1.一种基于声音刺激的视觉图像感知系统，其特征在于，包括眼镜架、体外机和耳机，其中眼镜架上设置摄像头；体外机包括图像处理模块、声音合成模块和声音播放模块，所述摄像头与体外机的图像处理模块连接，摄像头获取二维或三维图像，图像处理模块将二维或三维图像进行深度检测、二值化、轮廓提取和字符识别后，输出给声音合成模块进行声音处理后，将声音信号传输给声音播放模块通过双通道气导或骨导耳机播放。
2.根据权利要求1所述的基于声音刺激的视觉图像感知系统，其特征在于，所述图像处理模块至少包括依次连接的深度检测单元、二值化单元、轮廓提取单元和字符识别单元。
3.根据权利要求1所述的基于声音刺激的视觉图像感知系统，其特征在于，所述摄像头包括一个或两个AF镜头。
4.根据权利要求1所述的基于声音刺激的视觉图像感知系统，其特征在于，所述声音合成模块包括头相关传递函数滤波单元。
5.根据权利要求1所述的基于声音刺激的视觉图像感知系统，其特征在于，所述声音合成模块对于图像对应的声音合成处理根据下式：
A(i)＝S*H(i)*G(i)
A＝A(1)→A(2)→A(3)→A(4)→...→A(n)
其中，S为基准声音的频域信号；H(i)为平面上第i个点所对应的头相关传递函数；G(i)为第i个声音的增益大小，通过物体的远近来判断；A(i)为声音空间中第i个声音；A为将平面上所有对应的声音连续播放后，形成的可传递当前二维或三维图像的声音信号。
6.一种采用权利要求1-5之一的系统的基于声音刺激的视觉图像感知方法，其特征在于，包括以下步骤：
摄像头采集获取二维或三维图像，进行图像处理，获得简化二维或三维图像；
根据简化二维或三维图像，进行声音合成处理；
将处理后的声音传输给耳机进行播放。
7.根据权利要求6所述的方法，其特征在于，所述图像处理包括以下步骤：
预处理，将二维或三维图像进行深度检测，再灰度化后进行二值化和去噪；
轮廓提取，依次进行图像剪切、图像细化和图像压缩；
字符识别，输出采集的二维或三维图像中的字符或边缘轮廓。
8.根据权利要求6所述的方法，其特征在于，所述声音合成根据头相关传递函数进行。
9.根据权利要求6所述的方法，其特征在于，所述声音合成处理包括以下步骤：
第一步：假设声音空间的平面维度是n行n列，那么就从最左上角的节点开始遍历，记为第1圈，坐标位置表示为(1，n)，如果有信号则进行第二步，没有信号则进入步骤第四步；
第二步：当遍历到有信号的节点时，将此节点设为当前节点，首先播放该节点的声音信号并将该节点设为无信号以避免重复播放，然后选择所处方位与当前遍历方向一致的节点遍历，若有信号则重复步骤第二步，直至遍历完成；若无信号则进入步骤第三步；
第三步：由于处在当前遍历方向的节点无信号，那么就从此节点接着顺时针围绕当前节点旋转遍历；如果遇到有信号的节点，则进入第二步，若没有，则进入第四步；
第四步：如果之前遍历到第i圈，那么继续遍历第i+1圈，节点坐标依次为(i,n),(i,n-
1),(i,n-2)...(i,n-i+1),(i-1,n-i+1),(i-2,n-i+1)...(1,n-i+1)，如果遍历过程中遇到有信号的节点则继续第二步，无信号则继续遍历更外侧的第i+2圈，直至遇到有信号的节点，或遍历完平面所有节点。
10.根据权利要求6所述的方法，其特征在于，所述声音合成处理根据下式：
A(i)＝S*H(i)*G(i)
A＝A(1)→A(2)→A(3)→A(4)→...→A(n)
其中，S为基准声音的频域信号；H(i)为平面上第i个点所对应的头相关传递函数；G(i)为第i个声音的增益大小，通过物体的远近来判断；A(i)为声音空间中第i个声音；A为将平面上所有对应的声音连续播放后，形成的可传递当前二维或三维图像的声音信号。