使图像更节能OLED智能设备

文摘

现在,越来越多的移动智能设备出现严重;这些设备的能源消耗已经成为一个重要的考虑因素,由于电池容量的限制。显示器是占据主导地位的能源消耗电池供电设备的组件,导致有机发光二极管(OLED)作为一种新的有前景的显示技术,使用不同功率时显示不同的内容由于其发射的特性。这个属性的基础上,我们提出一个方法来提高图像能源效率在OLED显示器通过感知图像内容。我们的方法的关键思想是消除不受欢迎的细节,同时保留感兴趣的区域的图像利用颜色和空间信息。首先,我们使用边缘检测算法提取感兴趣的区域(ROI)的形象。接下来,我们逐步改变亮度和饱和度的地区noninterest (NON-ROI)的形象。然后我们进行详细的实验和案例研究来验证我们的方法;实验结果表明,我们的方法可以平均节省22.5%能源,同时保持高质量的图像。

1。介绍

大数据的快速发展,移动计算和物联网,越来越多的移动智能设备出现在我们的生活。智能手机作为一个典型的智能设备已成为近年来非常受欢迎,和全世界有超过19亿人使用。Gartner预测,他们将从19亿年的2015人增长到2018年超过二十亿(1]。大部分的智能设备是由锂电池供电,而电池的规模和能力是有限的;因此低能耗迫切关心的移动智能设备。

现代智能手机配有多种I / O组件和传感器,如CPU、显示、无线网卡、图形、蓝牙、GPS和音频。许多研究者提出了各种策略来减少能源消耗的移动设备,如李和金(2谁提出了一个新的方法节能智能移动设备和实时哈尔彭et al。3)获得最佳的传输速度阈值在每个检测槽时间减少网络能耗的移动设备。在所有移动设备的组件中,显示器是最耗电的组件,它消耗38 - 50%的总能量(4,5]。与液晶显示器(LCD)面板需要高强度背光,新兴有机发光二极管(OLED)的发光显示像素本身,不需要外部背光照明源。因此这对节约能源给我们带来了新的机遇,从能源消耗OLED取决于每个像素的显示内容。每个像素的OLED显示器发出三个通道的颜色:红、绿、蓝。盾和中6)已经指出,能源消耗的三种颜色是不同的,例如,黑颜色以来的最低能量消耗三个通道的亮度是零,和白色的颜色以来的最高能量消耗所有三个通道的亮度完全填满。许多研究[7- - - - - -13)表明,OLED显示技术被广泛用于各种智能设备,这将成为未来的主流显示技术为移动智能设备;因此探索是很有意义的低能耗的方法移动OLED显示器。

许多尝试提出了减少能源消耗的OLED显示器从不同的方面,主要是通过动态电压缩放OLED显示器(7- - - - - -9,14,15),环境敏感变暗(10- - - - - -12,16- - - - - -18),和颜色重新映射(13,15,19- - - - - -23]。在这些技术中,调光节能是一个简单而有效的方法,从而降低亮度的像素显示在OLED,虽然颜色重新映射由替换实现节能与能源紧缺的配色方案配色方案。盾和中6)首次提出权力建模和优化OLED显示器,他们注意到OLED截然不同的功率消耗时显示不同的颜色由于其发射的特性。调光技术提出了降低能耗的OLED显示器(10- - - - - -12,16- - - - - -18,调光技术的本质是减少三个颜色的亮度组件(R, G, B)在OLED的每个像素,我们可以得出这样的结论:调光技术也是颜色重新映射。与颜色重新映射相比,调光技术是简单而有效的方法,这是广泛应用于手机游戏(11)和视频(22]。启发,我们试图改善图像变暗NON-ROI智能设备的能源效率的形象。

在本文中,我们提出我们的方法通过消除不受欢迎的细节,同时保留图像的感兴趣的地区。我们的方法包括两个主要步骤。首先,我们使用边缘检测算法提取图像的ROI;我们利用经典的精明的边缘检测算法和双边滤波器得到图像的感兴趣的地区。第二,我们改变亮度和饱和度逐渐NON-ROI的形象。我们改变图像的亮度和饱和度的重要区域图像边界,以确保最大的图像质量,可以减少的最大功耗NON-ROI区域同时确保图像的平均结构相似(MSSIM)是满足用户的视觉要求。最后,我们进行详细的实验和案例研究来验证我们的方法;实验结果表明,我们的方法可以平均节省22.5%能源,同时保持高质量的图像,这证明了我们的方法的有效性和效率。

