近年来,眼动追踪技术逐步发展并被应用于多个领域。在学术和工业研究中,对眼动数据定量化比较的要求越来越高。相比注视点数目,注视时间,扫视幅度,眨眼次数,瞳孔尺寸等传统的眼动数据定量化指标,基于信息论中香农熵和条件熵生成的平稳熵和转移熵在度量眼动特征时表现出优势,并受到越来越多研究者关注。平稳熵反映了注视复杂度,转移熵反映了扫视复杂度,但是这两个指标仅能反映整个观察区域内注视点分布特征和视线转换特征,在进行眼动行为分析时具有局限性。本文提出了一种基于信息通道的眼动分析方法,此方法将注视点序列建模为注视信息通道,从而引入信息论中的熵和互信息作为眼动数据定量化指标。利用注视信息通道,除了能计算原有的平稳熵和转移熵之外,还能生成注视联合熵,注视互信息,区域转移熵和区域互信息,这些变量可以度量眼动行为特征。其中,注视联合熵可以反映注视和扫视的综合复杂度,注视互信息可以反映整个观察区域的注视相关性,区域转移熵可以反映局部区域的扫视复杂度,区域互信息可以反映局部区域的注视相关性。我们用此方法对梵高绘画观察实验的眼动数据进行了分析,结果表明基于信息通道生成的熵和互信息变量能从不同角度反映观察者在观看绘画时的眼动行为差异;实验还发现反映梵高绘画自身特征的计算美学指标和由眼动数据计算得到的注视互信息之间存在关联。