recall AUC F-measure
IT [23] 2.271 0.645 6 0.332 3 0.530 2 0.524 3
AC [24] 1.071 0.613 2 0.475 7 0.574 9 0.575 4
SR [25] 0.057 0.578 9 0.443 5 0.540 8 0.557 8
PFT [26] 0.049 0.610 8 0.459 4 0.564 1 0.567 7
PQFT [27] 0.103 0.655 4 0.461 2 0.597 3 0.628 9
CS [28] 0.065 0.699 8 0.492 4 0.612 5 0.654 7
Itti [29] 0.067 0.712 1 0.487 4 0.631 2 0.679 8

Fig.2 CS algorithm (from left to right are original graph, abstract graph, salient graph and standard graph)
图 2 CS 算法显著区域检测(从左至右依次为原图、抽象图、显著图及标准图)

从视觉效果上,算法可以有效地检测出图像的显著区域,同时为功耗优化提供图像的多区域特征图(multi-
region saliency map),根据特征图对图像不同的区域计算在满足视觉效果限制条件下的像素调节阈值.此时,即