由于可以带给用户身临其境的视觉沉浸感,立体显示技术在越来越多的领域得到推广与应用。用户在观看目前最为常见的双目视差立体显示内容时,双眼的辐辏与调节焦点不一致会为用户带来视觉不适感,影响了用户的观看体验。目前已有的视觉舒适度评价方法大多基于主观问卷结果进行舒适度评价,缺乏可靠的客观评价结果,同时在对立体图像舒适度进行分类时,由于缺乏可靠的图像特征,已有的算法大多分类精度较低。为此,本文针对立体图像舒适度的评价与分类开展研究工作,取得的创新性研究成果包括:(1)提出了一种图像显著性差异驱动的立体视觉舒适度评价方法。为了实现立体显示舒适度的客观评价,本文研究了心电信号与眼动参数结合的立体显示舒适度评价系统,选取具有显著性差异的立体图像作为实验刺激源并在实验过程中同步记录被试者的心电信号以及眼动参数,在结合主观问卷结果后综合得出被试者的立体视觉舒适度变化情况。所提出的方法结合了心电信号以及眼动参数,使用多重客观评价手段使得评价结果更为准确。(2)提出了一种改进的基于立体图像超像素分割的多尺度特征融合显著性检测算法。针对当前立体图像显著性算法模型中显著区域检测效果不佳以及特征选取不足等问题,本研究提出了一种改进的基于超像素分割的多尺度特征融合立体图像显著性检测算法。该方法首先对RGB图像进行超像素分割,使用快速最小差异转换算法处理图像多颜色通道特征图,在与归一化的深度特征图与原始RGB图像背景线索融合后,得到最终显著图,实验结果表明本文提出的显著性检测算法具有良好的显著区域提取效果。(3)提出了一种基于图像显著性分析的立体图像舒适度分类模型。为了弥补已有研究中大多仅使用显著性特征对图像舒适度得分进行预测的不足,本文引入了基于高斯径向基核函数的支持向量机,实现了基于立体图像显著性分析的图像舒适度分类,根据模型训练结果提出了一种改进的加权特征图像舒适度分类模型,进一步提高了图像舒适度分类准确性。