李素梅，朱兆琪

(天津大學(xué)電氣自動(dòng)化與信息工程學(xué)院，天津 300072)

近年來立體成像技術(shù)快速發(fā)展，然而，長(zhǎng)時(shí)間觀看立體圖像/視頻會(huì)導(dǎo)致觀看者產(chǎn)生頭痛、視覺疲勞等不適．立體圖像內(nèi)容的舒適與否關(guān)系到觀看者的觀看體驗(yàn)和生理健康，已成為立體顯示技術(shù)急需解決的任務(wù)之一[1]．

立體圖像舒適度的研究分為3類：建立舒適度模型[2-5]的方法、結(jié)合腦電評(píng)價(jià)立體圖像舒適度[6-8]和舒適度影響因素定量研究的方法．影響立體圖像舒適度的因素有很多，如亮度、色度、對(duì)比度和視差等[9-13].國(guó)內(nèi)外許多專家學(xué)者對(duì)影響立體圖像舒適度的各種因素進(jìn)行了研究．Kooi等[9]通過實(shí)驗(yàn)系統(tǒng)地研究了亮度、色度、對(duì)比度、視差等因素對(duì)圖像舒適度的影響，得出當(dāng)左右視圖不匹配達(dá)到一定程度時(shí)會(huì)導(dǎo)致觀看的不舒適．Jung等[10]基于人類深度感知，探究了立體圖像中顯著物體的視差大小對(duì)圖像舒適度的影響，實(shí)驗(yàn)結(jié)果表明，顯著物體的視差較大時(shí)圖像具有很強(qiáng)的立體感，但是顯著物體的大視差也會(huì)帶來不舒適的體驗(yàn)．李小芳等[11]指出立體圖像左右視圖的亮度和顏色差異過大會(huì)引起觀看者視覺疲勞．

目前，對(duì)立體圖像舒適度的研究大都是定性的，部分文獻(xiàn)對(duì)影響觀看舒適度的各種因素進(jìn)行了定量研究，但是，此類方法都是基于整幅圖像進(jìn)行研究[14-16]. 沒有文獻(xiàn)結(jié)合人眼視覺注意特性對(duì)影響立體圖像舒適度的因素進(jìn)行定量研究．因此，本文首次結(jié)合視覺注意機(jī)制定量研究了亮度因素對(duì)立體圖像觀看舒適度的影響．該工作首先采用視差圖和平面圖像顯著圖相結(jié)合的方法最終得到顯著立體圖像，并利用眼動(dòng)儀實(shí)驗(yàn)驗(yàn)證了立體顯著算法提取顯著區(qū)域的正確性，然后采用改進(jìn)的逐級(jí)逼近法進(jìn)行主觀實(shí)驗(yàn)，通過最小二乘法對(duì)實(shí)驗(yàn)數(shù)據(jù)進(jìn)行擬合，得到顯著立體圖像的舒適亮度匹配圖和差異圖．

1 實(shí) 驗(yàn)

1.1 實(shí)驗(yàn)素材及設(shè)備

實(shí)驗(yàn)選用韓國(guó)先進(jìn)科學(xué)技術(shù)院所提供的立體圖像數(shù)據(jù)庫作為立體圖像樣本數(shù)據(jù)集合[17]．該圖像庫包含多種類型的圖像(人類、樹木、建筑等)，由 120對(duì)分辨率為 1,920×1,080的立體圖像組成，包括 62對(duì)室內(nèi)場(chǎng)景和58幅室外場(chǎng)景．本文選取4幅源立體圖像 pingpang、flower、pipe和 kid作為實(shí)驗(yàn)用圖，如圖1所示．這4幅立體圖像的立體感強(qiáng)，有很好視覺舒適度．立體顯示器采用冠捷(AOC)公司的 22,inch(55.88,cm)偏光式 3D立體顯示器，眼動(dòng)儀為德國(guó)SMI公司的iViewXRED．

