CN117459773B - 一种跨设备内容同步的智能电视图像显示方法及相关装置 - Google Patents

Abstract

本申请涉及图像显示技术领域，公开了一种跨设备内容同步的智能电视图像显示方法及相关装置。方法包括：通过智能电视系统接收多个目标设备的原始图像数据集并进行图像格式预处理和图像编码，得到第一图像数据集；创建初始堆栈桶并进行图像特征提取和图像质量增强，得到第二图像数据集；进行堆栈溢出调节与桶空间复用，得到目标堆栈桶并进行图像显示资源分配优化，得到目标图像数据集；构建智能体分布网络并进行分布式凸优化处理，得到目标图像显示策略；进行实时同步和响应参数调整，得到第一智能电视图像显示参数；进行自适应分析和参数优化，得到第二智能电视图像显示参数，本申请提高了跨设备内容同步的智能电视图像显示准确率。

Description

一种跨设备内容同步的智能电视图像显示方法及相关装置

技术领域

本申请涉及图像显示技术领域，尤其涉及一种跨设备内容同步的智能电视图像显示方法及相关装置。

背景技术

近年来，随着智能电视技术的不断发展和多设备互联的普及，用户在不同设备上获取和展示内容的需求显著增加。在这一背景下，研究者们开始关注跨设备内容同步的智能电视图像显示方法，以提高用户体验和图像显示质量。然而，当前的多设备同步技术在面临复杂多变的网络环境和不同设备规格之间仍存在一些挑战。

由于用户设备的异构性和网络延迟等因素，现有方法在实现实时同步时往往面临图像质量损失的问题。多设备之间的协同显示需要考虑到各种显示屏幕尺寸和分辨率的差异，以及不同设备对图像处理的适应性。这导致当前技术在图像显示资源分配和优化方面存在一定的不足。对于智能电视系统而言，动态环境下的图像显示策略选择仍然是一个挑战，需要更好的算法和智能体分布网络的优化，以确保在不同设备上的图像显示具有一致性和高质量。

发明内容

本申请提供了一种跨设备内容同步的智能电视图像显示方法及相关装置，用于提高了跨设备内容同步的智能电视图像显示准确率。

第一方面，本申请提供了一种跨设备内容同步的智能电视图像显示方法，所述跨设备内容同步的智能电视图像显示方法包括：

通过预置的智能电视系统接收多个目标设备的原始图像数据集，并对所述原始图像数据集进行图像格式预处理和图像编码，得到第一图像数据集；

基于预置的卷积码堆栈桶算法创建对应的初始堆栈桶，并根据所述初始堆栈桶对所述第一图像数据集进行图像特征提取和图像质量增强，得到第二图像数据集；

对所述初始堆栈桶进行堆栈溢出调节与桶空间复用，得到目标堆栈桶，并根据所述目标堆栈桶对所述第二图像数据集进行图像显示资源分配优化，得到目标图像数据集；

构建所述多个目标设备与所述智能电视系统的智能体分布网络，并对所述智能体分布网络进行分布式凸优化处理，得到目标图像显示策略；

根据所述目标图像显示策略对所述目标图像数据集进行实时同步和响应参数调整，得到第一智能电视图像显示参数；

对所述第一智能电视图像显示参数进行自适应分析和参数优化，得到所述智能电视系统的第二智能电视图像显示参数。

第二方面，本申请提供了一种跨设备内容同步的智能电视图像显示装置，所述跨设备内容同步的智能电视图像显示装置包括：

接收模块，用于通过预置的智能电视系统接收多个目标设备的原始图像数据集，并对所述原始图像数据集进行图像格式预处理和图像编码，得到第一图像数据集；

创建模块，用于基于预置的卷积码堆栈桶算法创建对应的初始堆栈桶，并根据所述初始堆栈桶对所述第一图像数据集进行图像特征提取和图像质量增强，得到第二图像数据集；

调节模块，用于对所述初始堆栈桶进行堆栈溢出调节与桶空间复用，得到目标堆栈桶，并根据所述目标堆栈桶对所述第二图像数据集进行图像显示资源分配优化，得到目标图像数据集；

处理模块，用于构建所述多个目标设备与所述智能电视系统的智能体分布网络，并对所述智能体分布网络进行分布式凸优化处理，得到目标图像显示策略；

同步模块，用于根据所述目标图像显示策略对所述目标图像数据集进行实时同步和响应参数调整，得到第一智能电视图像显示参数；

优化模块，用于对所述第一智能电视图像显示参数进行自适应分析和参数优化，得到所述智能电视系统的第二智能电视图像显示参数。

本申请第三方面提供了一种跨设备内容同步的智能电视图像显示设备，包括：存储器和至少一个处理器，所述存储器中存储有指令；所述至少一个处理器调用所述存储器中的所述指令，以使得所述跨设备内容同步的智能电视图像显示设备执行上述的跨设备内容同步的智能电视图像显示方法。

本申请的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述的跨设备内容同步的智能电视图像显示方法。

本申请提供的技术方案中，通过预处理和编码原始图像数据，引入图像归一化处理和多尺度分辨率调整，有助于适应不同设备的异构性，提高图像在多设备上的通用性和兼容性。这一特征使得方法能够更加灵活地适应各种设备规格和网络环境。利用卷积码堆栈桶算法进行图像特征提取和质量增强，有助于提高图像处理的效率和准确性。该算法不仅能够有效应对不同设备上的图像差异，还能够在保证图像质量的前提下进行处理，从而提升用户观感和体验。对堆栈桶进行溢出调节与桶空间复用，以及对目标堆栈桶进行资源分配优化，有助于提高图像显示的效率和性能。这一特征使得方法能够更好地适应多设备协同显示的场景，有效减少了堆栈桶溢出的概率，提高了图像显示资源的利用率。构建智能体分布网络并进行分布式凸优化处理，有助于实现全局最优的图像显示策略。通过优化智能体之间的信息交换和合作，该方法能够更好地协调多个设备之间的图像显示，提升整体的同步性和协同性。这一特征使得方法更具有适应性和鲁棒性，能够在复杂多变的环境中实现更为优越的图像显示效果，进而提高了跨设备内容同步的智能电视图像显示准确率。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以基于这些附图获得其他的附图。