本文的组织如下:相关工作提出了部分2节中,我们的方法阐述了3;给出了部分实验评价和讨论4节中,我们总结我们的研究5。

2。相关的工作

2.1。OLED能量模型

OLED是一种新兴的显示技术,提供更广泛的观看天使和功率效率比传统的LCD和广泛用于商业应用程序显示等各种智能设备和便携式数码设备。OLED显示器和液晶显示器的主要区别是,OLED显示器不需要外部照明和OLED像素的发射。每个像素的OLED包括三个颜色分量,即红、绿、蓝。盾和中6)首次提出权力OLED显示器的建模和优化;他们模仿能力由单个像素,中指定(R, G, B),显示为公式(1)。为了测量一个图像的能量消耗,我们还利用通用OLED电力盾和中提出的模型。 在哪里,,功耗的红、绿、蓝像素的设备,分别。和OLED显示器的功耗像素是(2)。是静态能耗主要由驱动电流的控制芯片,可以通过测量估计的能源消耗完全黑屏。我们可以得到,,通过测量能源消耗为每个通道具有不同强度的水平。图1显示三种颜色不同的能源消耗强度上μoled - 32028 p1 AMOLED显示屏。

2.2。节能

智能设备已经成为每个人生活的一部分,它为我们的日常生活提供越来越多的服务。特别是智能手机,现在有成千上万的应用程序在谷歌游戏和应用程序商店,和这些丰富的应用程序需要电池来提供更多的能量。锂离子电池的容量还受到由于智能设备尺寸和重量的流动性;因此节能智能设备已经成为一个紧迫的问题。许多研究已经从不同方面减少能源消耗的智能设备;特别是对OLED,节能主要有三种方法,即动态电压缩放(7- - - - - -9,14,15),颜色上下文意识到调光(10- - - - - -12,16- - - - - -18),和颜色重新映射(13,15,19- - - - - -23]。

Shin et al。7)首次引入动态驱动电压缩放(dv)的OLED面板技术;这个想法是为了降低电源电压,反过来,显著减少造成的损失功率电压降穿过驱动晶体管以及内部寄生电阻;因此能源保存在OLED显示器面板只有一些小的变化在图像的颜色和亮度;他们的实验表明,他们的方法可以节省高达52.5%的OLED莉娜的能源在保持相同的图像质量的形象。基于他们的工作,陈等人。8提出了一种新的细粒度的动态电压缩放方法;关键是OLED面板分区为多个显示区域和调整电源电压根据显示的内容,他们设计了一个DVS-friendly OLED驱动提高OLED像素的颜色准确性在电源电压。实验结果表明,与现有的全球dv技术相比,浮点除技术可以达到25.9% ~ 43.1%更多的OLED节电的同时保持高图像质量衡量结构相似度指数(SSIM = 0.98)。还在15)、歌曲和公园提出了一个解码模型,允许缓冲帧让CPU运行在低频率减少视频解码所需的能量。这两个方法关注OLED的硬件结构,这是兼容我们的方法,因为我们的方法关注的是图像。在我们的研究中,我们还用SSIM验证图像质量,确保我们的方法的有效性。

由于功耗OLED取决于每个像素的颜色显示出来,之前的节能方法(9- - - - - -13,19- - - - - -22主要改变颜色或亮度的显示图像。如图1我们可以清楚地观察到,蓝色是最耗电的颜色和能源效率的不同的颜色是不同的。董et al。13)第一次商用现货QVGA OLED gui模块适应节能;他们设计了一个移动OLED显示器color-adaptive web浏览器(20.),与节能和浏览器渲染网页配色方案根据用户提供的约束。同样,李et al。21)提出了一个方法来自动重写web应用程序,以产生更多的移动智能设备节能的web页面。王等人。19]提出了一种方法来减少功耗在OLED显示器代替自动生成连续的数据可视化的配色方案最节能的配色方案。他们首先创建一个多目标优化的方法来找到最节能的颜色方案给予视觉感知差异水平,然后应用该模型在两种情况:预先设计配色方案和自动生成的颜色方案。这些方法都是颜色重新映射技术的具体实现,同时重新映射颜色是图像处理计算密集型和复杂化。变暗是一种简单而有效的方法,广泛用于游戏和视频处理(10- - - - - -12,16- - - - - -18]。

