一种视觉特性与行为特性融合的全景图像显著图生成方法及系统技术方案

本发明专利技术公开了一种视觉特性与行为特性融合的全景图像显著图生成方法及系统。本方法为：1)将全景图像从等矩形域转换到球面域、再从球面域转换到视角域，得到该全景图像对应的视角平面图像；2)使用高斯差分滤波处理该视角平面图像，得到图像中每个像素在视觉空间的DoG值；3)利用每个像素对应的DoG值与平均DoG值之间的欧几里德距离值表示对应像素在整幅全景图像上的视觉特征显著性，得到该全景图像对应的视觉特征显著图SV；4)根据用户的实际头部运动数据得到用户观看全景图像的行为特性显著图Sb；5)将该视觉特征显著图SV与该行为特性显著图Sb融合得到最终的全景图像显著图S。本发明专利技术大大提升了全景图像的显示效果。

【技术实现步骤摘要】
一种视觉特性与行为特性融合的全景图像显著图生成方法及系统
本专利技术计算机软件
，涉及一种视觉特性与行为特性融合的全景图像显著图生成方法及系统。
技术介绍
近年来，全景图像因其可以捕捉周围场景的广阔视野而受到关注。通过使用头戴式显示器(HMD)，全景图像可以给观众带来身临其境的视觉体验。基于这种特征，全景图像已被广泛应用于许多虚拟现实(VR)应用中。全景图像的空间大小比传统图像大得多，在现有条件下进行全景图像的存储和传输十分困难，然而人的视觉注意机制(VisualAttentionMechanism)是一种具有选择性的注意，用户通常只关注整个全景图像的一小部分。从整个图像区分显著区域进而对全景图像进行压缩，可以很大程度上缓解全景图像存储和传输的压力。目前，传统平面图像的显著性检测算法有很多，虽然这些显著检测算法可以直接应用于全景图像，但由于全景图像的特性，通常不能获得完美的显著性图。首先，全景图像与传统平面图像观看方式不同。对于传统平面图像，用户直接在屏幕上观看图像，用户所看到的内容与图像完全相同。对于全景图像，用户通常通过HMD观看到全景图像的某个视角。视角是全景图像的一部分本文档来自技高网...

【技术保护点】
1.一种视觉特性与行为特性融合的全景图像显著图生成方法，其步骤包括：1)将全景图像从等矩形域转换到球面域、再从球面域转换到视角域，得到该全景图像对应的视角平面图像；2)使用高斯差分滤波处理该视角平面图像，得到该视角平面图像中每个像素在视觉空间的DoG值；3)利用每个像素对应的DoG值与平均DoG值之间的欧几里德距离值表示对应像素在整幅全景图像上的视觉特征显著性，得到该全景图像对应的视觉特征显著图SV；4)根据用户的实际头部运动数据得到用户观看全景图像的行为特性显著图Sb；5)将该视觉特征显著图SV与该行为特性显著图Sb融合得到最终的全景图像显著图S。

【技术特征摘要】
1.一种视觉特性与行为特性融合的全景图像显著图生成方法，其步骤包括：1)将全景图像从等矩形域转换到球面域、再从球面域转换到视角域，得到该全景图像对应的视角平面图像；2)使用高斯差分滤波处理该视角平面图像，得到该视角平面图像中每个像素在视觉空间的DoG值；3)利用每个像素对应的DoG值与平均DoG值之间的欧几里德距离值表示对应像素在整幅全景图像上的视觉特征显著性，得到该全景图像对应的视觉特征显著图SV；4)根据用户的实际头部运动数据得到用户观看全景图像的行为特性显著图Sb；5)将该视觉特征显著图SV与该行为特性显著图Sb融合得到最终的全景图像显著图S。2.如权利要求1所述的方法，其特征在于，视角域中的点(m，n)的所述DoG值为其中，σ1和σ2是高斯滤波器的标准差。3.如权利要求2所述的方法，其特征在于，σ1＝1.6σ2。4.如权利要求1所述的方法，其特征在于，视觉特征显著图其中，DV(u,v)是全景图像中的点(u,v)对应的DoG值，是全景图像中所有点对应的DoG值的平均DoG值。5.如权利要求1所述的方法，其特征在于，行为特性显著图其中，表示全景图像上的纬度。6.如权利要求1所述的方法，其特征在于，全景图像显著图S＝max(N(SV),N(Sb))；其中，N()表示归一化操作。7.如权利要求1所述的方法，其特征在于，利用公式将全景图像从等矩形域转换到球面域，然后利用公式将球面域转换到视角域；其中，(u，v)表示等矩形域表示的全景图像中的一个点，(x，y，z)表示全景图像中的点(u，v)在球面上的笛卡尔坐标，(m...

【专利技术属性】
技术研发人员：丁颖，刘延伟，刘科栋，
申请(专利权)人：中国科学院信息工程研究所，
类型：发明
国别省市：北京,11