JND (Just Noticeable Distortion)即恰好可察觉失真,代表了人类视觉系统由于各种主观效应所造成的,对不同图像有不同失真阈值的现象。当图像的失真程度低于该阈值时人眼不会察觉。感知视频编码主要针对视频的主观视觉特性,对视频进行符合人眼属性的评价或处理。JND则是感知视频编码中的一项重要内容。H.265/HEVC在2013年成为了最新一代混合框架编码标准后,其3D扩展部分也正处在研究阶段。针对多视点3D显示的HEVC3D采用了纹理图加深度图的编码方式。本文详细分析了HEVC3D所使用的编码新特性以及各视点深度图、视差转换关系等。针对人眼对不同深度的注意程度不同,以及不同视点间物体的相互遮盖等关系,提出了一个利用深度图计算的JND模型。此外由于HEVC3D扩展部分使用了与HEVC相同的运动估计过程,该估计过程搜索得到的运动矢量包含了各区域物体的运动信息。针对人眼对于不同运动物体的关注程度以及失真敏感程度不同,本文提出了一个基于编码器运动矢量的JND模型。并将基于深度和基于运动的JND模型作为因子,与基于空间像素域的JND模型相结合,提出了适用于3D视频编码的混合JND模型。本文分析了HEVC3D编码过程中的量化变换部分,并将JND模型加入了编码器中,对编码器做出相应调整。引入失真阈值参数,直接控制量化部分,对于纹理图中失真阈值高于图像平均阈值的部分提高量化步长,在人眼不易察觉的情况下降低视频码率。结果表明此方法可以将失真控制在一些非关键的编码块和失真不敏感区域,提高了编码器的整体压缩效率。