针对立体图像的多维影响因素和预测结果准确性不足的问题，提出一种基于卷积神经网络-支持向量回归（CNN-SVR）的立体图像视觉感知客观评价模型。该模型将基于颜色的平面显著图和基于差异的视差图相结合，对其进行阈值分割，得到视觉感知潜在显著不适区域；然后进行特征提取，分别提取对比度、颜色、结构复杂度等全局特征和视差、纹理、空间频率等局部特征；最后采用将CNN和SVR相结合的方式构建多特征视觉感知客观评价模型，得到最终的客观预测值。实验结果表明，所提方法的Pearson相关系数高于0.87，Spearman相关系数高于0.83。与现有其他方法相比，在公开数据集上所提客观评价模型更优，预测结果与人们主观评价结果具有更高的一致性。

为使立体图像在3D显示时有更好的立体视觉效果和舒适度,提出一种针对立体图像水平视差的自适应调整方法来提高立体显示效果。通过特征点匹配获取拍摄场景的深度分布信息,提取最大深度和最小深度,结合当前的基线以及人眼可接受的最大视差和最小视差重新调整基线,直到获取合适的基线,从而保证拍摄场景在舒适立体成像区内成像。所提方法不会引起任何立体图像失真。为验证该方法对视差的控制效果,设计并完成了相应的实验。实验结果表明,该方法能够自适应调整视差,实现强烈的立体视觉效果。

通过四元数小波变换分解立体图像的左右视图,获取不同尺度不同方向的幅值相位信息,并结合人眼视觉特性生成单目图;对左右视图和单目图作亮度去均值对比度归一化(MSCN)处理,获取MSCN系数图,采用广义高斯分布模型拟合MSCN系数和MSCN四方向邻域系数乘积,提取统计参数特征(联合峰度、偏度、标准偏差和能量),组成特征向量,通过XGBoost模型预测图像质量感知得分。结果表明,所提立体图像质量评价算法在LIVE3D图像库上优于其他方法,并且运行速度得到大幅度提高。

提出了一种基于图像融合的无参考立体图像质量评价算法。该算法利用小波变换分解重构立体图像的左右视图并融合在一幅图像中,归一化处理融合图像的亮度系数,均衡各部分亮度并保留融合图像的结构信息,使用卷积神经网络进行特征提取和回归预测。实验结果表明,所提方法的预测得分与人类主观评价得分具有很好的一致性。

针对建筑物检测特定应用,提出一种基于稀疏表示的失真立体图像全参考质量评价方法。首先构建了一种新的失真卫星立体图像数据库,使用角点检测和数字表面模型的高程信息进行建筑物检测,并根据失真图像检测角点变化,提出检测准确率指标来表示图像的失真程度;然后提出一种基于稀疏表示的客观评价模型,其分别提取原始图像和失真图像的尺度不变特征转换和二进制稳健不变尺度特征进行字典学习;利用稀疏表示测量原始图像和失真图像之间的相似性,得到4个质量分数;最后通过支持向量回归融合4个质量分数得到最终的客观评价值。在构建的数据库上进行测试,实验结果表明,皮尔逊线性相关系数值高于0.90,斯皮尔曼等级相关系数值高于0.87,与现有的评价方法相比,所提方法能更好地反映卫星立体图像的质量。

针对立体图像版权保护问题，提出了一种基于左右视点相关性的立体图像鲁棒水印方法。由于张量分解能够较好保存图像的主要能量，因此，首先利用彩色视点中RGB 三通道之间的相关性，对左右视点分别进行张量分解。每一个视点分解出三个特征图，其中每个视点的第一特征图保留了每个视点中较强的三通道关系。其次，结合左右视点之间的相关性，联合左右视点的第一特征图进行张量分解，得到立体图像的主要能量特征图。最后，将主要能量特征图进行奇异值分解，并嵌入水印从而提高鲁棒性。实验结果表明，该方法具有较高的鲁棒性和不可见性，并且实现了水印的盲提取。

为了实现对多层光场三维显示技术的优化, 利用亚克力板和光学胶片实现光场的还原, 增加多层权重和光场权重, 扩大调整显示效果的自由度, 在计算过程中能够在外部参数不变的情况下改变多层装置的显示效果.证明了水平视场下各行图像的相互独立性, 采用行分治方法进行计算, 降低了拟合运算的时间复杂度,节省了运算所需的时间与内存, 使有限时间内更高精度的计算成为可能.在其他参数确定的情况下, 采用原始方法能够进行计算的最大尺寸是900×1 200像素, 而行分治方法能够计算1 800×2 400像素的图像而不出现内存不足的问题.基于图像方差建立了衡量光场重建效果的标准, 在此标准下, 发现增加层数、分辨率, 减少视场大小和平均多层权重可以提高整体成像质量, 增加特定视场角的权重能够提高其特定方向的成像质量.从实际制作的3层共2 mm厚的多层模型中观测到了视差, 证明了多层装置在光场还原方面的显著优势.

立体图像观看舒适度的影响因素是立体成像技术领域的关键问题。结合视觉注意机制特性,定量研究饱和度因素对立体图像视觉舒适度的影响。首先,得到立体显著度图,利用模糊隶属度原理和掩膜对其进行优化获得最终的显著立体图像,并用眼动仪对所得立体图像显著区域的正确性进行验证。然后,采用改进的逐级逼近法进行主观实验,通过大量的实验数据得到显著立体图像的舒适饱和度匹配图和差异图。实验结果表明,双目视图舒适饱和度平均差异值最大可达0.29。验证实验表明所提方法的舒适饱和度范围具有更好的普适性,不仅为立体图像舒适度的研究提供了依据,而且为立体内容的制作提供了技术标准。

在观看立体图像时，人类视觉系统(HVS)以人眼视网膜细胞为媒介接收、传输和理解双目信息，基于此提出了一种仿视觉细胞模型的立体图像质量评价(SIQA)方法。以视网膜细胞特性为基础，模仿HVS 对简单细胞和复杂细胞进行建模；双目信息经简单-复杂细胞模型处理得到双目融合视点图(BFVM)和双目细胞差异图(BCDM)，采用多尺度结构相似度(MSSIM)算法分别对原始、失真立体图像的BFVM 和BCDM 进行双目融合评价(BFQA)和双目立体感评价(BSPA)；对BFQA 和BSPA 的评价值进行加权融合得到最终评价值。实验结果表明，该方法的Pearson 线性相关系数在0.94 以上，Spearman 秩相关系数在0.93 以上，该模型符合人眼视觉特性，能够较好地预测立体图像质量。

为了实现对立体图像质量的精确预测，提出了一种基于边缘和特征点匹配的立体图像客观质量评价方法。首先，对图像的质量进行评价，在基于结构相似度的质量评价方法的基础上，考虑了边缘信息对人眼视觉特性的重要性，加入了边缘结构相似度指标; 然后，对图像的立体感进行评价，采用特征点匹配的方法提取立体感指标。最后，根据总体视差失真法将图像质量和立体感指标拟合为一个综合指标。实验结果表明，采用本文提出的方法对立体图像测试库进行评价，总体评价的PLCC(Pearson Linear Correlation Coefficient)均在0.94以上; 与其他方法相比，本方法具有较高的预测精确性。