道尔顿和埃利斯10)第一次使用调光显示技术来减少能源消耗;他们用网络摄像头来检测用户的脸,保持笔记本电脑的显示在用户的存在,把它当用户离开时,虽然这暗淡的方法是粗粒度的。然后细粒度的变暗的尝试(11,12,16- - - - - -18]提出了;凌晨,巴兰(11)提出利用卓越的技术,通过减少游戏的亮度区域目前不感兴趣的游戏玩家减少OLED显示器的功耗。他们认为,该地区感兴趣的是使用的屏幕和一个矩形的中心代表ROI,然后计算一系列的调光盒(矩形)的ROI屏幕的边缘。当我们获得的ROI是边缘检测算法,比假设投资回报率是更准确的屏幕的中心,我们的调光盒子的形状是基于ROI的形状,更有利于保护图像的质量。Betts-LaCroix [12]提出调光OLED显示器的选择区域根据使用的认知,这也导致电能节约OLED显示器。

还在16- - - - - -18),所有作者使用调光节能技术。的关键理念16),他们还使用显著节省的概念显示力量,变暗的部分不太重要的用户的应用程序,而他们使用一个简单的ROI模型假定用户的注意力主要集中对屏幕的顶部或底部部分在使用一个应用程序。Choubey et al。17)注意到,如果两个点之间的距离大小光源小于0.04 - -0.05毫米,他们会出现作为人类视觉系统的单一来源。基于人眼的视力,即使一些亚像素关闭,他们不会被感知。因此显示内容和人类视力意识到技术降低功耗提出了OLED面板。关键的一步是关掉选择性亚像素显示的特定区域。这种方法侧重于操纵OLED根据显示内容和人类的视力,而我们的方法是集中在图像本身。之间的共同点,他们的方法和我们的方法是减少能耗的像素显示的特定区域。林等。18]介绍了另一种低功耗技术图像像素扩展,利用OLED技术提供的灵活性,减少不同区域的像素值;这种方法类似于我们的。他们提出了设计算法,实现小说框架的看台呼吁quality-retaining移动OLED显示器的节能。他们的方法是能够显示一个图像没有不利影响用户的视觉体验,同时关注区域分割,实现区域变形评估,和边界效应消除目标图像的ROI,导致更多的计算开销。他们的方法相比,我们的方法在图像处理更简单、迅速,虽然也许节电的效果并不比他们的。

大多数这些研究减少能源变暗或关闭所选地区的OLED显示内容时,而我们的方法不同于这些方法,因为我们专注于图像本身,我们试图改善图像移动智能设备主动能源效率。

3所示。我们的方法

为一个特定的形象,我们的方法包括两个主要步骤,即感兴趣的区域(ROI)的抽象和地区noninterest (NON-ROI)变暗。首先,我们使用边缘检测算法提取ROI的图像,然后调整图像的亮度和饱和度NON-ROI顺利。在我们的论文中,我们使用古典精明的(24ROI抽象算法,图像的调光NON-ROI通过调整亮度和饱和度(ALS)算法;下面给出详细步骤。

3.1。ROI抽象

图像的感兴趣的地区也被称为凸区域的形象,展示了主要的内容和最有趣的区域的图像。ROI抽象是保护的过程中突出的地区而消除无用的细节图像。通常我们使用边缘检测功能检测和提取;边缘检测的目的是检测边缘或显著改变离散的数字图像的区域。通常使用边缘检测算法有精明的边缘检测,检测小波变换检测和模糊理论等等。在本文中,我们使用经典的图像边缘检测算法。精明的经营者被认为是最经典的边缘检测器,和他们中的许多人总是参照这个标准进行比较分析。精明的经营者是最初设计用于灰度图像边缘检测,与彩色图像的日益广泛应用,也应用于彩色图像的边缘检测。在对彩色图像边缘检测的过程中,我们需要将彩色图像转换为灰度图像;算法的主要步骤如下所述。

