传统媒体消费中,图像或视频等内容主要呈现在用户视网膜的中央视觉区域中。但近期虚拟现实技术打破了传统的观看形式,其配置的沉浸式头盔显示器将有效观看视场（媒体内容覆盖的视场区域）从水平方向上的20°拓宽至110°甚至更大。这种宽视场、超高清的媒体内容带来的庞大数据量加重了传输带宽负荷,现有网络条件难以承担。因此,如何在有限传输带宽下保证用户对全景内容的优质视觉体验成为虚拟现实应用普及亟需解决的问题。本论文围绕如何量化沉浸式环境下用户对全景图像/视频的主观体验以及如何利用该量化模型优化指导全景数据的传输等问题展开讨论研究。主要研究工作和创新点如下:1.不同于传统主观质量模型,该论文侧重对全景图像各区域质量分布不均匀情况下的讨论。结合人眼视觉系统在视场内各区域视觉敏感度不一致的生理特性以及用户在虚拟环境下的视觉感知情况更接近人眼主观显示的事实,本文提出外围视觉影响下,用户对沉浸式图片视觉感知变化时质量临界阈值分布非均匀的假设,通过大量主观实验获取用户对全景内容各区域分辨率或者量化步长等单一因素主导的质量变化的感知情况,构建量化阈值分布模型。2.实际图像处理中,常同时利用分辨率和量化步长调节图像质量。而这两种视觉质量控制因素对图像感知造成的影响并非独立,故本文进一步探索了用户对多种视觉质量控制因素同时主导质量变化的非均匀感知情况,构建具体的感知质量阈值分布模型。3.针对各区域质量不一致的全景内容主观评价,本文利用质量均匀图片和其对应主观质量相同的质量非均匀图片间的映射关系,将现有的全景内容主观评价算法拓展为全景内容质量非均匀时的主观评价具体形式,并取得了较好的预测性能。利用上述构建的沉浸式图片感知质量阈值非均匀分布模型指导全景内容去除视觉冗余数据,通过分配各区域内不同质量可获取视觉体验不变前提下全景数据的最大压缩。在独立的验证实验中,用户对原图和相应的压缩图片的主观评价值相关系数PCC和SRCC均高于0.92,表明该模型指导的图像非均匀压缩对主观质量影响甚微。此外在亿级像素实时传输渲染系统上的仿真应用中,该模型的使用可将图像的传输渲染显示速度加快至10倍。