视觉显著性源于人类视觉系统,是人类视觉系统的固有属性。显著性区域表示人眼关注的位置,是影响感知视频质量的关键因素。根据HVS(人类视觉系统)特性检测视频显著性区域,并将它应用在视频质量评价中可以极大地提升评价的准确程度。人眼是视频的最终接受者,所以主观视频质量评价是最直接、最有效的方法,但是由于主观评价费时费力,导致它不能应用于实时处理中。因此,必须要找到一种满足人眼视觉特性的客观评价方法。同时视频的感知质量也和失真分布有着很大关联。如何将显著性和失真应用于视频质量评价也是本文的研究内容。本文调研了国内外现有的视频显著性检测和视频质量评价算法,重点阐述了视觉显著性检测的应用和不足,发现视频时域相关性、视觉暂留效应是影响视频显著性的关键因素。本文结合视频空时域相关性,根据视觉暂留效应建立时域滑动窗,将视频看做3D视频体,在三维变换频域研究视频序列的显著性,最后通过连通分析、自适应阈值判断等得到显著区域。频域算法具有运算速度快的特点,因此保证了本文算法的有效性和快速性。实验结果表明,本文算法提高了检测结果的准确性,并且计算复杂度也明显降低。论文又针对显著性区域进行分析,发现对显著区域分配较大权重可以得到更好的视频质量。因此要将这部分区域转化成权重系数,用来调整视频质量评价算法。本文对显著区域进行高斯曲面建模,将显著区域映射为表示人眼关注度的权重系数,这一权重后续将被应用到视频质量评价算法中,使主客观评价更趋于一致。最后论文将显著性的应用拓展到视频质量评价的领域中,并且提出3D-SSIM算法来评价视频质量。基于视频序列的运动特征和帧间时域相关性,将视频看做一个三维图像体,视频根据中心像素点划分为3D块,以其为基础进行3D-SSIM计算,并且融合显著性权值和失真权值来提高评价分数。实验结果表明,在较低复杂度的情况下,本文算法使客观评价更接近人眼的主观感受,证明了算法的可行性,也进一步验证了显著性对视频质量评价的提升作用。