(1)图像灰色的。的过程中,将彩色图像转化为灰度图像被称为图像灰色的。详细步骤计算的平均价值三个组件(R, G, B)的每一个像素,然后分配给每个像素的平均价值三个组件。考虑到人类的生理特点,我们彩色图像转换为灰度图像根据公式(3)。这一步不需要灰色图像。

(2)图像平滑。平滑是模糊图像去除噪声。精明的算法使用高斯滤波器来平滑图像。在随后的应用程序中,预和Manduchi25显然发现高斯滤波器模糊边缘和保护作用不明显的高频细节。在这篇文章中,我们使用双边滤波对图像平滑,这是一个非线性,edge-preserving,和减噪图像和基于图像的空间距离和每个像素的相似性,考虑空间信息和灰色相似性。此外,它还可以实现edge-preserving和减噪的目的。双边滤波器的公式如下:

过滤后的图像和吗是归一化的因素。我是原始输入图像过滤,x当前像素的坐标是过滤、窗口集中在吗,是平滑的范围内核强度的差异,然后呢是平滑的内核空间坐标的差异。

(3)Nonmaximum抑制。这一步是找到灰色的位置与最大强度的变化图像,然后通过nonmaximum抑制使模糊边缘变得清晰。灰色的强度与最大的变化是巨大的变化图像的梯度方向;梯度和方向的分析计算,可以计算一个像素的梯度和方向和;公式(6)和(7),和渐变的和方向,分别。然后根据梯度和角度计算,采取nonmaximum抑制和维护当地最大梯度点实现边缘变薄,这将减少这些步骤,减少后的边缘像素确定边缘的困难。

(4)双阈值。nonmaximum抑制后,边缘像素是相当准确的呈现真正的优势。然而,仍然有一些边缘像素此时造成的噪音和颜色变化。为了摆脱这些困扰的杂散响应因素,必须过滤掉与弱边缘像素梯度值和保留高梯度值的边缘。分辨这些最简单的方法是使用一个阈值;因此只有边缘是高于某个值将被保留,因此该算法使用双阈值来完成这个过程。

(5)边缘跟踪滞后。强边缘像素肯定是保存在最后的边缘图像,因为他们从真正的边缘在图像中提取。然而,对于弱边缘像素,仍有一些辩论这些像素可以从真正的边缘或噪声中提取/颜色变化。为了得到准确的结果,造成的弱边缘噪声/颜色变化应该被删除。一般弱边缘像素造成真正的边缘将会连接到一个强大的边缘像素而噪声无关的反应。然后blob分析应用通过观察弱边缘像素及其8-connected邻域像素跟踪边缘连接。

3.2。NON-ROI变暗

调整亮度和饱和度的NON-ROI图像是节能的关键步骤,以确保图像的亮度和饱和度平稳过渡。我们调整他们的突出区域图像边界逐渐以确保最大的图像质量。在本文中,我们将同时调整亮度和饱和度的调整,减少NON-ROI地区的最大功耗,同时保证图像的平均结构相似(MSSIM)来满足用户的视觉需求。

(1)亮度调整。对于一个给定的像素,其亮度加权和的三色(R, G, B)像素值;这个公式是(8),是加权和函数,对于灰度图像加权和函数(3)。从这个公式,我们知道,三种颜色的价值越大,亮度越高的像素。当我们减少一个像素的亮度,这直接降低了每个像素的颜色分量的值,亮度调整可以表示为(9)。

是一个像素的原始亮度吗亮度调整后。调整参数,其范围是在0和1之间。如果该值的为0,这意味着我们不调整,如果的价值呢是1,这意味着调整完全和像素变成完整的黑色。是调整区域的数量noninterest地区的形象,和合理的范围N实验验证了本文是3日- 15日。区域的像素位置,我们假设第一noninterest地区毗邻的价值感兴趣的领域是1,和该地区的下面的地区增加反过来,最后noninterest区域是。我们不断增加的价值从图像的ROI图像边界在调整的过程。

(2)饱和度的调整。饱和度是描述了一个纯粹的颜色混合消色差组件,这也被称为颜色的纯度。明亮的形象总是具有较高的纯度,荒凉的图像有较低的纯度。调整饱和度的目标是减少耗电颜色分量的贡献,提高能效的同时保持整体亮度。从OLED动力模型中描述的部分2.1,我们知道蓝色是能源消耗最高的颜色,所以我们首先考虑减少一个像素的蓝色分量;因此我们的饱和度调整方法描述如下:

在这里Δs描述了三个主要颜色的色差,在实践中通常60左右。调整金额,数量的分级监管,是该地区的像素位置。我们也第一noninterest地区相邻的值分配给感兴趣的领域是1;以下地区的地区数量增加,最后noninterest区域N。

现在我们提出我们的调光算法,由上述两个调整策略,能够适应不同的图像,因为它是持续变化的调整参数根据MSSIM形象。现在,我们提出我们的算法,即肌萎缩性侧索硬化症(调整图像的亮度和饱和度NON-ROI)。和是ROI图像的坐标矩阵和NON-ROI坐标矩阵;是逐步改变矩阵组划分得到的是哪一个成矩阵集;是一个像素;我们假设每个的数量是。亮度调整参数和吗是饱和度调整金额。ALS算法显示了算法的伪代码1。

4所示。结果和评价

在本节中,我们首先介绍配置我们的实验。接下来,我们实现调光节能的算法来处理图像。为了比较节能效果的算法,我们提出另外两个调整方法:艾尔(调整整个图像的亮度)和(整个图像的调整饱和度),和我们的方法是ALS。然后,我们现在处理图像的一个例子“海鸥”清单图像的能量节省和一些重要的属性来说明我们的算法。最后,我们随机选择了200图片来验证我们方法的通用性。

4.1。实验设置

首先,我们需要在我们的实验中,使用的能源消耗模型由三个估计函数,,(公式(1))。因为这些功能取决于特定的显示,我们测量一个μoled HOIKI 3334 - 32028 p1 AMOLED显示屏模块功率计;实验平台的详细配置表所示1。然后我们计算能量消耗通过跟踪电流的值,我们用KA3005P直流电源提供稳定和可控的电压,并利用HOIKI多功能电力测量仪表显示器的功耗。我们改变强度从0到1的水平测试中每个颜色通道测量,,。在每一个测试中,我们相应的颜色填满OLED 60秒来计算平均能量消耗和详细结果如图1。从图1我们知道每个颜色组件是一个非线性的功耗;为了简化计算,我们使用最小二乘曲线拟合得到颜色组件及其能耗之间的线性关系,如图2。然后我们实现这三个算法来验证节能的效果,我们选择一个图像“海鸥”[26]从谷歌画廊中选择(https://image.google.com/来验证我们的算法。

4.2。结果与讨论

图3说明了上述三种算法在处理图像的影响海鸥:(a)是原始图像,(b)是整个图像的亮度调整,(c)是整个图像调整饱和度,和(d)是使用我们的方法(ALS)的图像。表2显示了一些重要属性的图片(一),(b)、(c)和(d),我们假设SSIM原始图像是1,原始图像的亮度和饱和度是固定值(我们使用“-”代表值),和一个负值表中显示多少的基础上减少原始值。表2实验结果显示我们的方法的能耗和图像相似性与其他两种方法。第一列是方法名称;第二列是分级监管;第三列,第四列和第五纵队的SSIM ROI, NON-ROI,和整个地区的形象;第六个和第七列图像的亮度的ROI和NON-ROI;第八和第九列图像的饱和度的ROI和NON-ROI,最后一列是图像的功耗。

从表2和图3,我们观察到的图像处理的三种方法比原始图像更低的能耗。图像的原始能源消耗是2374.836μw,当0.95图像在使用三种方法;图像的亮度(b)减少18.76%,能源消耗降低了26.68%;图像(c),图像的饱和度下降了21.47%,能源消耗降低了25.96%;和图像(d)亮度降低24.24%,饱和度降低19.68%;能源消费减少26%是9。同时,从表2我们观察到,当逐渐增加,图像的MSSIM增加,而功耗的图像没有明显改变。因此,图像的亮度和饱和度变化更平稳,所以云保持图像的质量。我们的方法保存图像的SSIM ROI完全在调光过程中,从表2和图3,这表明,我们的方法可以减少相同的能量,同时保持高质量的图像。