图1为本申请实施例中跨设备内容同步的智能电视图像显示方法的一个实施例示意图；

图2为本申请实施例中跨设备内容同步的智能电视图像显示装置的一个实施例示意图。

具体实施方式

本申请实施例提供了一种跨设备内容同步的智能电视图像显示方法及相关装置。本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等（如果存在）是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外，术语“包括”或“具有”及其任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

为便于理解，下面对本申请实施例的具体流程进行描述，请参阅图1，本申请实施例中跨设备内容同步的智能电视图像显示方法的一个实施例包括：

步骤S101、通过预置的智能电视系统接收多个目标设备的原始图像数据集，并对原始图像数据集进行图像格式预处理和图像编码，得到第一图像数据集；

可以理解的是，本申请的执行主体可以为跨设备内容同步的智能电视图像显示装置，还可以是终端或者服务器，具体此处不做限定。本申请实施例以服务器为执行主体为例进行说明。

具体的，通过预置的智能电视系统接收多个目标设备的原始图像数据集。对原始图像数据集进行图像归一化处理，用归一化公式将原始图像数据集转换为归一化图像数据集，其中归一化公式中的缩放参数和偏移参数决定了图像的尺度和位移，保证了图像数据在不同设备间的一致性和可比性。对归一化图像数据集进行图像格式转换，使用特定的转换公式将归一化图像数据集转换为标准图像数据集，图像格式转换公式的核心是卷积运算，它通过不同的卷积核在像素级别上重新分配图像信息，从而实现不同格式间的转换。对标准图像数据集进行多尺度分辨率调整，采用多尺度分辨率调整公式，通过加权不同尺度的原始分辨率，实现图像分辨率的优化和调整。进行颜色空间的高维转换，高维转换使得图像数据在颜色空间中进行维度提升，增强图像的色彩表现力。通过自适应图像增强函数对高维转换图像数据集进行自适应图像增强，得到增强图像数据集，增强函数通过调整增强系数和增强算子，优化图像的亮度、对比度和饱和度，进一步提升图像质量。对增强图像数据集进行误差校正，确保图像的准确性，然后对校正后的图像数据集进行编码，生成最终的第一图像数据集，确保图像数据在存储和传输过程中的高效和稳定。

步骤S102、基于预置的卷积码堆栈桶算法创建对应的初始堆栈桶，并根据初始堆栈桶对第一图像数据集进行图像特征提取和图像质量增强，得到第二图像数据集；

具体的，根据卷积码堆栈桶算法确定智能电视系统的深度因子。深度因子决定了算法处理图像数据的深度和效率。通过深度因子进行动态寻优，生成初始深度因子优化路径。动态寻优函数通过计算路径上各点的距离函数，寻找最优的深度因子组合，从而达到最佳的图像处理效果。对深度因子优化路径进行进一步的动态调节，以得到目标深度因子优化路径。动态寻优调节公式通过最小化一个包含权衡系数的复合优化函数，精确调整深度因子，以优化图像处理过程。根据目标深度因子优化路径计算第一图像数据集的堆栈桶容量，并根据这一容量创建对应的初始堆栈桶。堆栈桶的容量直接关系到图像数据处理的能力和效率。创建初始堆栈桶对第一图像数据集进行图像特征提取，得到图像特征集合。图像特征提取的准确性和全面性是提高最终图像质量的关键。根据图像特征集合，对第一图像数据集进行误帧率计算，得到误帧率计算结果。误帧率是评估图像显示质量的重要指标，通过计算误帧率，可以有效地评估和预测图像显示过程中出现的问题。根据误帧率计算结果，对第一图像数据集进行图像质量增强，从而得到第二图像数据集。图像质量增强通过改善图像的亮度、对比度、饱和度等视觉属性，大幅提升最终图像的显示效果。

步骤S103、对初始堆栈桶进行堆栈溢出调节与桶空间复用，得到目标堆栈桶，并根据目标堆栈桶对第二图像数据集进行图像显示资源分配优化，得到目标图像数据集；

具体的，获取初始堆栈桶的堆栈状态数据，包括堆栈中的数据量、数据类型以及数据存储的方式等信息。对这些堆栈状态数据进行溢出检测，以识别是否存在超出堆栈容量的情况。基于堆栈溢出检测的结果，对初始堆栈桶进行溢出调节。堆栈溢出调节公式通过计算当前堆栈大小与最大堆栈大小之间的差异，并应用一个调整因子来重新定义堆栈桶的大小。这个调整不仅解决了溢出问题，还优化了数据存储的效率和安全性。对目标堆栈桶进行桶空间复用效率的计算。评估堆栈桶内数据的存储和访问效率，以确定是否能更有效地利用存储空间。空间复用效率值的高低直接决定了堆栈桶的性能。基于桶空间复用效率值，通过目标堆栈桶对第二图像数据集进行图像显示资源分配的优化。资源分配优化策略的设计需要充分考虑图像数据集的特性，如大小、格式和预期的显示效果等，以确保图像数据能被高效且恰当地处理和展示。根据资源分配优化策略对第二图像数据集进行图像显示性能的优化。调整图像处理和渲染的参数，如分辨率、色彩深度和帧速等，以提高图像显示的质量和流畅度。通过这些优化措施，最终得到的目标图像数据集将展现出优化后的显示效果，满足用户在不同设备上同步观看内容时的需求。

步骤S104、构建多个目标设备与智能电视系统的智能体分布网络，并对智能体分布网络进行分布式凸优化处理，得到目标图像显示策略；

具体的，通过预置的强化学习算法，构建多个目标设备对应的多个设备智能体，同时，构建智能电视系统中目标智能电视的电视智能体。强化学习算法使智能体能够根据环境反馈自我学习和调整，从而优化其性能。根据多个设备智能体和电视智能体，构建包含多个目标设备与智能电视系统的智能体分布网络。智能体分布网络连接了所有相关的设备和系统，为后续的数据交换和处理提供了平台。通过智能体分布网络，对目标图像数据集进行图像信息交换，这个交换过程不仅涉及到数据的传输，还包括了数据的格式转换和同步处理等。通过预置的分布式算法对智能体分布网络进行全局成本函数的优化，以得到最优的成本值。全局成本函数通过考量网络中的各种因素，如传输延迟、数据完整性和同步准确性等，来确定一个全局最优的解决方案。根据最优成本值，对智能体分布网络进行分布式凸优化求解，以得到目标函数的求解值。二次型凸优化目标函数不仅确保了优化过程的稳定性和高效性，而且通过其数学特性保证了求解过程的准确性和可靠性。根据目标函数求解值，匹配智能体分布网络对应的目标图像显示策略。策略的匹配过程确保了多个设备智能体和电视智能体间图像显示的一致性和协调性。通过以上步骤，不仅可以实现高效准确的图像同步显示，还可以保证在不同设备上的图像显示具有良好的一致性和视觉效果，从而提供给用户最佳的观看体验。