圖1 4幅源立體圖像Fig.1 4 pairs of original stereoscopic images

1.2 實(shí)驗(yàn)條件及主觀評(píng)價(jià)方法

實(shí)驗(yàn)選取雙目視覺生理正常的被試者共 22人，其中男性 12人，女性 10人；有立體背景的 8人，沒有立體背景的14人，且被試者主眼都是右眼．

為避免雜散光影響被試者的主觀評(píng)價(jià)結(jié)果，實(shí)驗(yàn)需在暗室中進(jìn)行[12]．對(duì)于 22,inch(55.88,cm)全高清顯示器，觀看距離應(yīng)為屏幕高度的3倍距離[18]．

主觀評(píng)價(jià)是實(shí)驗(yàn)定量研究的重要依據(jù)．實(shí)驗(yàn)前，先對(duì)被試者介紹實(shí)驗(yàn)評(píng)價(jià)的方法和評(píng)分等級(jí)，然后選取舒適度和場(chǎng)景不同的 10幅立體圖像訓(xùn)練被試者，使被試者能夠正確地理解判斷，每次測(cè)試不超過30,min[19]．測(cè)試采用雙刺激方法，實(shí)驗(yàn)中，若同一被試者對(duì)同一立體圖像給出相差 2級(jí)或者以上的評(píng)分時(shí)，此分值視為無效評(píng)分．根據(jù)ITU-R BT.1438立體圖像主觀評(píng)價(jià)推薦準(zhǔn)則，立體圖像舒的適度分為5個(gè)等級(jí)，如表 1所示．允許被試者給出半分的分值，計(jì)算舒適度良好的立體圖像有效評(píng)分的平均值[18]．

表1 立體圖像舒適度主觀評(píng)價(jià)等級(jí)Tab.1 Subjective evaluation level of the confort of stereoscopic images

1.3 實(shí)驗(yàn)方法

本文實(shí)驗(yàn)流程為：①顯著立體圖像獲取，通過算法得到視覺顯著區(qū)域，并得到顯著立體圖像；②主觀實(shí)驗(yàn)，將顯著立體圖像進(jìn)行亮度分級(jí)變換并進(jìn)行主觀實(shí)驗(yàn)；③數(shù)據(jù)篩選及分析．

1.3.1 顯著立體圖像的獲取

根據(jù)人眼的立體視覺注意特性，觀察者會(huì)對(duì)圖像中顯著區(qū)域的內(nèi)容更為關(guān)注[20]，因此，可以采用顯著立體圖像的舒適度來反映整幅立體圖像的舒適度情況．與平面圖像相比，立體圖像的視差特性和圖像空間頻率都會(huì)影響視覺舒適度[21]．因此，本文通過立體圖像視差圖和平面顯著圖提取立體圖像顯著區(qū)域，最終獲得顯著立體圖像．圖 2給出顯著立體圖像的獲取方法．

圖2 顯著立體圖像的獲取方法Fig.2 Method for obtaining saliency stereoscopic images

顯著立體圖像的獲取分為左視點(diǎn)顯著圖與右視點(diǎn)顯著圖兩部分，這里以右視點(diǎn)顯著圖像獲取為例，左視點(diǎn)顯著圖采用同樣的方法．

平面顯著圖通過圖像本身的亮度、色度、對(duì)比度和空間頻率等因素進(jìn)行計(jì)算．本文采用 GBVS算法[22]得到右視點(diǎn)平面顯著圖，記為SMR(x,y)．采用快速立體匹配算法[23]得到以右視點(diǎn)為基準(zhǔn)的視差圖，記為dR(x,y)．

將SMR(x,y)和dR(x,y)加權(quán)求和得到立體顯著圖，如式(1)所示．

得到的立體顯著圖為 0～255灰度圖像，像素點(diǎn)的灰度值大小表示原始圖像中該像素點(diǎn)的顯著值，立體顯著圖所得到像素的顯著值分散，為了更明確地確定立體圖像中像素點(diǎn)是否為顯著點(diǎn)，需要對(duì)立體顯著圖S(x,y)中像素點(diǎn)進(jìn)行顯著與非顯著像素分類．采用最大類間方差方法確定立體顯著圖S(x,y)的閾值T，通過該閾值得到二值化的立體顯著圖，即掩模圖像如式(2)所示．