为了验证我们方法的普遍性,我们进行了一个案例研究来评估的有效性和用户的接受我们的节能方法。我们随机选择200图像从谷歌图片数据库的统计分析;对于每一个图像,我们采取相同的措施来解决它。首先,我们重新编码能源消耗的原始图像,然后重新编码能量减少ALS的图像处理方法。最后,我们计算节能率的图像和结果呈现在图4。图4是功率降低的分布比率由ALS 200图像处理算法;所有图像的MSSIM保持价值超过或等于0.93。从图中,我们可以观察到实验样本节约能源消耗的41% 20% -30%和24%的样品节省能耗30% -40%和只有少数样本低节能,因为这些图片的内容是完全填满。所有的测试样品的平均节能22.5%,这证明了我们的方法的有效性和通用性。

基于表的定量结果2和图4,我们清楚地看到,调光节能的方法是有效的。和ALS算法可以比结果更容易接受统一的调光方法(AL),因为我们的方法使图像的ROI,逐渐调整亮度和饱和度,使图像更平稳的变化。在进行案例研究中,我们发现,当白色或蓝色的主要颜色是一个图像,节能效果是明显的,而节能效果不明显时,图像的主要颜色是灰色。更重要的是,我们的算法是非常有效的在处理图像与单一的ROI区域ROI是有限的;自从ROI区域是有限的,我们可以改变的大部分地区NON-ROI的形象。我们的算法不是有效的图像完全填充内容,NON-ROI以来这些图像是非常有限的。与没有一个ROI和形象,我们部分图像为一组的ROI区域和每个地区应用我们的算法来计算每个区域的最大变化可以根据图像的平均SSIM容忍,这将导致更多的计算ROI图像的检测和计算的最大改变NON-ROI形象。

5。结论

在这项工作中,我们提出一个新的方法来提高图像移动OLED显示器的能源效率。首先,我们使用边缘检测算法提取ROI图像,然后调整图像的亮度和饱和度NON-ROI逐渐。通过这种方式,我们可以减少大量的能源消耗,同时保持高质量的图像。实验结果表明,我们的方法可以在保证图像质量的同时平均节省22.5%的能源。我们的方法是简单而有效的节能和可用于视频和其他多媒体应用程序。

相互竞争的利益

作者宣称没有利益冲突有关的出版。

确认

这项工作是在国家重点支持的项目下的中国国家自然科学基金批准号61332001,中国国家自然科学基金批准号。61272104和61272104下,和四川省应用基础研究项目批准号。2014 jy0257 2015 gz0103, 2014 - hm01 - 00326科幻。