步骤S105、根据目标图像显示策略对目标图像数据集进行实时同步和响应参数调整，得到第一智能电视图像显示参数；

具体的，根据目标图像显示策略，对目标图像数据集进行实时同步。实时同步是确保多个设备之间图像显示一致性的基础，需要高效的数据传输和处理技术来保证图像数据在不同设备间的准时和同步展现。同时，计算实时同步的固定收敛时间，这个时间指标反映了同步过程的效率和稳定性。根据固定收敛时间，对目标图像数据集进行图像显示参数优化。参数优化函数通过最小化在给定处理时间内达到的性能指标，寻找最优的图像显示参数集。这个优化过程不仅关注图像显示的质量，还兼顾了处理时间的限制，确保在满足时间要求的前提下获得最佳的显示效果。对最优图像显示参数集进行同步和连贯性评估，检验参数集是否能够在不同设备间保持图像显示一致性和流畅性。评估结果提供了对参数集同步效果的直观反馈，是进一步优化的依据。进行性能与时间平衡分析，找到性能和处理时间之间的最佳平衡点，确保在保持高质量图像显示的同时，也考虑到了响应速度和同步的实时性。性能与时间平衡分析的结果是调整图像显示参数的重要参考，它帮助确定在各种约束条件下的最佳参数配置。根据同步和连贯性评估结果以及性能与时间平衡分析结果，对最优图像显示参数集进行响应参数调整，得到第一智能电视图像显示参数。这确保了所选参数集既能满足同步和连贯性的要求，又能在性能和响应时间之间达到最佳平衡。通过以上步骤，可以确保在多个设备间实现高效、同步且高质量的图像显示，为用户提供一致且流畅的观看体验。

步骤S106、对第一智能电视图像显示参数进行自适应分析和参数优化，得到智能电视系统的第二智能电视图像显示参数。

具体的，对第一智能电视图像显示参数进行自适应分析，得到自适应输出结果。基于智能电视系统当前的运行状态和外部环境条件，动态调整图像显示参数，以适应不同的观看条件。根据自适应输出结果，对第一智能电视图像显示参数进行外部扰动抑制分析，以得到扰动抑制概率。如何减少外部因素对图像显示质量的负面影响，如光线变化、信号干扰等。根据扰动抑制概率，对智能体分布网络中的多个设备智能体和电视智能体进行梯度信息保护，以得到梯度信息保护系数。梯度信息保护是为了确保在图像数据传输和处理过程中，关键信息不会因为噪声或干扰而丢失。此后，根据梯度信息保护系数定义智能电视系统的适应性函数。适应性函数是一个数学模型，用于评估不同图像显示参数在当前环境下的表现，以指导参数的优化调整。通过预置的异常算法对第一智能电视图像显示参数进行群体初始化，得到多个第一候选图像显示参数。使用算法生成一系列的参数组合，为后续的优化提供基础。通过适应性函数对这些第一候选图像显示参数进行适应性计算和群体划分，得到多个图像显示参数群体，找出在当前条件下表现最佳的参数组合。对这些图像显示参数群体进行繁殖、变异和遗传操作，生成多个第二候选图像显示参数。这一过程类似于生物进化，通过模拟自然选择和遗传机制来优化参数。对这些第二候选图像显示参数进行最优化选取，以得到智能电视系统的第二智能电视图像显示参数。

本申请实施例中，通过预处理和编码原始图像数据，引入图像归一化处理和多尺度分辨率调整，有助于适应不同设备的异构性，提高图像在多设备上的通用性和兼容性。这一特征使得方法能够更加灵活地适应各种设备规格和网络环境。利用卷积码堆栈桶算法进行图像特征提取和质量增强，有助于提高图像处理的效率和准确性。该算法不仅能够有效应对不同设备上的图像差异，还能够在保证图像质量的前提下进行处理，从而提升用户观感和体验。对堆栈桶进行溢出调节与桶空间复用，以及对目标堆栈桶进行资源分配优化，有助于提高图像显示的效率和性能。这一特征使得方法能够更好地适应多设备协同显示的场景，有效减少了堆栈桶溢出的概率，提高了图像显示资源的利用率。构建智能体分布网络并进行分布式凸优化处理，有助于实现全局最优的图像显示策略。通过优化智能体之间的信息交换和合作，该方法能够更好地协调多个设备之间的图像显示，提升整体的同步性和协同性。这一特征使得方法更具有适应性和鲁棒性，能够在复杂多变的环境中实现更为优越的图像显示效果，进而提高了跨设备内容同步的智能电视图像显示准确率。

在一具体实施例中，执行步骤S101的过程可以具体包括如下步骤：

（1）通过预置的智能电视系统接收多个目标设备的原始图像数据集；

（2）对原始图像数据集进行图像归一化处理，得到归一化图像数据集，其中，图像归一化处理公式为：，/>是原始图像数据集，/>是归一化图像数据集，/>为缩放参数，/>为偏移参数；

（3）对归一化图像数据集进行图像格式转换，得到标准图像数据集，其中，图像格式转换公式为：，其中/>为标准图像数据集，/>为归一化图像数据集，/>是卷积核，/>和/>是像素坐标；