對(duì)于立體顯著圖S(x,y)的一點(diǎn)(x,y)，若該像素點(diǎn)的值大于閾值T，則該像素點(diǎn)歸為顯著區(qū)域，反之則為非顯著區(qū)域．最后將掩模圖像與原始視點(diǎn)圖像相乘得到顯著立體圖，如圖3(f)所示．圖3分別給出了 4組立體圖像右視點(diǎn)、視差圖、平面顯著圖、立體顯著圖、掩膜圖像和顯著立體圖像．

圖3 顯著立體圖提取圖Fig.3 Map of obtaining saliency stereoscopic images

為了驗(yàn)證所得顯著立體圖像是否為真值，本文采用眼動(dòng)儀對(duì)源立體圖像的顯著區(qū)域進(jìn)行主觀測(cè)量．每次實(shí)驗(yàn)前先進(jìn)行校準(zhǔn)實(shí)驗(yàn)和基準(zhǔn)測(cè)量，當(dāng)被試者對(duì)校準(zhǔn)基準(zhǔn)點(diǎn)的觀測(cè)誤差小于 1,°時(shí)進(jìn)行實(shí)驗(yàn)．每張圖片隨機(jī)呈現(xiàn)且呈現(xiàn)時(shí)間為 5,s．圖 4為眼動(dòng)儀測(cè)量出的圖像感興趣區(qū)域的熱圖．

圖4 眼動(dòng)儀實(shí)驗(yàn)顯著熱圖Fig.4 Salient hot map of eye tracker experiment

圖 4中標(biāo)記的不同灰度表示被試者關(guān)注的程度不同：白色標(biāo)記的區(qū)域?yàn)楸辉囌哂^看時(shí)間最長(zhǎng)，也是最為顯著的部分；灰色標(biāo)記部分表示較為重要，被試者在實(shí)驗(yàn)中對(duì)此部分較為感興趣；深色標(biāo)記部分表示重要程度較低，但在實(shí)驗(yàn)中被試者也對(duì)深色標(biāo)記部分進(jìn)行了關(guān)注；無標(biāo)記部分表示被試者在實(shí)驗(yàn)階段內(nèi)對(duì)此部分關(guān)注很少或沒有關(guān)注，表示非顯著區(qū)域．

通過將圖 4眼動(dòng)儀實(shí)驗(yàn)顯著熱圖與圖 3的立體顯著圖對(duì)比發(fā)現(xiàn)，本文算法獲得的立體顯著區(qū)域與主觀實(shí)驗(yàn)的結(jié)果基本一致，表明該方法能夠很好地提取立體圖像的顯著區(qū)域，且與主觀實(shí)驗(yàn)的結(jié)論有很強(qiáng)的一致性．

1.3.2 主觀實(shí)驗(yàn)

人類視覺能分辨的圖像灰度等級(jí)約為62，所以對(duì)灰度等級(jí)為256的灰度圖像，人類視覺在此灰度等級(jí)上平均能分辨的最小亮度為4[25]．若以4為步長(zhǎng)對(duì)立體圖像左右視點(diǎn)進(jìn)行亮度增強(qiáng)和降低的處理，可以各得到128幅亮度變化后的左右視圖，左右視圖兩兩組合后可以得到立體灰度圖像有 16,384幅，立體圖像過多，進(jìn)行主觀實(shí)驗(yàn)費(fèi)事費(fèi)力．

因此本文采用由粗到細(xì)的逐級(jí)逼近法[14]進(jìn)行數(shù)據(jù)處理，該方法的中心思想是先以大步長(zhǎng)分級(jí)找出立體圖像舒適與不舒適亮度的2個(gè)邊界；然后用小步長(zhǎng)將2個(gè)亮度邊界中間的亮度值細(xì)化，再次找出小步長(zhǎng)舒適與不舒適的亮度邊界；進(jìn)行多次細(xì)化與實(shí)驗(yàn)，最終達(dá)到人眼的最小亮度分辨率，找出舒適與不舒適亮度的亮度值．

采用逐級(jí)逼近法，將步長(zhǎng)逼近級(jí)數(shù)分為 3[14]．采用3級(jí)步長(zhǎng)對(duì)立體圖像亮度進(jìn)行線性變換．