引用

1. Gartner:更多的设备销量将比2016年队长出现裂痕,http://www.businessinsider.com/gartner全球- 2016 -设备-预测- 2016 - 1。
2. j·李和j·金,“节能智能移动设备的实时识别人类活动,“移动信息系统卷,2016篇文章ID 2316757, 12页,2016。视图:出版商的网站|谷歌学术搜索
3. y彭、g . Wang和n .王”节能传输策略对移动网络,运用最优停止的方法”移动信息系统卷,2016篇文章ID 8981251, 16页,2016年。视图:出版商的网站|谷歌学术搜索
4. 答:卡罗尔和g·黑瑟”,在智能手机功耗的分析,”诉讼的USENIX USENIX大会年度技术会议,14卷,p。21日,波士顿,质量,美国,2010年6月。视图:谷歌学术搜索
5. 陈x, y, z, f·c·a·费尔南德斯,“能源消耗在智能手机显示应用程序如何?“在14学报》研讨会上移动计算系统和应用程序(ACM HotMobile 13)美国佐治亚州的哲基尔岛,2013年2月。视图:出版商的网站|谷歌学术搜索
6. m .董和l .钟”,OLED显示器电源建模和优化,”IEEE移动计算,11卷,不。9日,第1599 - 1587页,2012年。视图:出版商的网站|谷歌学术搜索
7. d . Shin y金、n . Chang和m . Pedram“OLED显示器的动态电压缩放,”程序设计自动化会议(DAC的11),页53-58,圣地亚哥,加利福尼亚州,美国,2011年6月。视图:谷歌学术搜索
8. w . x, j .曾y Chen, h·李,“细粒度的动态电压缩放OLED显示器,”亚洲和南太平洋学报17设计自动化会议(ASP-DAC 12)IEEE,页807 - 812年,香港,2012年2月。视图:出版商的网站|谷歌学术搜索
9. p .紫檀和d s .有力的反驳,“一个有效的领导调光方法,”行业应用研讨会论文集,3卷,第1676 - 1671页,西雅图,洗,美国,2004年10月。视图:谷歌学术搜索
10. a . b .道尔顿和c·s·埃利斯”能源管理感知用户意图和上下文,”学报》第九次会议上热门话题在操作系统(HOTOS ' 03)哈,页151 - 156年,夏威夷,美国,2003年5月。视图:谷歌学术搜索
11. t·k·r·k·巴兰,”自适应显示OLED显示器的电源管理”学报第一ACM SIGCOMM研讨会上手机游戏(MobiGames 12),25 - 30页,芬兰的赫尔辛基,2012年8月。视图:出版商的网站|谷歌学术搜索
12. j . Betts-LaCroix“oled显示器的选择性变暗,”美国专利0149223 A1, 2010。视图:谷歌学术搜索
13. m .董Y.-S。崔k和l .钟”节电颜色变换OLED-based移动图形用户界面的显示,”诉讼ACM和IEEE国际研讨会上的低功率电子产品和设计(ISLPED ' 09),页339 - 342年,加州,加州,美国,2009年8月。视图:出版商的网站|谷歌学术搜索
14. n . Chang,崔,h .垫片”DLS:动态背光液晶显示器的亮度比例,”IEEE超大规模集成电路(VLSI)系统,12卷,不。8,837 - 846年,2004页。视图:出版商的网站|谷歌学术搜索
15. m .歌曲和j .公园”,一个能量最优视频回放动态规划解决方案在移动设备上,“移动信息系统卷,2016篇文章ID 1042525, 10页,2016。视图:出版商的网站|谷歌学术搜索
16. t . k .凌晨,t . Okoshi称:A . Misra r·k·巴兰,“焦点:一个可用的OLED显示器电源管理和有效途径,”诉讼的ACM国际联合会议上普遍的和无处不在的计算(主要的13)ACM,页573 - 582年,苏黎世瑞士,2013年9月。视图:出版商的网站|谷歌学术搜索
17. p . k . Choubey a·k·辛格·r·b·Bankapur p c . Vaisakh和b . m .您正在“内容意识到目标图像处理来降低功耗在OLED面板,”当代计算机学报》第八届国际会议上(IC3的15)IEEE,页467 - 471年,诺伊达,印度,2015年8月。视图:出版商的网站|谷歌学术搜索
18. c·h·林、c·k·康和p . c . Hsiu”看台:quality-retaining节电框架移动OLED显示器”ACM交易嵌入式计算系统,15卷,不。4、第76条,2016年。视图:出版商的网站|谷歌学术搜索
19. x j . Wang Lin, c .北”GreenVis:节能配色方案顺序数据可视化在OLED显示器,“技术。众议员TR-12-09 2012。视图:谷歌学术搜索
20. m .董和l .钟“变色龙:color-adaptive web浏览器移动OLED显示器,”IEEE移动计算,11卷,不。5,724 - 738年,2012页。视图:出版商的网站|谷歌学术搜索
21. d ., a . h . Tran和w·g . j . Halfond”OLED智能手机使web应用程序更加节能,”诉讼的ACM第36届国际软件工程会议(ICSE 14),页527 - 538,海得拉巴,印度,2014年6月。视图:出版商的网站|谷歌学术搜索
22. x, y,和c j .雪”基准:动态OLED显示器的色调映射技术基于视频分类、节能”第五十二届ACM / EDAC / IEEE学报(DAC的设计自动化会议15),页1 - 6,IEEE,旧金山,加州,美国,2015年6月。视图:谷歌学术搜索
23. j .壮族d Weiskopf, t·穆勒,“能源意识到颜色集”计算机图形学论坛,28卷,不。2、203 - 211年,2009页。视图:出版商的网站|谷歌学术搜索
24. l .丁和a . Goshtasby精明的边缘检测器”,模式识别,34卷,不。3、721 - 725年,2001页。视图:出版商的网站|谷歌学术搜索
25. c预和r . Manduchi灰色和彩色图像双边滤波,”第六届国际会议上计算机视觉学报》上IEEE,页839 - 846年,孟买,印度,1998。视图:谷歌学术搜索
26. 图片,https://images.google.com。

版权

版权©2016 Deguang李等。这是一个开放分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。