（4）对标准图像数据集进行多尺度分辨率调整，得到多尺度图像数据集，其中，多尺度分辨率调整公式为：，/>是调整后分辨率，是第/>尺度的原始分辨率，/>是权重系数；

（5）对多尺度图像数据集进行颜色空间高维转换，得到高维转换图像数据集；

（6）通过自适应图像增强函数，对高维转换图像数据集进行自适应图像增强，得到增强图像数据集，自适应图像增强函数为：，其中/>是增强图像数据集，/>是高维转换图像数据集，/>是增强系数，/>是增强算子；

（7）对增强图像数据集进行误差校正，得到校正图像数据集，并对校正图像数据集进行图像编码，得到第一图像数据集。

具体的，通过预置的智能电视系统接收多个目标设备的原始图像数据集。例如，这些目标设备是智能手机、平板电脑或笔记本电脑，它们通过无线网络将捕捉到的图像数据发送到智能电视系统。收到的图像数据集包含了各种不同格式和分辨率的图像，需要进行统一处理以适应电视系统的显示要求。对原始图像数据集进行归一化处理，调整图像数据的尺度和位移，以便统一不同设备的图像格式和尺寸。具体来说，通过对每个图像数据应用一个缩放和一个偏移参数，使所有图像数据达到一致的标准。这种归一化处理有助于消除不同设备间的图像显示差异，保证了图像数据在后续处理中的一致性。对归一化后的图像数据集进行格式转换，将其转换成标准的图像数据集。使用一种卷积核，通过像素级的卷积运算重新分配图像信息，实现不同格式间的转换。卷积核定义了如何根据一个图像点的邻域信息来调整该点的值，从而实现格式上的转换。对标准图像数据集进行多尺度分辨率调整。通过对图像数据集中每个图像的分辨率应用不同的权重系数，实现多尺度的分辨率调整。这种多尺度调整有助于适应不同观看条件和显示设备的要求，确保在各种大小的屏幕上都能获得清晰的图像显示。进行颜色空间的高维转换。将图像数据从原始的颜色空间转换到一个更高维度的颜色空间，这种转换增强了图像的色彩表现力和细节层次。高维颜色空间能够提供更丰富的色彩信息，使得图像在电视屏幕上显示时更加生动鲜明。应用自适应图像增强函数对高维转换图像数据集进行自适应图像增强。这个增强过程是基于原始图像数据和一个增强算子，通过调整增强系数来优化图像的亮度、对比度和饱和度。这种自适应增强能够根据图像内容和观看环境的变化动态调整图像的显示效果，从而提供更佳的视觉体验。对增强后的图像数据集进行误差校正，以消除在处理过程中产生的误差，并对校正后的图像数据集进行编码，生成最终的优化图像数据集。这个编码过程不仅保证了图像数据的质量，还优化了数据的存储和传输效率。

在一具体实施例中，执行步骤S102的过程可以具体包括如下步骤：

（1）根据预置的卷积码堆栈桶算法确定智能电视系统的深度因子，并通过深度因子进行动态寻优，得到初始深度因子优化路径，其中，动态寻优函数为：，其中/>是初始深度因子优化路径，/>是深度因子，/>是距离函数，/>是路径上的点；

（2）对深度因子优化路径进行动态寻优调节，得到目标深度因子优化路径，其中，动态寻优调节公式为：是优化目标，和/>是优化函数，/>是权衡系数；

（3）根据目标深度因子优化路径计算第一图像数据集的堆桟桶容量，并根据堆桟桶容量创建对应的初始堆栈桶；

（4）根据初始堆栈桶对第一图像数据集进行图像特征提取，得到图像特征集合；

（5）根据图像特征集合，对第一图像数据集进行误帧率计算，得到误帧率计算结果；

（6）根据误帧率计算结果，对第一图像数据集进行图像质量增强，得到第二图像数据集。

具体的，根据预置的卷积码堆栈桶算法确定智能电视系统的深度因子。深度因子是影响图像处理深度和细致程度的关键参数，它基于图像数据的特征和智能电视系统的处理能力来设定。例如，对于高分辨率和复杂场景的图像，深度因子会设置得更高，以确保图像的每一个细节都能被精确处理。通过深度因子进行动态寻优，得到初始的深度因子优化路径。这个优化路径是一个通过计算不同深度因子组合下的性能来确定最佳深度因子配置的过程。动态寻优过程考虑了不同深度因子组合对图像处理效果的影响，通过比较这些组合的性能，来找到最佳的深度因子路径。对深度因子优化路径进行动态寻优调节，以获得目标深度因子优化路径。权衡不同深度因子配置下的性能和计算资源消耗，以确保在不牺牲图像质量的前提下，尽高效地利用计算资源。例如，如果某一深度因子配置能够在较低的计算资源消耗下仍然保持良好的图像处理效果，那么它会被选为目标优化路径的一部分。根据目标深度因子优化路径计算第一图像数据集的堆栈桶容量，并据此创建对应的初始堆栈桶。堆栈桶的容量决定了可以同时处理的图像数据量，这确保了智能电视系统在处理大量图像数据时不会出现性能瓶颈。利用初始堆栈桶对第一图像数据集进行图像特征提取，得到图像特征集合。图像特征提取是从图像中识别出关键信息的过程，如边缘、纹理、颜色分布等。提取出的特征集合为后续的图像处理提供了必要的信息。根据图像特征集合对第一图像数据集进行误帧率计算，得到误帧率计算结果。误帧率是评估图像播放流畅度的重要指标，它反映了图像在显示过程中出现的丢帧或卡顿问题。通过计算误帧率，系统能够预测并优化图像播放的流畅性。根据误帧率计算结果，对第一图像数据集进行图像质量增强，得到第二图像数据集。图像质量增强是通过调整图像的对比度、亮度、色彩饱和度等来提高图像整体的观看体验。这一过程中，智能电视系统会综合考虑图像的原始质量、显示设备的特性以及观看环境，来调整图像参数，最终得到在不同设备上都能提供优秀视觉体验的图像数据集。

在一具体实施例中，执行步骤S103的过程可以具体包括如下步骤：

（1）获取初始堆栈桶的堆栈状态数据，并对堆栈状态数据进行堆栈溢出检测，得到堆栈溢出检测结果；

（2）根据堆栈溢出检测结果，对初始堆栈桶进行堆栈溢出调节，得到目标堆栈桶，其中，堆栈溢出调节公式为：，/>是目标堆栈桶的大小，/>是初始堆栈桶的大小，/>是调整因子，/>是最大堆栈大小；