實(shí)驗(yàn)使用 MATLAB2014,b處理立體圖像，處理步驟如下．

步驟 1選取源立體圖像，得到立體顯著圖并最終得到掩模圖像．

步驟 2將立體圖像進(jìn)行顏色空間變換，由RGB空間轉(zhuǎn)換到 YUV顏色空間，提取出圖像亮度Y．根據(jù)步驟1中的掩模圖像確定圖像的顯著與非顯著部分．顯著區(qū)域?yàn)樵戳Ⅲw圖像中對(duì)應(yīng)的像素，非顯著部分用灰度為128的圖像進(jìn)行覆蓋，如圖5所示．

圖5 顯著立體圖像Fig.5 Saliency stereoscopic images

步驟 3按圖 6(a)對(duì)顯著立體灰度圖像中左右視點(diǎn)的顯著部分按第1級(jí)步長(zhǎng)進(jìn)行線性變換，各得到9幅 1級(jí)左右灰度視圖，兩兩組合后可以得到 81幅顯著立體灰度圖像．

步驟 4進(jìn)行主觀評(píng)分，去除無效評(píng)分，選取統(tǒng)計(jì)評(píng)分的立體灰度圖像．

步驟 5分別記錄 1級(jí)灰度變化后符合要求的左右灰度視圖的最大和最小灰度值

步驟 6按圖 6(b)對(duì)顯著立體灰度圖像中左右視圖的顯著部分按第2級(jí)步長(zhǎng)進(jìn)行線性變換，各得到10幅圖像，兩兩組合共可以得到 100幅 2級(jí)立體圖像，重復(fù)步驟4進(jìn)行主觀實(shí)驗(yàn)．

步驟 7分別記錄第 2級(jí)灰度變化后符合要求的左右灰度視圖的最大和最小灰度值

步驟 8圖 6(c)對(duì)顯著立體灰度圖像中左右視圖的顯著部分按第 3級(jí)步長(zhǎng)進(jìn)行線性變換，各得到10幅圖像，兩兩組合共可以得到 100幅 3級(jí)立體圖像，重復(fù)步驟4進(jìn)行主觀實(shí)驗(yàn)．

圖6 圖像亮度3級(jí)步長(zhǎng)逼近Fig.6 Three-step approximation of image brightness

步驟 9分別記錄 3級(jí)灰度變化后符合要求的左右灰度視圖的最大和最小灰度值n3,1、n3,2．

采用 3級(jí)步長(zhǎng)逼近法共得到281幅立體灰度圖像，遠(yuǎn)小于理論上極限法得到的立體灰度圖像數(shù)量，大大減少了實(shí)驗(yàn)的數(shù)量，而且也能得到很好的實(shí)驗(yàn)結(jié)果．

2 實(shí)驗(yàn)數(shù)據(jù)分析

對(duì)實(shí)驗(yàn)數(shù)據(jù)采用最小二乘分段線性擬合來進(jìn)行處理[26]，其基本思想是將所測(cè)數(shù)據(jù)用分段的直線來逼近以便獲得相應(yīng)的數(shù)學(xué)模型，而直線段的擬合仍采用最小二乘法．運(yùn)用最小二乘法對(duì) 4組實(shí)驗(yàn)數(shù)據(jù)進(jìn)行處理，得到 4幅不同的亮度匹配圖和亮度差異圖，見圖7～圖10．

圖7 4組立體圖像舒適亮度匹配圖Fig.7 Comfortable brightness matching map of four groups of stereoscopic images

圖8 4組立體圖像舒適亮度差異圖Fig.8 Comfortable brightness matching map of four groups of stereoscopic images

圖9 立體圖像舒適亮度匹配圖Fig.9 Comfortable brightness matching map of stereoscopic images

圖7為4組立體圖像舒適亮度匹配圖，橫坐標(biāo)為左視點(diǎn)顯著區(qū)域的平均亮度，縱坐標(biāo)為右視點(diǎn)顯著區(qū)域的平均亮度值．圖中分段直線包圍的區(qū)域表示左右視圖顯著區(qū)域的平均亮度．在此范圍中，立體圖像成像后舒適度良好．圖 8為 4組立體圖像舒適亮度差異圖，表示當(dāng)立體圖像舒適度良好時(shí)右視點(diǎn)顯著區(qū)域亮度與左視點(diǎn)顯著區(qū)域亮度的差值范圍，水平軸(過縱軸零點(diǎn)水平線)表示左右視點(diǎn)顯著區(qū)域亮度相同．水平軸上方表示右視點(diǎn)顯著區(qū)域比左視點(diǎn)顯著區(qū)域亮度大，水平軸下方表示右視點(diǎn)顯著區(qū)域比左視點(diǎn)顯著區(qū)域亮度低．

