众所周知，完美的立体视觉舒适度体验能够给予视觉观看者真实地沉浸感和不同深度细节的体验感。而基于双视点图像的平面立体呈现手段和技术无法提供完美地视觉体验，它不仅仅会造成视觉观看者的眼视觉疲劳，同时会在不同立体场景下提供虚假的视觉细节体验。因而本论文试图去分析立体空间场景中立体视觉特征，进而基于立体空间场景的视觉特征矢量组合和主观舒适性测试数据来建立有效的视觉舒适性模型，最终能够更好地拟合人眼的立体视觉舒适感。本论文主要内容是基于立体空间场景内视觉特征的视觉舒适性评价方法的研究和分析。具体而言，我们主要的工作内容和创新点如下：首先，我们设计和构建立体图像数据库VBED和立体视频数据库RVFD。事实上，构建上述立体视觉舒适性数据库具有重要意义。它不仅能够在分析建立模型时统计得到更有针对性的实验数据，同时能够提供主观舒适性测试数据用于后续的机器学习过程。具体而言，立体图像数据库VBED表征着立体图像中边框物体的不同视觉特征。该图像数据库主要为研究立体图像中边框物体的不同视觉特征和立体视觉舒适性之间的关联。而在之前的学术研究中并没有相应立体图像数据库来研究边框效应对立体视觉舒适性的影响。因而我们提出的立体图像数据库VBED能够填补上述领域的空白。同样地，立体视频数据库RVFD表征立体视频内容感兴趣区域内不同视觉特征。该立体视频数据库主要为研究立体视频内容感兴趣区域内不同视觉特征组合和立体视觉舒适性之间的关联。其次，我们试图研究立体图像内容中边框物体的不同视觉特征和立体视觉舒适性之间的关系。针对立体图像内容，通常来说立体空间场景中感兴趣区域内物体的视觉特征是研究者关注的重点；而很少有文章关注立体空间场景中导致“边框效应”的边框物体的视觉特征。因而为更好地评估边框效应与立体视觉舒适性之间关联，我们提出基于立体图像中边框物体的视觉特征组合的视觉舒适性评价算法。具体而言，首先我们分析计算边框物体的不同视觉特征矢量组合，包括边框物体的视差特征矢量、厚度特征矢量、模糊特征矢量以及颜色对比特征矢量；其次，基于立体图像数据库VBED获取相应的主观舒适性测试数据；最后，基于支持向量回归SVR算法来构建视觉舒适性客观评价模型。通过分析主观评分结果和客观预测结果表明：上述提出的立体视觉舒适性客观评价模型可以获得很好的评价性能。最后，我们试图研究立体视频内容的视觉特征和立体舒适性之间的关系。为更好地评估立体视频内容的视觉特征与立体视觉舒适性之间关系，我们提出基于立体视频内容中感兴趣区域内的视觉特征组合的视觉舒适性评价算法。具体而言，我们首先提出立体视频内容感兴趣区域提取算法，根据立体视频内容的显著性区域和运动区域来确定立体视频内容中的感兴趣区域；其次，根据感兴趣区域的空间域约束条件来提取和计算立体视频内容感兴趣区域内的不同视觉特征组合，包括视差特征矢量组合以及不同方向上的运动特征矢量组合；再次，基于立体视频数据库RVFD获取相应的主观舒适性测试数据；最后，基于支持向量回归SVR算法来构建视觉舒适性客观评价模型。通过分析主观评分结果和客观预测结果表明：上述提出的立体视觉舒适性客观评价模型可以获得很好的评价性能。