（3）对目标堆栈桶进行桶空间复用效率计算，得到桶空间复用效率值；

（4）根据桶空间复用效率值，通过目标堆栈桶对第二图像数据集进行图像显示资源分配优化，得到资源分配优化策略；

（5）根据资源分配优化策略对第二图像数据集进行图像显示性能优化，得到目标图像数据集。

具体的，获取初始堆栈桶的堆栈状态数据。这些数据包括堆栈桶中存储的数据量、数据类型、存储顺序等信息。例如，如果一个堆栈桶被设计用来存储从不同设备接收的图像数据，那么它的状态数据将反映当前存储的图像数量和大小等信息。对堆栈状态数据进行堆栈溢出检测，确定堆栈桶是否已经超出其最大容量，从而影响数据处理和存储的效率。堆栈溢出检测可以通过比较当前堆栈桶中的数据量与其最大容量来进行。如果当前数据量接近或超过最大容量，就意味着发生了堆栈溢出。根据堆栈溢出检测的结果，对初始堆栈桶进行堆栈溢出调节，以得到目标堆栈桶。调节堆栈桶的大小是为了防止数据丢失并提高数据处理效率。调节公式考虑了初始堆栈桶的大小、最大堆栈大小和当前堆栈的实际使用情况。通过这个公式，可以动态调整堆栈桶的大小，以适应不同量级的数据处理需求。对目标堆栈桶进行桶空间复用效率的计算。桶空间复用效率是衡量堆栈桶使用效率的重要指标，它反映了堆栈桶中的空间是否得到了最大程度的利用。计算这一效率值有助于优化堆栈桶的空间利用，确保数据存储和处理的高效性。根据桶空间复用效率值，通过目标堆栈桶对第二图像数据集进行图像显示资源分配的优化。根据堆栈桶的使用效率来调整图像数据的存储和处理方式。资源分配优化策略考虑了不同图像数据的处理优先级和资源需求，确保在有限的资源条件下实现最优的图像处理效果。根据资源分配优化策略对第二图像数据集进行图像显示性能的优化。通过调整图像处理参数来提高图像显示的质量。例如，可以通过调整图像的亮度、对比度、色彩平衡等参数，来提高图像的清晰度和视觉效果。优化后，得到的目标图像数据集将在不同的显示设备上提供一致且高质量的视觉体验。

在一具体实施例中，执行步骤S104的过程可以具体包括如下步骤：

（1）通过预置的强化学习算法，构建多个目标设备对应的多个设备智能体，同时，构建智能电视系统中目标智能电视的电视智能体；

（2）根据多个设备智能体和电视智能体，构建多个目标设备与智能电视系统的智能体分布网络；

（3）通过智能体分布网络对目标图像数据集进行图像信息交换，并通过预置的分布式算法对智能体分布网络进行全局成本函数优化，得到最优成本值；

（4）根据最优成本值，对智能体分布网络进行分布式凸优化求解，得到目标函数求解值，其中，二次型凸优化目标函数为：，/>是正定矩阵，/>是系数向量，/>是常数，T是指数，/>是目标函数求解值，x是最优成本值；

（5）根据目标函数求解值匹配智能体分布网络对应的目标图像显示策略，目标图像显示策略用于确保多个设备智能体和电视智能体间图像显示的一致性和协调性。

具体的，通过预置的强化学习算法，分别为多个目标设备和智能电视系统构建相应的智能体。例如，对于一个智能手机，智能电视系统会构建一个智能体，它能够根据手机的特性和用户行为来优化与智能电视之间的数据交互。同时，智能电视本身也会有一个专属的智能体，负责处理来自各设备的数据并优化显示效果。强化学习算法通过学习和适应不同设备的行为和反馈，不断提升智能体的决策能力和效率。根据这些构建的多个设备智能体和电视智能体，建立一个智能体分布网络。这个网络连接了所有的智能体，使得它们可以相互通信和协作。通过智能体分布网络对目标图像数据集进行图像信息交换。这个过程中，每个智能体都会根据自己的角色和功能，共享和接收图像数据，以及相关的处理和显示信息。例如，智能手机智能体会发送一段视频的图像数据到电视智能体，同时附带有关用户偏好的信息，以便电视智能体能够根据这些信息调整视频的显示设置。通过预置的分布式算法对智能体分布网络进行全局成本函数优化。找到一个最优的成本值，从而实现图像数据处理和显示的最佳性能。全局成本函数优化考虑了网络中所有智能体的操作成本，包括数据传输的时间和资源消耗，以及图像处理和显示的效率。根据最优成本值，对智能体分布网络进行分布式凸优化求解，找到一个在给定条件下使成本最小化的解决方案。根据目标函数求解值，匹配智能体分布网络对应的日标图像显示策略。这个策略基于前面的优化过程，确保所有设备智能体和电视智能体间图像显示的一致性和协调性。例如，如果优化结果表明在某些情况下智能手机智能体发送的图像数据需要特定的处理才能在电视上正确显示，那么相应的图像显示策略会被调整以适应这一需求。

在一具体实施例中，执行步骤S105的过程可以具体包括如下步骤：

（1）根据目标图像显示策略对目标图像数据集进行实时同步，并计算实时同步过程的固定收敛时间；

（2）根据固定收敛时间，对目标图像数据集进行图像显示参数优化，得到最优图像显示参数集，其中，参数优化函数为：，/>是最优图像显示参数集，/>是参数/>下的性能度量，/>是处理时间，/>是固定收敛时间，P是参数集；

