3D显示在深度感知上的体验优于传统二维显示,随着3D多媒体业务的发展,为了给用户提供更高的体验质量,迫切需要建立有效的立体图像视觉舒适评价指标,这些指标将有助于3D图像/视频系统的优化。我们提出了一种利用神经注意机制(neural attention mechanism)对立体图像进行舒适度客观评价的新方法。受视觉注意反馈机制的启发,传统的视觉舒适度评价(Visual comfort assessment,VCA)方法是找到图像的显著区域,然后使用该区域内物体的视差值来构建VCA模型,尽管这种方法在视觉舒适度评价中十分有效,但仍存在一些限制:这种方法只有在显著区域与最大的视差区域重合时才有效。本文研究的对象是最大的视差区域与显著性区域不重合的情况,我们发现当对象的最大视差出现在非显著区域(non-salient regions)时,会更让人眼感觉不舒服。在此基础上,我们建立了一个新的3D非显著图(3D non-salient map),然后应用多尺度理论描述了图像尺寸对视觉不适的影响。此外,在对视觉通道的研究过程中我们还发现了影响视觉舒适度的各类因素。3D视觉舒适度评价模型所用的统计数据来自于传统光学统计元素;视网膜差异和神经生理学元素来自V1和MT区域,这些生理统计数据被用来为3D-VCA模型创建一个新的特征图,称为MT重要性图。十三个典型的MT神经细胞根据其特点被分为4类:兴奋性调频细胞(tuned-excitatory cells)、抑制性调频细胞(tunedinhibitory cells)、远细胞(far cells)和近细胞(near cells)。与此同时,通过改变在计算水平角视差因子的公式中的观察距离,对角视差图进行了变换。研究表明MT细胞对观察距离的变化反应更加强烈,同时,研究结果得到了三种类型的角视差图:调谐近视差图(tuned-near disparity map)、调谐远视差图(tuned-far disparity map)和原始视差图(original disparity map)。在两个可用的公共数据库上的实验结果表明,该方法的性能优于以往的3D-VCA模型。