随着多媒体及3D显示技术的飞速发展,立体图像资源不断丰富,并广泛应用于数字影视、工业设计、虚拟现实和增强现实等诸多领域。作为获取高质量立体图像的有效方法,立体图像内容编辑逐渐成为图像处理领域的研究热点之一。立体图像内容编辑技术旨在结合双目立体视觉原理对立体图像的分辨率、宽高比等属性进行调整。由于立体图像包含左右视点间的视差信息和场景的深度信息,图像内容编辑过程面临内容扭曲和视差失真等问题。因此,如何在立体图像内容编辑过程中联合优化立体图像内容和深度感知,获得高质量立体图像内容编辑结果具有重要的研究意义。本文以如何通过内容编辑有效提升立体图像深度感知质量为研究主线,综合考虑人眼的立体视觉特征和立体图像数据特性,重点研究视差约束引导的立体图像拼接、深度学习立体图像重定向、无监督立体图像重定向三方面工作,具体内容如下:1.视差约束引导的立体图像拼接。立体图像拼接旨在通过拼接具有重叠区域的多幅立体图像获得大视角的立体全景图。为了实现高质量的立体拼接图像,本文提出了一种基于视差约束变形与融合的立体图像拼接方法。首先,采用基于点-线驱动的视差最小化单应性方法预对齐左右图像并减小垂直视差。然后,利用多约束变形方法进一步对齐左右图像并保持双目视差信息。最后,通过视差一致性缝切割和融合方法确定最佳接缝并进行拼接。实验结果表明,该方法能够减少图像重叠区域伪影和双目视差失真,有效提高立体图像拼接性能。2.深度学习立体图像重定向。立体图像重定向旨在将立体图像调整至目标宽高比。与平面图像重定向不同,立体图像重定向需要同时保持显著物体的形状结构和3D场景的深度一致性。本文提出了一种基于卷积神经网络的立体图像重定向方法。首先,构建交叉注意力提取模型获取注意力图,该注意力图包含了左右图像自身注意力特征和共同注意力特征。其次,采用视差辅助的3D重要性图生成模型进一步保持立体图像的深度信息。最后,为了准确预测立体重定向图像,利用图像一致性损失保持显著对象的几何结构并采用视差一致性损失减少深度失真。实验结果表明,该方法能够获取良好的立体图像重定向结果。3.无监督立体图像重定向。考虑到显示设备的多样性,构建具有不同宽高比且包含真实标注的立体图像重定向数据集十分困难。为满足实际应用需求,本文提出了一种基于深度感知优化的无监督立体图像重定向方法,以解决无标注条件下的立体图像重定向问题。首先,考虑到立体图像的视点间相关性,构建视点合成损失,促进生成具有更准确视点间关系的高质量立体图像。然后,利用重定向前后立体图像的一致性,构建包含内容一致性和视差一致性的立体循环一致性损失,保持立体图像的对象结构和深度信息。实验结果表明,该方法能够有效提高立体图像重定向性能。