（3）对最优图像显示参数集进行同步和连贯性评估，得到同步和连贯性评估结果，并对最优图像显示参数集进行性能与时间平衡分析，得到性能与时间平衡分析结果；

（4）根据同步和连贯性评估结果以及性能与时间平衡分析结果，对最优图像显示参数集进行响应参数调整，得到第一智能电视图像显示参数。

具体的，根据目标图像显示策略对目标图像数据集进行实时同步，协调不同设备之间的时间差异和显示设置。计算实时同步过程的固定收敛时间。固定收敛时间是指系统从接收到图像数据到完成同步显示所需的固定时间长度。这个时间有助于确保图像显示的流畅性和连续性。例如，如果固定收敛时间设置得过长，用户会感受到明显的延迟；而如果设置得过短，则会导致图像显示不完整或频繁刷新。根据固定收敛时间，对目标图像数据集进行图像显示参数优化。使用参数优化函数，找到能够在保证收敛时间的前提下，最大化图像显示性能的参数集合。优化过程考虑了多种因素，如图像的亮度、对比度、色彩饱和度等，以确保在不同设备上提供一致的图像质量。对最优图像显示参数集进行同步和连贯性评估。同步评估主要关注不同设备间图像显示的时间一致性，而连贯性评估则关注图像在不同设备间显示时的视觉一致性。这一评估过程确保用户在不同设备间切换时，能够获得无缝且一致的观看体验。进行性能与时间平衡分析，找到图像处理性能和同步显示时间之间的最佳平衡点。例如，提高图像处理的性能会增加处理时间，从而影响同步显示的流畅性。根据同步和连贯性评估结果以及性能与时间平衡分析结果，对最优图像显示参数集进行响应参数调整，得到第一智能电视图像显示参数。这个调整过程涉及到对图像显示参数进行微调，以确保在任何给定的情况下，用户都能获得最佳的视觉体验。例如，如果评估结果表明在某些情况下图像显示有轻微的延迟，系统会调整处理算法或减少某些图像处理步骤，以缩短同步显示的时间。

在一具体实施例中，执行步骤S106的过程可以具体包括如下步骤：

（1）对第一智能电视图像显示参数进行自适应分析，得到自适应输出结果，并根据自适应输出结果对第一智能电视图像显示参数进行外部扰动抑制分析，得到扰动抑制概率；

（2）根据扰动抑制概率，对智能体分布网络中的多个设备智能体和电视智能体进行梯度信息保护，得到梯度信息保护系数；

（3）根据梯度信息保护系数定义智能电视系统的适应性函数；

（4）通过预置的异常算法对第一智能电视图像显示参数进行群体初始化，得到多个第一候选图像显示参数；

（5）通过适应性函数对多个第一候选图像显示参数进行适应性计算和群体划分，得到多个图像显示参数群体；

（6）对多个图像显示参数群体进行繁殖、变异和遗传操作，生成多个第二候选图像显示参数；

（7）对多个第二候选图像显示参数进行最优化选取，得到智能电视系统的第二智能电视图像显示参数。

具体的，对第一智能电视图像显示参数进行自适应分析，得到自适应输出结果。评估当前的显示参数如何响应不同的观看环境和内容。根据自适应输出结果，对第一智能电视图像显示参数进行外部扰动抑制分析。评估在不同外部扰动条件下，如光线变化、设备干扰等，图像显示参数如何保持稳定。基于这一分析，计算出扰动抑制概率，即在各种扰动条件下保持图像显示质量不变的概率。根据扰动抑制概率，对智能体分布网络中的多个设备智能体和电视智能体进行梯度信息保护，以得到梯度信息保护系数。梯度信息保护关键在于维护智能体在图像处理过程中的信息完整性，防止由于网络波动或数据传输误差导致的信息损失。保护系数表明了在不同条件下维护信息完整性的能力。通过预置的异常算法对第一智能电视图像显示参数进行群体初始化，从而得到多个第一候选图像显示参数。这一步骤类似于生物进化中的种群初始化，不同的候选参数代表不同的“物种”，每个物种都有其独特的显示特性和适应环境。通过适应性函数对这些第一候选图像显示参数进行适应性计算和群体划分，得到多个图像显示参数群体。适应性计算是基于参数如何适应不同显示环境和内容的评估，而群体划分则是基于这些评估结果将参数分成不同的群体，每个群体都有其优势和适应场景。对这些图像显示参数群体进行繁殖、变异和遗传操作，以生成多个第二候选图像显示参数。这一过程模仿自然选择和遗传原理，通过组合和变异不同的参数特性，产生新的候选参数集合，这些新集合比原始集合更适应特定的显示环境。对这些第二候选图像显示参数进行最优化选取，以得到智能电视系统的第二智能电视图像显示参数。评估每个候选参数集合的显示效果和适应性，选择出最适合当前显示环境和内容的参数集合作为最终的图像显示参数。

上面对本申请实施例中跨设备内容同步的智能电视图像显示方法进行了描述，下面对本申请实施例中跨设备内容同步的智能电视图像显示装置进行描述，请参阅图2，本申请实施例中跨设备内容同步的智能电视图像显示装置一个实施例包括：

接收模块201，用于通过预置的智能电视系统接收多个目标设备的原始图像数据集，并对所述原始图像数据集进行图像格式预处理和图像编码，得到第一图像数据集；

创建模块202，用于基于预置的卷积码堆栈桶算法创建对应的初始堆栈桶，并根据所述初始堆栈桶对所述第一图像数据集进行图像特征提取和图像质量增强，得到第二图像数据集；

调节模块203，用于对所述初始堆栈桶进行堆栈溢出调节与桶空间复用，得到目标堆栈桶，并根据所述目标堆栈桶对所述第二图像数据集进行图像显示资源分配优化，得到目标图像数据集；

处理模块204，用于构建所述多个目标设备与所述智能电视系统的智能体分布网络，并对所述智能体分布网络进行分布式凸优化处理，得到目标图像显示策略；

同步模块205，用于根据所述目标图像显示策略对所述目标图像数据集进行实时同步和响应参数调整，得到第一智能电视图像显示参数；

优化模块206，用于对所述第一智能电视图像显示参数进行自适应分析和参数优化，得到所述智能电视系统的第二智能电视图像显示参数。

通过上述各个组成部分的协同合作，通过预处理和编码原始图像数据，引入图像归一化处理和多尺度分辨率调整，有助于适应不同设备的异构性，提高图像在多设备上的通用性和兼容性。这一特征使得方法能够更加灵活地适应各种设备规格和网络环境。利用卷积码堆栈桶算法进行图像特征提取和质量增强，有助于提高图像处理的效率和准确性。该算法不仅能够有效应对不同设备上的图像差异，还能够在保证图像质量的前提下进行处理，从而提升用户观感和体验。对堆栈桶进行溢出调节与桶空间复用，以及对目标堆栈桶进行资源分配优化，有助于提高图像显示的效率和性能。这一特征使得方法能够更好地适应多设备协同显示的场景，有效减少了堆栈桶溢出的概率，提高了图像显示资源的利用率。构建智能体分布网络并进行分布式凸优化处理，有助于实现全局最优的图像显示策略。通过优化智能体之间的信息交换和合作，该方法能够更好地协调多个设备之间的图像显示，提升整体的同步性和协同性。这一特征使得方法更具有适应性和鲁棒性，能够在复杂多变的环境中实现更为优越的图像显示效果，进而提高了跨设备内容同步的智能电视图像显示准确率。

