文献综述（或调研报告）：
三维立体显示是当今显示技术发展的潮流，其大体可以分为两大类，基于双目视差原理的三维立体显示主要有眼镜/头盔式立体显示和光栅式立体显示，这类三维立体显示技术相对成熟并已经有相关的产品；而非基于双目视差原理的三维立体显示主要包括：全息立体显示，集成成像立体显示和体显示等。这类三维立体显示技术较不成熟，大多没有相应的产品[12]。
随着各类三维显示技术的蓬勃发展，对于三维显示中图像质量的考察也日益成为研究的焦点。而图像质量评价是图像显示领域的研究热点，为此我们可以通过主观和客观的评价方法有效地表征图像的品质[2][5]。主观的评价方法主要凭借实验人员的主观感知来评价对象的质量，通常采用连续双激励质量度量法（即对观测者连续给出原始图像和处理过的是真图像，由观测者根据主管感知给出打分值）。ITU-T已发布了相关标准BT-510，对主管质量评价过程中的测试图像，人员，观测距离以及实验环境等做了详细规定。主管评价方法具有耗时多，费用高，难以操作等特点；而客观评价方法则是依据模型给出的量化指标，模拟人类视觉感知机制衡量图像质量。其相对于主观质量评价而言，具有操作简单，成本低，易于解析和嵌入实现等优点，已经成为了图像质量评价的研究重点。当然，在实际的图像应用中，通常将主观评价方法和客观评价方法相结合，从而得出更为准确的判断。
在考察客观评价图像质量研究的道路上，相关的学者对当前常用的峰值信噪比和均方误差全参考评价算法[14]进行了分析并指出其中存在的问题。基于人类视觉系统(Human Vision System, HVS),人们根据模型描述的侧重点不同，将图像质量评价模型归结为基于误差灵敏度评价算法和基于结构相似度评价算法两类[1][6]。基于误差灵敏度的模型的主要特性包括视觉非线性，多通道，对比敏感度带通，掩盖效应，多通道不同激励的相互作用以及视觉心理特征。其中多通道不同激励的相互作用和视觉心理特征还无法更具生理特性得到精确的计算模型，为此，Ismail 采用Kohonen 自组织映射方法以直观的形式表现出各种特征之间的相似或者互补关系，可以根据此思路进而设计出新的评价算法；Makoto等人将图像失真类型归结为亮度差异，空间频率失真，结构上的干扰和随机误差，可以通过设计特征来统计各类失真的程度，再用主分量分析对特征进行选择，并通过样本集的训练以获得不同特征的权重[13]。而基于结构相似度的模型侧重于自然图像特定的结构以及像素间的从属关系，这种类型的算法复杂度较低，应用性较强。在考察图像质量研究的问题上，传统的研究都是关注图像整体显示质量，而忽略了局部区域图像质量对整体图像质量的影响。因而，本实验主要研究关注区域（ROI）内图像质量的变化对整体图像质量的影响。实验表明ROI区域图像质量的变化将会对整体图像质量产生影响。在相同的条件下，ROI区域图像质量越好，人眼对整体图像评价越好。这一结论在图像总体质量处于中等水平时效果最佳，当图像质量很差或者过高的时候，效果并不理想[4]。
除了立体显示质量外，人眼的视觉舒适度也成为衡量立体显示技术好坏的重要因素之一。先进的立体视频技术能够给观众带来深度感和沉浸感，但也容易使人产生视觉疲劳，造成观看体验质量的下降，因此，如何对立体视频/图像的视觉舒适度进行有效评价是目前的研究难点。首先，我们应当了解下什么是视觉舒适度。视觉不适是和主观的因素相对应的，在观看立体视频时，过大的双目视差，双眼不对称，以及立体失真等因素都会导致视觉不适的发生，其根本原因是由于立体视频本身的制作原理导致观看者双眼焦点调节和辐辏的严重冲突[10][15]。一般来说，立体图像的视差是决定人眼感知深度大小的重要因素，视差过大使得立体视频/图像的深度感增强，而当感知深度大小在大脑的Panum融合区之外时，就会导致双眼调节和辐辏的冲突，进而产生眼部甚至身体上的一系列疲劳症状。主观实验表明，随着立体视频/图像视差的增大，观看时的视觉舒适度会降低。同时，图像的空间频率也影响着人眼的深度感知和双目融合极限。Schor等人利用高斯差分函数(Difference of Gauss, DoG) 处理得到不同空间频率的立体图像，探究了图像的空间频率对双目融合极限的影响，图像的空间频率越低，双目的融合极限就越高。对于具有较大视差的立体图像，空间频率越低，观看的视觉舒适度越高[9]。
传统的视觉舒适度评价方法主要基于全局的视差统计特性预测视觉舒适度，例如整幅视差图像的均值、方差、分布范围等特征。然而，根据人眼立体视觉注意力特性，人眼只对部分视觉重要区域的视觉舒适/不舒适比较敏感，如果以此全局的视差统计特征来预测视觉重要区域的视觉舒适程度，会导致无法精确预测得到客观评价值。文献[11]在传统舒适度评价算法的基础上，提出一种基于相对视差和前景对象尺寸的立体图像视觉舒适度客观评价方法。该方法首先利用mean-shift 分割法对视差图进行分割，有效地提取出对象的轮廓，然后计算到邻近对象间的相对视差和前景对象的尺寸，并将其作为舒适度感知特征，最后结合传统的全局视差统计特征，可以较大程度地提高视觉舒适度预测的准确性。然而，该方法并未考虑空间频率特征对人眼深度感知的影响，此外，该方法也未考虑立体视觉显著/重要区域对视觉舒适度评价的影响。因此，在评价过程中有效地根据视觉重要区域来提取视觉舒适度特征信息，使得客观评价结果更加符合人类视觉系统，是立体图像视觉舒适度客观评价需要研究解决的问题。当然，对于视觉敏感区域（ROI）的立体图像视觉舒适度客观评价模型，可以通过平面图像显著图模型和视差信息得到视觉重要区域，然后，提取视觉重要区域的视差幅度特征、视差梯度边缘特征和空间频率特征，并以这些特征的组合作为反映立体图像舒适度的感知特征信息；最后， 通过支持向量回归(Support Vector Regression, SVR)预测得到客观评价值[11]，避免了对人类视觉系统的相关特征与机理的复杂模拟过程。
主要参考文献：
[1] M. Lambooij, W. IJsselsteijn, et.al. Visual Discomfort and Visual Fatigue of Stereoscopic Displays: A Review [J], Journal of Imaging Science and Technology, 53/3, 030201, 2009.
[2] I. Heynderickx, 3D Display Technology: an Overview [C], Proc. Latin SID 2007.
[3] Lea Lindemann, Marcus Magnor, Assessing the Quality of Compressed Images Using EEG [C], IEEE International Conference on Image Processing, 3170-3173, 2011.
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