圖10 立體圖像舒適亮度差異圖Fig.10 Comfortable brightness difference map of stereoscopic images

為了使本文的方案具有普適性，對(duì)圖 7、圖 8所示的 4組立體圖像舒適亮度匹配圖和差異圖的實(shí)驗(yàn)數(shù)據(jù)進(jìn)行平均，分別得到立體圖像舒適亮度匹配圖和差異圖，如圖 9、圖 10所示．將圖 9與圖 10中直線包圍區(qū)域分為4個(gè)部分．

(2) 在R1區(qū)域，亮度過低．人在觀看圖像時(shí)對(duì)于過低亮度的忍耐度有一定的閾值，當(dāng)圖像亮度低于閾值時(shí)，觀看者在觀看時(shí)感到明顯的不適．左眼的最低亮度閾值為 35.3，右眼的亮度閾值為 44.3，而且在低亮度區(qū)域雙眼能夠融合的亮度差也較小．

(3) 隨著左右視點(diǎn)顯著區(qū)域亮度的增加，雙眼的融合極限逐漸增大，在R2區(qū)域，隨著左眼亮度的增加，右眼對(duì)于較暗的圖像的融合極限會(huì)比R1時(shí)低，這是由于左視點(diǎn)較為明亮，即使右視點(diǎn)不是很明亮也能在大腦中融合成亮度適合的圖像，而且具有良好的觀看舒適度．

(4) 在區(qū)域R3，圖像的亮度繼續(xù)增加，人對(duì)亮度變化的敏感度較R2減弱，所以在該區(qū)域左右視圖融合極限差繼續(xù)增大．

(5) 隨著亮度增大到一定范圍，高亮度的刺激會(huì)使人感到不適．隨著左視點(diǎn)亮度增加，右視點(diǎn)的亮度適應(yīng)范圍逐漸減小，最終收縮到一個(gè)最大亮度極值．

圖9的對(duì)角線不對(duì)稱，圖10的水平軸也不對(duì)稱.這主要是因?yàn)槿嗽诟兄挛飼r(shí)左右眼有所差異．圖10中水平軸上半部面積小于下半部的面積，這是因?yàn)楸辉囌呤怯已蹫橹餮?，主眼?duì)輔眼有抑制作用，因此右視圖的亮度不能高于左視圖太多，但右視點(diǎn)亮度可以比左視點(diǎn)低很多，這種現(xiàn)象在圖像亮度增大到一定程度后更為明顯．

3 結(jié)果驗(yàn)證

文獻(xiàn)[14]在沒有考慮視覺顯著性的情況下定量研究亮度因素對(duì)視覺舒適度的影響，曲線如圖 11星號(hào)連接直線所示．圖 11中的圓圈連接直線代表本文結(jié)果．可以看出，兩曲線所包圍的亮度范圍基本一致，說明顯著區(qū)域的舒適度能夠代表整幅立體圖像的舒適度，與理論一致. 2個(gè)結(jié)果所不同的是本文的最低亮度并非從0開始，因?yàn)楫?dāng)亮度為0或過低時(shí)，此時(shí)圖像為全黑或亮度太低，看不出圖像所顯示的具體內(nèi)容，測(cè)量的圖像的舒適得分過低．本文結(jié)果更加符合人眼的視覺感受．

圖11 本文實(shí)驗(yàn)結(jié)果與文獻(xiàn)[14]結(jié)果對(duì)比Fig.11 Comparison between experimental results and Ref.[14] results

4 結(jié) 語

本文基于視覺注意機(jī)制通過主觀定量實(shí)驗(yàn)研究了亮度變化對(duì)舒適度的影響機(jī)制，相比于未考慮視覺注意機(jī)制的實(shí)驗(yàn)，本文結(jié)果更能體現(xiàn)人眼的視覺感受．但是，影響立體圖像/視頻舒適度的因素有很多，有待進(jìn)一步研究其他因素(色度、飽和度、對(duì)比度等)對(duì)觀看舒適度的影響，完善整個(gè)理論體系．

［1］ Chen Hungshing，Huang Chungcheng，Luo Mingronnier. Visual comfort in 2D/3D modes of glasses-type stereoscopic displays[J].Journal of the Society for Information Display，2013，21(2)：94-102.