本申请还提供一种跨设备内容同步的智能电视图像显示设备，所述跨设备内容同步的智能电视图像显示设备包括存储器和处理器，存储器中存储有计算机可读指令，计算机可读指令被处理器执行时，使得处理器执行上述各实施例中的所述跨设备内容同步的智能电视图像显示方法的步骤。

本申请还提供一种计算机可读存储介质，该计算机可读存储介质可以为非易失性计算机可读存储介质，该计算机可读存储介质也可以为易失性计算机可读存储介质，所述计算机可读存储介质中存储有指令，当所述指令在计算机上运行时，使得计算机执行所述跨设备内容同步的智能电视图像显示方法的步骤。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，系统和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（readonly memory，ROM）、随机存取存储器（random acceS memory，RAM）、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述，以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。

Claims (9)

1.一种跨设备内容同步的智能电视图像显示方法，其特征在于，所述跨设备内容同步的智能电视图像显示方法包括：

通过预置的智能电视系统接收多个目标设备的原始图像数据集，并对所述原始图像数据集进行图像格式预处理和图像编码，得到第一图像数据集；

基于预置的卷积码堆栈桶算法创建对应的初始堆栈桶，并根据所述初始堆栈桶对所述第一图像数据集进行图像特征提取和图像质量增强，得到第二图像数据集；具体包括：根据预置的卷积码堆栈桶算法确定所述智能电视系统的深度因子，并通过所述深度因子进行动态寻优，得到初始深度因子优化路径，其中，动态寻优函数为：，其中/>是初始深度因子优化路径，/>是深度因子，是距离函数，/>是路径上的点；对所述深度因子优化路径进行动态寻优调节，得到目标深度因子优化路径，其中，动态寻优调节公式为：，/>是优化目标，/>和/>是优化函数，/>是权衡系数；根据所述目标深度因子优化路径计算所述第一图像数据集的堆桟桶容量，并根据所述堆桟桶容量创建对应的初始堆栈桶；根据所述初始堆栈桶对所述第一图像数据集进行图像特征提取，得到图像特征集合；根据所述图像特征集合，对所述第一图像数据集进行误帧率计算，得到误帧率计算结果；根据所述误帧率计算结果，对所述第一图像数据集进行图像质量增强，得到第二图像数据集；

对所述初始堆栈桶进行堆栈溢出调节与桶空间复用，得到目标堆栈桶，并根据所述目标堆栈桶对所述第二图像数据集进行图像显示资源分配优化，得到目标图像数据集；

构建所述多个目标设备与所述智能电视系统的智能体分布网络，并对所述智能体分布网络进行分布式凸优化处理，得到目标图像显示策略；

根据所述目标图像显示策略对所述目标图像数据集进行实时同步和响应参数调整，得到第一智能电视图像显示参数；

对所述第一智能电视图像显示参数进行自适应分析和参数优化，得到所述智能电视系统的第二智能电视图像显示参数。

2.根据权利要求1所述的跨设备内容同步的智能电视图像显示方法，其特征在于，所述通过预置的智能电视系统接收多个目标设备的原始图像数据集，并对所述原始图像数据集进行图像格式预处理和图像编码，得到第一图像数据集，包括：

通过预置的智能电视系统接收多个目标设备的原始图像数据集；

对所述原始图像数据集进行图像归一化处理，得到归一化图像数据集，其中，图像归一化处理公式为：，/>是原始图像数据集，/>是归一化图像数据集，/>为缩放参数，/>为偏移参数；

对所述归一化图像数据集进行图像格式转换，得到标准图像数据集，其中，图像格式转换公式为：，其中/>为标准图像数据集，/>为归一化图像数据集，/>是卷积核，/>和/>是像素坐标；

对所述标准图像数据集进行多尺度分辨率调整，得到多尺度图像数据集，其中，多尺度分辨率调整公式为：，/>是调整后分辨率，是第/>尺度的原始分辨率，/>是权重系数；

对所述多尺度图像数据集进行颜色空间高维转换，得到高维转换图像数据集；

通过自适应图像增强函数，对所述高维转换图像数据集进行自适应图像增强，得到增强图像数据集，所述自适应图像增强函数为：，其中/>是增强图像数据集，是高维转换图像数据集，/>是增强系数，/>是增强算子；

对所述增强图像数据集进行误差校正，得到校正图像数据集，并对所述校正图像数据集进行图像编码，得到第一图像数据集。

3.根据权利要求1所述的跨设备内容同步的智能电视图像显示方法，其特征在于，所述对所述初始堆栈桶进行堆栈溢出调节与桶空间复用，得到目标堆栈桶，并根据所述目标堆栈桶对所述第二图像数据集进行图像显示资源分配优化，得到目标图像数据集，包括：

获取所述初始堆栈桶的堆栈状态数据，并对所述堆栈状态数据进行堆栈溢出检测，得到堆栈溢出检测结果；

根据所述堆栈溢出检测结果，对所述初始堆栈桶进行堆栈溢出调节，得到目标堆栈桶，其中，堆栈溢出调节公式为：，是目标堆栈桶的大小，/>是初始堆栈桶的大小，/>是调整因子，/>是最大堆栈大小；

对所述目标堆栈桶进行桶空间复用效率计算，得到桶空间复用效率值；

根据所述桶空间复用效率值，通过所述目标堆栈桶对所述第二图像数据集进行图像显示资源分配优化，得到资源分配优化策略；

根据所述资源分配优化策略对所述第二图像数据集进行图像显示性能优化，得到目标图像数据集。

4.根据权利要求1所述的跨设备内容同步的智能电视图像显示方法，其特征在于，所述构建所述多个目标设备与所述智能电视系统的智能体分布网络，并对所述智能体分布网络进行分布式凸优化处理，得到目标图像显示策略，包括：

