随着立体图像和视频技术的进步以及国际三维成像标准的不断提高,人类正在开启一个3D视觉应用的新时代。图像处理技术的发展和显示设备的多样化迫切需要在各种设备上显示立体内容。为了适应不同的观看需求,需要调整图像的大小,以便在不同的终端设备上实现良好的显示效果。最简单的图像大小调整方法是均匀缩放,但这种方法往往会导致图像中重要对象的失真,进而影响观看舒适性。与传统的二维视觉内容相比,立体视觉引入了额外的深度维度,为用户带来了更多的享受。然而,这一额外的维度也会给立体视觉成像质量带来一些额外的挑战和制约。因此,有必要在尽可能避免视觉畸变、保持深度、获得最佳图像质量感知的前提下实现图像尺寸的调整,这个过程被称为立体图像重定向。然而,由于目前的立体图像重定向技术还不够成熟,立体图像重定向算子对图像质量、深度感知和视觉舒适度的影响带来了不同的扭曲和失真。失真的立体图像会严重影响用户的视觉体验,甚至会造成一些视觉健康问题。因此,重定向立体图像的质量评价在标立体图像重定向的应用和用户体验质量方面发挥着至关重要的作用。探讨如何建立与人眼主观感知相一致的客观立体图像重定向质量评价模型,是立体图像处理领域的研究热点。研究立体图像重定向质量评价方法,对促进立体图像技术的应用和普及具有重要的理论和现实意义。评估重定向立体图像方面的研究很少。有些利用2D图像重定向质量评估方法来解决这一问题。然而,这些方法不能有效地检测图像结构失真,而这正是重定向立体图像质量退化的关键因素。此外,这些研究没有考虑立体图像重定向质量的综合视角。并且缺乏立体图像质量评估数据库也是该方法研究中面临的另一个严重问题。本文对立体图像重定向技术及其对图像质量的影响进行了分析。在此基础上对立体图像重定向质量评价的关键问题进行了深入的研究,并提出了一些新的研究思路和方法。主要研究工作和贡献如下:本文对评价立体图像重定向技术进行主观评价:利用人的主观判断给基于不同重定向技术的立体图像进行评价和打分,建立数据库,然后从重定向方法、图像内容和不同质量方面,对得到的数据库进行分析,这将为客观质量评估方法提供依据。本文利用基于triangulation-based method(三角的方法)对图像失真和图像质量进行量化,提出了一种新的对立体图像重定向质量进行客观的评价方法。在图像质量方面,我们从源图像和被重定向图像中提取SIFT特征点,并匹配相应的点对。而后,通过计算得到一个显著性映射,来过滤不确定的点。剩余的点连接形成一个三角形网格,用于通过测量每个三角形对的失真来量化图像质量。此外,我们对视觉舒适性和深度感知进行量化,以构成作为支持向量回归(SVR)模型输入的特征向量。实验结果表明,该模型预测的立体图像质量得分与人类平均意见评分(MOS)高度一致,因此该评价模型是有效和完备的。本文提出了一个新的基于接缝裁剪(seam carving)的立体图像重定向方法。首先,计算原图的一个显著性图像,用来表征图像中显著物体的分布。其次,根据显著物体的分布将原图分割成多个小的矩形框。在此基础上,对于每个小矩形框应用传统的接缝裁剪方法进行图像的重定向。实验结果表明,本文提出的接缝裁剪的立体图像重定向方法的性能超越了传统接缝裁剪和其他的立体图像重定向方法。总之,本文对立体图像重定向及其质量评价模型进行了深入的研究,提出了相应的解决技术方案。在本文提出的立体图像数据上和公开的平面图像重定向数据库上进行了大量实验,实验结果表明,本文提出的算法取得了较好的性能,优于当前同类方法。