Page 126 - 《软件学报》2020年第9期

李德光 等:基于视觉显著性的 AMOLED 显示器多区域功耗优化 2747

曲线为红色颜色分量的屏幕功耗,二者屏幕功耗相对较小.从图 3(a)得知,各颜色分量的功耗函数是一个非线性
函数.为简化计算,对 3 个非线性函数使用最小二乘法进行曲线拟合,得到颜色分量与功耗之间的线性关系如图
3(b)所示.

7 7
6 Red 6 Red
Green 5 Green
5
Blue
Blue
Power(uw) 4 3 Power(uw) 4 3
1 2 2 1
0 0
0.0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0 0.0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0
Intensity Intensity
(a) (b)
Fig.3 Power consumption of three color under different intensities and power consumption after linear fitting
图 3 3 种颜色分量在不同强度下的功耗及线性拟合后的功耗

3 AMOLED 多区域视觉显著性计算及像素调节方法

多区域视觉显著性计算是指通过视觉显著性算法对内容引起用户的视觉关注度进行区分,对不同的区域
进行不同程度的功耗优化,实现在降低功耗的同时保证视觉效果,该步骤是功耗优化的关键.基于视觉关注的
AMOLED 显示内容多区域感知是指根据人类视觉特性,通过视觉感知算法获取显示内容的显著区域.在计算机
视觉中,该区域通常也称为获取图像的兴趣域.图像的感兴趣域 ROI(region of interest)是指图像中最能引起用户
兴趣的、最能表现图像特征的区域.研究 [29] 表明:人类视觉系统与生俱来具备处理复杂场景的能力,人类视觉系
统可以快速扫描整个场景,并聚焦到最相关的区域,快速准确地滤除次要、冗余的视觉信息,进而快速锁定重要
目标,此即人类视觉关注的筛选机制.通常,在视觉关注早期可以快速锁定图像亮度对比度突出的区域,而那些
与周边不同的像素区域将吸引更多的视觉关注.本文正是基于此特性,对显示内容基于视觉关注度进行划分不
同区域,对显示内容的不同区域,根据其视觉关注度进行区分,实现显示内容多区域感知.通过筛选区分,进而进
行像素动态调节,从而实现在保证图像整体视觉效果的同时降低显示功耗.
对于任意一幅图像,首先通过视觉显著性算法获取图像的显著性图(saliency map),根据显著图确定图像中
各像素点的视觉关注度(visual attention),根据图像各像素的视觉关注度,将图像进行分割成不同的特征区域.本
文基于 Itti [29] 提出的基于显著性的快速场景分析视觉注意模型对显示内容进行多区域划分,Itti 算法首先对输
入图像进行线性滤波,在多个特征通道和多尺度的分解,得到各个特征通道的特征图,最后再对特征图做融合.
为提高图像显著图的准确度及平衡由于运行算法带来的计算功耗,本文针对 Itti 算法进行部分优化,以满足上述
要求,算法流程图如图 4 所示.

Fig.4 Image multi-area segmentation based on Itti algorithm
图 4 基于 Itti 算法的图像多区域分隔