通过预置的强化学习算法，构建所述多个目标设备对应的多个设备智能体，同时，构建所述智能电视系统中目标智能电视的电视智能体；

根据所述多个设备智能体和所述电视智能体，构建所述多个目标设备与所述智能电视系统的智能体分布网络；

通过所述智能体分布网络对所述目标图像数据集进行图像信息交换，并通过预置的分布式算法对所述智能体分布网络进行全局成本函数优化，得到最优成本值；

根据所述最优成本值，对所述智能体分布网络进行分布式凸优化求解，得到目标函数求解值，其中，二次型凸优化目标函数为：，/>是正定矩阵，是系数向量，/>是常数，T是指数，/>是目标函数求解值，x是最优成本值；

根据所述目标函数求解值匹配所述智能体分布网络对应的目标图像显示策略，所述目标图像显示策略用于确保所述多个设备智能体和所述电视智能体间图像显示的一致性和协调性。

5.根据权利要求4所述的跨设备内容同步的智能电视图像显示方法，其特征在于，所述根据所述目标图像显示策略对所述目标图像数据集进行实时同步和响应参数调整，得到第一智能电视图像显示参数，包括：

根据所述目标图像显示策略对所述目标图像数据集进行实时同步，并计算实时同步过程的固定收敛时间；

根据所述固定收敛时间，对所述目标图像数据集进行图像显示参数优化，得到最优图像显示参数集，其中，参数优化函数为：，/>是最优图像显示参数集，/>是参数/>下的性能度量，/>是处理时间，/>是固定收敛时间，P是参数集；

对所述最优图像显示参数集进行同步和连贯性评估，得到同步和连贯性评估结果，并对所述最优图像显示参数集进行性能与时间平衡分析，得到性能与时间平衡分析结果；

根据所述同步和连贯性评估结果以及所述性能与时间平衡分析结果，对所述最优图像显示参数集进行响应参数调整，得到第一智能电视图像显示参数。

6.根据权利要求5所述的跨设备内容同步的智能电视图像显示方法，其特征在于，所述对所述第一智能电视图像显示参数进行自适应分析和参数优化，得到所述智能电视系统的第二智能电视图像显示参数，包括：

对所述第一智能电视图像显示参数进行自适应分析，得到自适应输出结果，并根据所述自适应输出结果对所述第一智能电视图像显示参数进行外部扰动抑制分析，得到扰动抑制概率；

根据所述扰动抑制概率，对所述智能体分布网络中的多个设备智能体和电视智能体进行梯度信息保护，得到梯度信息保护系数；

根据所述梯度信息保护系数定义所述智能电视系统的适应性函数；

通过预置的异常算法对所述第一智能电视图像显示参数进行群体初始化，得到多个第一候选图像显示参数；

通过所述适应性函数对所述多个第一候选图像显示参数进行适应性计算和群体划分，得到多个图像显示参数群体；

对所述多个图像显示参数群体进行繁殖、变异和遗传操作，生成多个第二候选图像显示参数；

对所述多个第二候选图像显示参数进行最优化选取，得到所述智能电视系统的第二智能电视图像显示参数。

7.一种跨设备内容同步的智能电视图像显示装置，其特征在于，所述跨设备内容同步的智能电视图像显示装置包括：

接收模块，用于通过预置的智能电视系统接收多个目标设备的原始图像数据集，并对所述原始图像数据集进行图像格式预处理和图像编码，得到第一图像数据集；

创建模块，用于基于预置的卷积码堆栈桶算法创建对应的初始堆栈桶，并根据所述初始堆栈桶对所述第一图像数据集进行图像特征提取和图像质量增强，得到第二图像数据集；具体包括：根据预置的卷积码堆栈桶算法确定所述智能电视系统的深度因子，并通过所述深度因子进行动态寻优，得到初始深度因子优化路径，其中，动态寻优函数为：，其中/>是初始深度因子优化路径，/>是深度因子，是距离函数，/>是路径上的点；对所述深度因子优化路径进行动态寻优调节，得到目标深度因子优化路径，其中，动态寻优调节公式为：，/>是优化目标，/>和/>是优化函数，/>是权衡系数；根据所述目标深度因子优化路径计算所述第一图像数据集的堆桟桶容量，并根据所述堆桟桶容量创建对应的初始堆栈桶；根据所述初始堆栈桶对所述第一图像数据集进行图像特征提取，得到图像特征集合；根据所述图像特征集合，对所述第一图像数据集进行误帧率计算，得到误帧率计算结果；根据所述误帧率计算结果，对所述第一图像数据集进行图像质量增强，得到第二图像数据集；

调节模块，用于对所述初始堆栈桶进行堆栈溢出调节与桶空间复用，得到目标堆栈桶，并根据所述目标堆栈桶对所述第二图像数据集进行图像显示资源分配优化，得到目标图像数据集；

处理模块，用于构建所述多个目标设备与所述智能电视系统的智能体分布网络，并对所述智能体分布网络进行分布式凸优化处理，得到目标图像显示策略；

同步模块，用于根据所述目标图像显示策略对所述目标图像数据集进行实时同步和响应参数调整，得到第一智能电视图像显示参数；

优化模块，用于对所述第一智能电视图像显示参数进行自适应分析和参数优化，得到所述智能电视系统的第二智能电视图像显示参数。

8.一种跨设备内容同步的智能电视图像显示设备，其特征在于，所述跨设备内容同步的智能电视图像显示设备包括：存储器和至少一个处理器，所述存储器中存储有指令；

所述至少一个处理器调用所述存储器中的所述指令，以使得所述跨设备内容同步的智能电视图像显示设备执行如权利要求1-6中任一项所述的跨设备内容同步的智能电视图像显示方法。

9.一种计算机可读存储介质，所述计算机可读存储介质上存储有指令，其特征在于，所述指令被处理器执行时实现如权利要求1-6中任一项所述的跨设备内容同步的智能电视图像显示方法。