［2］ Zhang Wei，Qu Chenfei，Ma Lin. Learning structure of stereoscopic image for no-reference quality assessment with convolution neural network[J].Pattern Recognition，2016，59：176-187.

［3］ Chen M J，Cormack L K，Bovik A C. No-reference quality assessment of natural stereopairs[J].IEEE Transactions on Image Processing，2013，22(9)：3379-3391.

［4］ Shao Feng，Lin Weisi，Wang S，et al. Learning receptive fields and quality lookups for blind assessment of stereoscopic images[J].IEEE Transactions on Cybemetics，2016，46(3)：730-743.

［5］ Shao Feng，Tian Weijun，Lin Weisi. Learning sparse representation for no-reference quality assessment of multiply-distorted stereoscopic images[J].IEEE Transactions on Multimedia，2017，19(8)：1821-1836.

［6］ 沈麗麗，劉海鵬，王 叢，等. 旋轉(zhuǎn)偏差對(duì)立體顯示舒適度影響的 ERP研究[J]. 天津大學(xué)學(xué)報(bào)：自然科學(xué)與工程技術(shù)版，2017，50(4)：385-390.Shen Lili，Liu Haipeng，Wang Cong，et al. Study on ERP for the effect of rotation distortions on visual comfort[J].Journal of Tianjin University：Science and Technology，2017，50(4)：385-390(in Chinese).

［7］ 岳廣輝，侯春萍，沈麗麗，等. 尺寸偏差對(duì)立體觀看舒適度影響的 ERP研究[J]. 天津大學(xué)學(xué)報(bào)：自然科學(xué)與工程技術(shù)版，2016，49(12)：1262-1267.Yue Guanghui，Hou Chunping，Shen Lili，et al. ERP study on the discomfort induced by size mismatch between left view and right view[J].Journal of Tianjin University：Science and Technology，2016，49(12)：1262-1267(in Chinese).

［8］ 沈麗麗，劉海鵬，王 叢，等. 亮度偏差對(duì)立體顯示舒適度影響的 ERP研究[J]. 天津大學(xué)學(xué)報(bào)：自然科學(xué)與工程技術(shù)版，2016，49(12)：1243-1247.Shen Lili，Liu Haipeng，Wang Cong，et al. ERP study on the effect of brightness deviations on stereo visual comfort[J].Journal of Tianjin University：Science and Technology，2016，49(12)：1243-1247(in Chinese).

［9］ Kooi F L，Toet A. Visual comfort of binocular and 3D displays [J].Displays，2004，25(2/3)：99-108.

［10］ Jung Cheolkon，Wang Shuai. Visual comfort assessment in stereoscopic 3D images using salient object disparity[J].Electronics Letters，2014，51(6)：482-484.

［11］ 李小方，王瓊?cè)A，李大海，等. 自由立體顯示器觀看視疲勞[J]. 液晶與顯示，2008，23(4)：464-467.Li Xiaofang，Wang Qionghua，Li Dahai，et al.Viewer’s visual fatigue in autostereoscopic display [J].Chinese Journal of Liquid Crystals and Displays，2008，23(4)：464-467(in Chinese).

［12］ Quan H T，Barkowsky M，Callet P L. The importance of visual attention in improving the 3D-TV viewing experience：Overview and new perspectives[J].IEEE Transactions on Broadcasting，2011，57(2)：421-431.

［13］ Shin D H，Lee S H，Kim E S. Optical display of true 3D objects in depth-priority integral imaging using an active sensor[J].Optics Communications，2007，275(2)：330-334.

