图像能够对现实世界进行客观、形象的描述。对人类而言，图像是一种重要的信息载体。随着技术的发展，人们的要求也在逐步提升。一些传统图像的表现方式越来越无法满足大部分客户对于展示方式的要求，因此，全景图像应运而生。 全景图像是一种使用360度实景图像来构造虚拟环境的技术。与传统图像相比，全景图像可以捕捉到更多的场景信息，给用户带来身临其境的体验。故而，全景图像被应用于医疗、教育、娱乐等各个领域。 全景图像在给用户带来更好的体验的同时，也给传输带来了很大压力。显著性检测是图像处理技术中的重要部分，其生成的显著性图可以用来指导图像缩放、图像识别等操作。通过显著性检测，合理地减少全景图像中的冗余信息，能够在很大程度上缓解全景图像传输的压力。 最初的显著性检测算法是为传统的平面图像设计的，将这些算法应用于360度的全景图像的效果并不好。此外，与传统图像不同，在观看全景图像时，用户每次仅仅能够看到全景图像的某一视角平面，而非整幅全景图像。为了解决以上问题，本文提出了一种在视角域进行的全景图像显著性检测算法，本文的主要工作如下: (1)提出直接在全景图像的视角域中进行显著性检测。由于视角是用户能够直接观看到的全景图像，因此，在视角平面上进行显著性检测，得到的显著性图更能够反映用户对图像的关注度。在视角平面上图像的显著性由人眼视觉特性决定，因此，根据人眼对图像的空间频率的响应，提取视角中的空间频率信息以及局部对比度，作为视觉特性。 (2)总结全景图像的“赤道偏倚”现象，并将其用于全景图像显著性检测中。基于实际用户观看全景图像时的头部运动数据，推算出用户观看全景图像时的行为函数，将其作为行为特性。 (3)融合全景图像的视觉特性与观看行为特性，通过最大值归一化的融合方式，得到最终的全景图像显著性图。 本文对比了多种数据集，最终采用“Salient360!”数据集作为算法的实验数据集，并展示了本文所设计的算法所得到的结果。此外，将本文设计的算法与现有的全景图像显著性检测算法进行了详细的对比，实验结果表明，当以线性相关系数作为评估指标时，本算法的性能优于其他全景图像显著性检测算法。
NETL
