眼动注视点大数据在图像质量优化中的应用研究

摘要

人类的视觉系统是一种多目标跟踪系统。为了便于大脑在最短时间内获得关键信息，人眼会将注意力集中到少数几个区域或物体，这个行为称作视觉注意。这些区域或物体在场景中就构成了感兴趣区域（Region of Interest，ROI）。提取ROI是图像处理、图像增强、机器学习等学科的重点研究方向，可以大大减少计算机对图像压缩编码、目标识别、图像匹配的耗时，有效地提高信息的处理效率。
　　实验室获取ROI的受试人员有限，获得的数据量较小，设备昂贵，无法将ROI获取普及到各行各业。因此，本文探讨如何利用公众资源大量地收集眼动大数据，并具体从流程上介绍了数据获取过程，最后提出一种利用眼动大数据提升图像感官质量的方式。主要工作如下：
　　首先，为广泛收集眼动数据，增加受试人员数量，本文仿照眼动仪改进了虚拟现实眼镜。利用红外光源，在不影响用户使用的前提下，使其可以收集眼动数据，并应用视点跟踪技术获取视线，得到的视点经坐标变换映射到真实图像位置。
　　其次，获取眼动大数据后，本文利用改进后的k-means算法和二维高斯分布模拟来分析眼动数据，得到真实的ROI。考虑到原有K-means算法的不足，本文进行了改进，并利用改进后的k-means算法将ROI识别成功。同时指出，K-means获得的是规则圆的ROI区域，因此可以利用二维高斯分布模拟，使其形成山区高度图，并利用“削山顶法”得到不规则的ROI区域。
　　最后，根据人眼视觉中央凹视区最为清晰的特性，本文提出一种利用公众资源大数据获取眼动数据，并分析眼动数据得出ROI，进而优化图像感官质量的方法。由此可以动态地调节图像质量以匹配不同的带宽，节省下载空间量，从而解决因带宽限制不得不退而求其次下载低清晰度图像的问题。
　　本文在前人研究的基础上，结合当今大数据时代的优势，提出了利用公众资源来优化图像，并利用优化的图像进一步吸引公众资源的这种良性循环的研究思路，拓展了研究视野，开辟了研究道路。

目录

封面

声明

中文摘要

英文摘要

目录

第1章 绪论

1.1 提出问题

1.2 研究意义与研究背景

1.3 VR设备简介

1.4 图像质量增强研究现状

1.5 主要研究工作

1.6 论文组织结构

第2章 基于VR虚拟现实眼镜的眼动数据提取

2.1 VR虚拟现实眼镜的原理简介

2.2 VR虚拟现实眼镜提取眼动的结构搭建

2.3 人眼眼动特性

2.4 瞳孔定位技术

2.5 视点跟踪算法

2.6 本章小结

第3章 基于眼动大数据的ROI提取

3.1 K-means聚类分析提取ROI

3.2 基于二维高斯分布的非规则区域ROI提取算法

3.3 本章小结

第4章 基于注视点的ROI在图像质量上的优化

4.1 人眼视觉特性

4.2 图像优化原理

4.3 高分辨率插值

4.4 动态调节图像质量

第5章 总结与展望

5.1本文主要工作总结

5.2未来研究工作展望

参考文献

致谢

个人简历及攻硕期间研究成果