［14］ 臧艷軍，李素梅，衛(wèi)津津，等. 影響立體圖像舒適度的亮度范圍測(cè)定[J]. 電子測(cè)量技術(shù)，2012，35(2)：59-64.Zang Yanjun，Li Sumei，Wei Jinjin，et al. Measurement of the range of the brightness parameter influencing the comfort of stereoscopic images[J].Electronic Measurement Technology，2012，35(2)：59-64(in Chinese).

［15］ 劉 暢，李素梅，朱 丹，等. 色度對(duì)立體圖像視覺舒適度影響的定量研究[J]. 光電子·激光，2014，25(1)：178-185.Liu Chang，Li Sumei，Zhu Dan，et al. Quantitative research of the hue parameter influence on the visual comfort of stereoscopic images[J].Journal of Optoelectronics·Laser，2014，25(1)：178-185(in Chinese).

［16］ 李素梅，付貝貝，臧艷軍，等. 影響立體圖像舒適度的飽和度范圍的測(cè)定[J]. 天津大學(xué)學(xué)報(bào)，2012，45(8)：669-676.Li Sumei，F(xiàn)u Beibei，Zang Yanjun，et al. Measurement of the range of saturation parameter influencing the comfort of stereoscopic images[J].Journal of Tianjin University，2012，45(8)：669-676(in Chinese).

［17］ Jung Yongju，Sohn Hosik，Lee Seong-Il，et al. Predicting visual discomfort of stereoscopic images using human attention model[J].IEEE Transactions on Circuits & Systems for Video Technology，2013，23(12)：2077-2082.

［18］ ITU-R BT 1438 Subjective Assessment of Stereoscopic Television Pictures[S]. Switzerland：TTU-R，2000.

［19］ 國(guó)家廣播電視總局. GB/T 7401—1087 彩色電視圖像質(zhì)量主觀評(píng)價(jià)方法[S]. 北京：中國(guó)標(biāo)準(zhǔn)出版社，1987.The State Administration of Radio Film and Television.GB/T 7401—1987 Method of Subjective Assessment of Quality of Color TV Pictures[S]. Beijing：China Standards Press，1987(in Chinese).

［20］ 王 飛. 基于上下文和背景的視覺顯著性檢測(cè)[D]. 大連：大連理工大學(xué)信息與通信工程學(xué)院，2013.Wang Fei. Visual Saliency Detection Based on Context and Background[D]. Dalian：School of Information and Communication Engineering，Dalian University of Technology，2013(in Chinese).

［21］ 姜求平，邵 楓，郁 梅，等. 基于視覺重要區(qū)域的立體圖像視覺舒適度客觀評(píng)價(jià)方法[J]. 電子與信息學(xué)報(bào)，2014，36(4)：875-881.Jiang Qiuping，Shao Feng，Yu Mei，et al. An objective stereoscopic image visual comfort assessment metric based on visual important regions[J].Chinese Journal of Electronics and Information Technology，2014，36(4)：875-881(in Chinese).

［22］ Harel J，Koch C，Perona P，et al.Graph-Based Visual Saliency[M]. Vancouver：MIT Press，2007.

［23］ Hosni A，Rhemann C，Bleyer M，et al. Fast costvolume filtering for visual correspondence and beyond[J].IEEE Transactions on Pattern Analysis & Machine Intelligence，2012，35(2)：504-511.

［24］ Wang Junle，da Silva M P，Callet P L，et al. Computational model of stereoscopic 3D visual saliency[J].IEEE Transactions on Image Processing，2013，22(6)：2151-2165.

［25］ 田杰華，顧曉東，汪源源. 利用人眼視覺特性的低比特率小波圖像壓縮[J]. 儀器儀表學(xué)報(bào)，2010，31(11)：2515-2520.Tian Jiehua，Gu Xiaodong，Wang Yuanyuan. Low bit rate image compression using human visual characteristics[J].Chinese Journal of Scientific Instrument，2010，31(11)：2515-2520(in Chinese).

［26］ 田 垅，劉宗田. 最小二乘法分段直線擬合[J]. 計(jì)算機(jī)科學(xué)，2012，39(增1)：482-484.Tian Long，Liu Zongtian. Least square piecewise linear fitting[J].Computer Science，2012，39(Suppl,1)：482-484(in Chinese).